IBM Watson Health周三宣布加大由麻省理工学院和哈佛大学起头的研究中心的合作关系并启动可以帮助临床医生预测心血管疾病的算法模型的合作项目。该项目将利用基因组数据与临床数据(包括现有的健康记录和患者的生物标记物)的结合得到更可靠的多基因评分,多基因评分亦称遗传风险评分。
在未来的三年时间里,该项目的研究人员将研究算法的构建,达到能识别某些特定健康状况的目的,例如心脏骤停和心房颤动。研究人员将开发可以整合各种数据进行建模的工具并能够将得到的模型应用于来自不同卫生系统的患者。到最后,研究人员需要确保项目得到的有关结果能够以言简意赅的方式解释给医生和患者听。
IBM表示,项目的研究结果和工具将分享给更多的研究团体。
IBM和Broad Institute一直在该领域有合作。两家早在2016年就开始了一个为期五年、5000万美元的项目,项目的目的是利用机器学习和基因组学更好地了解为什么癌症会对治疗产生抵抗力
IBM Watson Health周三还宣布了将与Vanderbilt大学的医学中心和Brigham妇科医院(隶属哈佛医学院的教学医院)开展一项为期10年、投资达5000万美元的联合研究合作项目。合作的重点将放在重大公共卫生领域的人工智能应用上,最初的重点是利用自然语言处理更好地使用电子健康记录。
IBM还宣布,Cigna和Sentara Healthcare两家医疗保健组织日前加入了IBM上个月建立的区块链健康网络。该健康网络是由IBM与Aetna、Anthem、Health Care Service Corporation和PNC Bank合作建立的,目标是改善医疗保健行业的互操作性。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。