至顶网软件频道消息:谷歌认为其深度学习系统可以解决电子健康记录困境。
在Google I / O大会上,该公司首席执行官Sundar Pichai介绍了该公司如何利用其人工智能和机器学习基础设施更好地预测医疗保健结果。该领域的多个前沿方向正在兴起,但大部分医疗数据都是非结构化的,有大量的麻烦。
对于谷歌来说,对医疗保健的兴趣更多的是要证明其在该领域的模型和算法。这也是Google Cloud Platform的一个自然扩展。谷歌还与Fitbit合作开发数据和健康API。有鉴于此,谷歌人工智能对医疗保健领域非常有兴趣。
在Google I / O大会期间发布的一篇论文中,该公司介绍了它如何使用电子健康记录。该公司指出,它与斯坦福大学、加州大学旧金山分校和芝加哥大学合作,探索深度学习模式如何应用于医院的患者。关键的发展是谷歌正在寻求使用数据。数据准备本身可以有许多分析工作。
谷歌的文章介绍了数据准备挑战:
我们假设这些技术将很好地转化进入医疗保健;具体而言,深度学习方法可以包含整个EHR,包括自由文本笔记,为广泛的临床问题提供预测,并且它的准确程度超过传统中最高水平的预测模型。我们的核心观点是,与其直接调整EHR数据,将其映射为一组高度组织化、结构化的预测变量,然后将这些变量馈送到统计模型中,我们还不如学习通过直接特征学习同步调谐输入并预测医疗事件。
谷歌表示,该公司的模型能够在预测意外再入院、出院和住院病死率方面进行扩展并准确预测。正如ZDNet先前报道的那样,人工智能正在被用来更好地改善护理,同时降低成本。参看:
谷歌指出,它具有统计意义上的重要性,而且还仅仅是一个开始。预测和深度学习模型还仅仅是在使用回顾性数据。
事实上,在医疗保健中还有很多其他的地方可以使用人工智能和机器学习。例如:
好文章,需要你的鼓励
Meta 推出“Llama for Startups”计划,为在美初创企业提供直接支持与资金,助力开发生成式 AI 应用;同时,Meta在 Llama 模型研发中面临竞争与挑战,努力推动 AI 业务增长。
奥兰多魔术队与SAS达成战略合作,借助SAS Viya平台,通过数据和AI技术全方位提升球迷现场及数字化体验,同时优化票务预测与运营管理。
本文讨论了 MCP、ACP 与 Agent2Agent 三项协议如何助力 AI 系统的互联互通,降低整合复杂性,推动从试验向实用化转型。
DataCore 通过收购专注边缘及分支办公室超融合基础设施(HCI)的 StarWind,结合强大软件优势和虚拟 SAN 技术,旨在为分布式网络提供更灵活、经济和高效的存储解决方案。