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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。