美国食品药品监督管理局(FDA,简称药监局)已经批准首个部署在数字听诊器内的AI算法,可供医师准确检测心脏瓣膜疾病。
当心脏瓣膜功能不正常时,即可引发瓣膜性心脏病。由于瓣膜无法正常打开或关闭,会影响血液向全身各处泵送,亦导致心腔自身难以摄入回流血液。
根据疾控中心公布的数据,全美约有2.5%的民众患有瓣膜性心脏病,每年有数万人死于心力衰竭或心脏骤停等并发症。
瓣膜性心脏病的检测往往相当棘手,要求医师听取患者心跳,并从中识别出异常声音或模式,据此判断哪个瓣膜受损、由此导致什么问题。然而,对心跳声音和模式的判断相当主观,经常发生误诊甚至彻底漏诊。
AI算法在这方面有望提供帮助。Eko是一家位于加利福尼亚州奥克兰的数字健康初创企业,他们开发出一款软件,能够分析患者脉搏并帮助医疗保健专家检测心脏杂音。这款Eko Murmur分析软件(EMAS)也成为首个获得FDA批准的同类软件。
医师可以使用搭载EMAS分析功能的Eko智能听诊器收集心跳数据。据称,EMAS能够对心脏杂音进行表征,以便在几秒钟内检测并分析患者可能患有哪种类型的瓣膜性心脏病。
Eko公司发言人在采访中表示,“EMAS是一项基于云的服务,允许用户通过应用编程接口上传心音,并结合可选心电图数据开展分析。该软件使用信号处理(例如波形滤波)及机器学习算法分析采集到的数据,据此为临床医师生成临床决策与持续输出。”
“EMAS算法能够分析心音数据,并输出带有算法结果的JSON文件。该文件随后被进一步传递至应用程序,再由应用以人类可读的格式展示给用户。”
Eko公司宣称,其EMAS工具的总体敏感性与特异性(衡量疾病识别准确度的两项指标)分别为85.6%与84.4%。相比之下,据报道全科医师在使用传统听诊器检测瓣膜性心脏病时,敏感性与特异性分别为44%与69%。
根据Eko公司发言人的介绍,“临床专家需要多年积累,才能掌握用听觉解析心脏杂音的「艺术」,而且其中仍有不少无法确定的变量。心脏病专家的整体杂音检测精度高于初级保健医师,但目前大多数病患只能接受初级医师的诊疗。只有疑似或已知患有心脏病的患者,才会经转诊接触到心脏病专家。”
FDA的批准,意味着Eko可以在美国销售其EMAS算法,并将这项技术推向整个医疗保健行业。“FDA的批准,是我们迈向商业化的重要一步。我们正在与美国各医疗机构积极寻求合作,这些机构将成为EMAS新型解决方案的早期采用者,提升对心脏瓣膜疾病的检测能力。”
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。