至顶网软件频道消息:根据2018年6月ABI Research的报告,到2021年使用数据训练人工智能模型进行预测分析的患者监护设备数量(包括用于家庭预防性医疗保健的人工智能)将从2017年的5.3万台增加至201万。预计到2021年,这种连接将为医院节省约520亿美元。
Venable LLP医疗合伙人兼联合主席Drew Gantt表示:“由于互联网、电子健康记录、个人健康记录、手机、可穿戴设备、数字医疗设备、传感器等许多其他因素,我们现在的数字医疗数据正在呈指数级的增长。这些数据将在短期内推动算法解决方案、临床决策支持工具和可视化工具。”
Gantt说,医疗企业应该专注于使用人工智能技术来解决问题、发现价值、促进使命、创造竞争优势,而不是仅仅为了技术或为了拥有最新的东西而使用它。
2018年6月1日,纽约西奈山医院(Mount Sinai Hospital)宣布与AI医疗初创公司RenalytixAI建立合作关系,打造一款AI工具来发现患有晚期肾病风险的患者。
根据Global Kidney Health Atlas报告显示,2017年全世界10人中就有1人患有慢性肾脏疾病。而且,传统上肾病患者在需要透析前不会开始治疗。
西奈山医院和RenalytixAI将把超过300万份患者健康记录放入人这个工智能工具中,以识别处于危险中的患者。通过分析大量数据的过程实现自动化,团队希望借此减少诊断错误,加快检测,让医院工作人员更专注于护理工作中。双方表示,他们预计这款AI新产品将在2019年第二季度实现商业化。
RenalytixAI创始人兼首席执行官James McCullough表示:“通过与西奈山医院等主要医疗机构合作,我们可以真正定义AI驱动型产品在肾脏疾病中的临床影响。我们还将专注于开发对于具有高风险糖尿病和少数人群的健康网络采用至关重要的报销和监管途径。”
RenalytixAI是EKF Diagnostics剥离出来的一个子公司,EKF Diagnostics是位于加迪夫的临床诊断公司,拥有一个生物指标组合,将其sTNFR生物指标转移给该公司。
McCullough说,让RenalytixAI引人注目的,是它专注于诊断与人工智能的结合。
“西奈山医院拥有来自大量高危人群的深层数据,如2型糖尿病患者和非洲血统人群,这两类人群是肾脏疾病的主要高危人群,临床知识与丰富数据集的结合,让我们能够创建一个风险评分系统,从这些高危人群的生物指标中抽取数据。这么做让这些数据具有很高的质量。”
“这个项目让个性化医疗和人口健康的结合取得了成果,” RenalytixAI Scientific Advisory委员会主席、西奈山伊坎医学院医学系主任、临床整合与人口健康Barbara Murphy博士这样说。
“通过及早发现危险人群,我们将有可能通过主动监测和管理来预防或减缓肾脏疾病的进程,这将对患者的生活产生持久而显着的影响,”Murphy补充说。
Gantt说,医院所拥有的数据仍然存在巨大挖掘潜力,有助于实现医院的使命。
“拥有大量数据的医院和其他企业应该制定一套数据业务计划——即使是仅用于内部非商业目的。人工智能可以增强对这些数据的分析。医疗行业应该专注于使用人工智能技术来解决问题、发现价值、推进自己的使命并创造竞争优势,而不是仅仅为了技术或者为了拥有最新的东西而使用它。”
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。