AI在医学领域的一种有趣应用,就是帮助预测某种诊疗方式在患者身上的潜在效果。以下三种,代表着AI医学应用中颇具前景的重要方向。
1. 识别糖尿病:AI算法可以通过分析II型糖尿病患者的声音来检测出病症,甚至能抢在患者或医生发现征兆之前。对于男性病患,糖尿病会导致其声音的强度和幅度出现微妙变化;而对女性病患,其音高也会发生细微差异。计算机预测的准确率在男性病患中约为86%,对于女性病患则约为89%。
这种检测方法的确切机制尚不完全明确,但研究人员怀疑早期糖尿病会影响患者声带的物理特性以及控制声带肌肉的能力,而这些变化可以通过录音被检测发现。尽管此项研究仍处于初步阶段,但如果进一步研究证实了这一判断,那么医生将拥有一种成本极低且无创的新方法帮助全球民众筛查这种常见疾病。
2. 预测死亡率:用于筛查早期肺癌的胸部CT扫描数据又有了新作用——可用于预测心血管疾病乃至总的“全因”死亡率。
这项工作是由范德比尔特大学和密苏里大学堪萨斯城分校的多学科团队共同完成的。团队首席研究员Kaiwen Xu解释称,这项研究能够帮助医生更好地确定哪些患者可以从身份调理或生活方式改变当中获益,抢在疾病发作之前改善健康状况。
目前,AI还无法充当紧急状况下预测短期死亡率的可靠工具。但已经有研究人员正在探索算法的伦理学意义,也许终有一天这些算法能够可靠地预测患者是否会在未来30到60天之内死亡,并由此改变急诊室、临终关怀中心等机构的护理思路。
最近一项研究表明,医生、护士和卫生管理人员已经逐渐意识到,AI技术在为高死亡风险人群提供适当护理方面有着巨大的应用前景。但他们强调,AI的意义是为了更好地提高工作效率、改善病患感受,而“绝不只是为了省钱”。
3. 推荐专家:ChatGPT和谷歌Bard等AI系统也许很快就将具备整理不同来源数据的能力,让患者们知道哪些医生和医院最擅长治疗自己的疾病、提升治疗成功几率。卫生政策专家Michael Millenson和Jennifer Goldsack表示,“病患可以快速找到芝加哥地区膝关节置换手术经验最丰富的外科医生,查看相应的感染率;在洛杉矶找到各知名医疗中心的腺癌患者生存数据;或者整理一份纽约市杰出心脏外科医生的推荐清单。”
当然,此类建议的优劣,具体还是要由患者的生存率、术后并发症几率等基础数据来评判。此外,并发症的发生率也不一定能反映医生的真实能力。水平更高的外科医生一般会负责治疗病情较重的患者,而这类人群本身就有着更高的并发症发生率。总之,在向病患提供诊疗建议时,仍须充分考虑到数据质量和来源背景。但整体来看,AI的介入代表着良好的发展方向,值得医生和医院认真关注、同时尽量为其贡献更加透明的诊疗数据资源。
正所谓“预测永远是困难的,特别是对长期未来的预测”。但随着AI工具在对患者健康结果进行长、短期预测方面的不断进步,也许患者和医生都能在新的机遇和挑战之下,获得过去难以想象的生命掌控之力。
好文章,需要你的鼓励
创业公司Pythagora发布全新AI编程平台,通过14个专业AI代理实现从前端到后端的全栈应用开发。该平台支持开发者和非技术用户仅通过自然语言提示创建应用程序,涵盖规划、编码、测试、调试和部署全流程。与传统AI编程工具不同,Pythagora提供端到端解决方案,AI代理可自动处理前后端开发、API连接、数据库管理等任务,并具备专门的调试功能,让用户无需实际编写代码即可创建完整应用。
字节跳动联合浙江大学发布了ImmerseGen系统,这是一个能根据文字描述自动生成VR世界的AI工具。该系统采用轻量化代理和RGBA纹理技术,用AI代理协作完成从地形生成到物体布置的全流程,还能添加动态效果和环境音效。相比传统方法,它生成的场景效率提升数十倍,在移动VR设备上达到79帧流畅运行,为VR内容创作带来革命性突破。
Context公司推出AI驱动的自动驾驶平台,可同时启动数千个AI代理执行深度研究、数据分析和报告生成等工作。该公司与高通建立战略合作,支持AI代理在骁龙神经处理单元上本地部署,实现在用户个人电脑而非云端运行的AI自动化。平台类似中国AI平台Manus,通过大语言模型执行复杂任务,包括企业搜索、代码解释、文档生成等应用,已完成1100万美元种子轮融资。
慕尼黑大学研究团队开发了SwarmAgentic技术,这是首个能够完全自主生成智能体系统的框架,无需人工预设模板。该技术借鉴蜂群智能原理,让AI系统自己决定需要什么角色、如何分工协作。在旅行规划等六项复杂任务测试中,SwarmAgentic表现优异,在旅行规划任务上比现有最佳方法提升261.8%,展现了全自动智能体系统设计的巨大潜力。