至顶网软件频道消息:Infervision正在进行开创性的工作,借助机器学习算法诊断和治疗中风。这家人工智能医学影像专业公司已经完成了Head CT Augmented Screening平台的成功试点。Infervision希望通过让医生更快速更准确地诊断中风,并评估中风所造成的损害,让这项技术快速普及并挽救生命。
除了这个采用机器学习检测中风的成功案例之外,此前有报道称Infervision的平台能够在X射线和CT扫描中检测肺癌的早期征兆。
Infervision使用超过100,000个带注释的医学图像扫描来训练算法,该算法得到了更多实施的数据,从而可以更加有效地诊断出两种主要类型的中风——出血性中风和缺血性中风。
Infervision创始人兼首席执行官Chen Kuan表示:“X射线是一种非常古老的检测方式。例如在中国,已经超过15年没有人在学术会议上胸部X射线检查了。直到最近人工智能的到来,人工智能帮助放射科医师发现了他们以前无法看到的问题。因此,我们非常自豪地看到,放射科医生开始讨论一些涉及人工智能的非常有趣和神奇的案例。”
这绝对是新技术可以释放长久保存数据的价值的一种极好例子。
这种方法解决的主要问题之一,是如何测量出血性中风的失血量。当中风发作后,每秒钟都很关键,医生通常会使用一个简单的数学公式来尽可能最好地“猜测”失血多少。
研究表明,出血量评估得越准确,患者恢复的可能性就越大,这是由于出血量对治疗方法的影响。
Kuan解释说:“出血量与死亡率和干预的最佳方式密切相关。”
“超过30毫升的出血量与死亡率密切相关,最好是使用积极的手术方法进行干预。问题是,在我们测试的过程中,我们要求放射科医师做这方面的计算,发现在某些情况下,误差幅度甚至超过了30毫升。”
Infervision不仅希望这些算法通过“学习”变得比人类放射科医生的评估更加精准,而且能够在紧急情况下更快地执行。
另一个优点,是可以通过X射线和CT扫描进行诊断,而不是单独进行MRI扫描,这是目前诊断出血性(血块)中风的唯一方法。MRI设备的可用性较低,许多医院没有足够的资源让这种设备一天24小时处于运行状态。
我问Kuan,放射科医生和其他临床工作人员在面对这项技术是作何反应的,因为这些技术似乎能够取代他们的一些技能。
他说:“他们很兴奋兴奋。两三个星期前,在中国举行了一个放射科医师大会,很多人对我们做的事情兴奋不已。他们意识到,我们正在帮助他们进行诊断,同时也在针对患者实施治疗计划方面提供了帮助。”
事实上,Infervision在中国的试验结果也将于本周芝加哥举行的北美放射学会年会上公布。Kuan希望也能在这次会议中得到参会者的热烈回应,希望不久之后越来越多的人有机会从这项技术中受益。
“目前我们已经扩大到在四家中国医院测试这项技术,初步结果令人振奋,我们很快就会扩大到更多的医院,并有望进入美国。”
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。