Alphabet公司旗下位于英国的人工智能事业部DeepMind开发出一套系统,据称能够以高达94%的准确率诊断超过50种不同的眼科疾病。
该部门在今天由科学杂志《自然-医学》发表的一项研究中详述了该项目。这套系统是DeepMind与Moorfields眼科医院两年多的合作成果。Moorfields眼科医院是一家位于英国本土的眼科医疗中心。
作为该项目的一部分,Moorfields方面负责为DeepMind提供16000份匿名的三维眼部扫描图片。该部门则利用这些文件训练AI系统学会如何发现不同疾病的具体征兆。其软件利用两套不同的神经网络进行分析:其中一套处理眼部扫描图片以发现问题,另一套负责将这些发现转化为诊断结论并判断是否存在现有推荐治疗建议。
DeepMind方面利用1000份未在训练中使用的扫描资料对该系统的诊断准确性做出了测试。根据其说法,这款软件最终实现了94%的诊断准确率,其间出现了两次定位错误但没有发生任何漏报状况。虽然这样的结果本身似乎无法令人完全满意,但DeepMind方面指出,这样的表现已经成功超越另外八位同样参加扫描图片评估的人类眼科医疗专家。
DeepMind的最终目标是在眼科治疗需求愈发高涨的当下成功缩短诊疗时间。随着人口老龄化等因素的增加,英国的眼科转诊率在2007年到2017年之间增长了37%。这样的趋势已经导致病患等待时间延长,并可能使得部分患者面临健康风险。
DeepMind联合创始人兼应用AI负责人Mustafa Suleyman在一篇博文中写道,“对这些扫描图片进行分析所需要的时间,再加上医疗卫生专业人员日常需要处理的扫描资料总量(单在Moorfields中心,每天需要检查的图片就超过1000份),可能导致扫描与治疗之间出现长时间延迟——这意味着病患有可能得不到紧急护理。我们开发的系统旨在解决这一挑战。”
该部门表示,这款软件不仅能够诊断疾病,还可以根据患者病情的严重程度对其进行优先级排序。话虽如此,DeepMind方面并不打算借此彻底取代人类医生。他们表示,这套系统作为两套独立的神经网络进行实现,而其诊断背后的思维将可供医疗专业人员进行后续验证。
Suleyman写道,“这项功能至关重要,因为眼科治疗专业人员一直在决定患者所应接受的护理与治疗类型方面发挥关键作用。他们对技术进行仔细审查并提出建议,将成为该系统全面落地的关键性前提。”
DeepMind与Moorfields眼科医院计划于2019年开始对该系统进行临床试验。作为协议中的组成部分,DeepMind方面将在各英国医院及社区诊所中以免费形式在未来5到30年当中提供该项技术。
DeepMind方面还在探索其它立足医疗领域应用人工智能技术的方法。今年早些时候,其与美国退伍军人事务部合作建立起一套系统,旨在更好地检测患者的急性肾操作。另外,不久之前另一家名为Verily的Alphabet子公司也公布一种利用眼部扫描判断患者心脏疾病的方法。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。