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
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。