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
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。