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
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。