近期实验显示,人工智能(AI)系统能够从放大的内窥镜图像中发现直肠腺瘤(一种可转化为癌症的早期肿瘤),这是因为该系统能够将实验所用的内窥镜图像与其在机器学习阶段的3万张图像逐一进行匹配对比,从而得出相应结论。
研究人员声称该系统已经对250名患者中的300多例直肠腺瘤进行了诊断分析,其中每张放大内窥镜图像的检测用时不逾一秒并且恶性肿瘤判断的准确率可达94%。
在西班牙巴塞罗那举行的United European Gastroenterology Week会议上,日本横滨昭和大学的研究领导者Yuichi Mori博士就此项实验作相关报告时表示:“该系统最大的突破在于AI可以在肠镜检查期间实现直肠息肉的实时光学活检,而不再依赖于内窥镜医师的技术。”
尽管该系统尚未获得监管部门的批准,但Mori认为其能够让许多患者避免不必要的手术。
Mori解释称:“该系统能够检测息肉是否会发生癌变,那么则可以完全切除腺瘤(癌性)息肉,并同时避免不必要的非肿瘤性息肉切除手术。”
Mori 补充道:“我们相信这些结论对于临床应用而言具有积极的指导意义,所以我们的近期目标则是获得诊断系统的监管批准。”
将AI与其他技术用于癌症的早期检测是目前全球范围内热门的探索领域。今年早些时候,英国国家卫生服务局(NHS)与英特尔公司表示其正在合作,期望可以通过应用AI技术以提高癌症诊断的正确率。另外,由沃里克大学组织图像分析实验室牵头的研究团队一直致力于建立基于人体组织细胞样本的已知肿瘤与免疫细胞的数字化资源库。
该癌症信息数据库随后将配合一定的计算程序用于自动识别该数据库内的细胞信息。据悉,该联盟最初的合作重点是肺癌。
英特尔与NHS在今年5月表示最初由谷歌公司设计的架构——包括TensorFlow——将构成该AI系统的基础并采用英特尔至强处理器。
此外,澳大利亚联邦科学与工业研究组织(CSIRO)同样在5月宣布其Data 61部门的研究人员一直在致力于开发一款软件以检测血管再生——新血管的生长,而这也是形成癌症的前期征兆。
CSIRO方面表示,Data 61与中国科学院上海应用物理研究所的研究人员分析了26只实验鼠在不同癌症生长阶段的大脑与肝脏的26张高分辨3D微CT图像并以此为基础研发了一套算法以生成准确的立体血管示意图。
Data 61的软件能够随时检测血管内细微的增生以了解患者机体对血管生成抑制剂的反馈情况。
对此,CSIRO表示:“血管变化的准确量化——特别是末端血管分支的数量——在精准诊断与治疗过程中扮演了极其重要的角色。”
然而,这已不是CSIRO首次涉入癌症诊断领域。早在12月,CSIRO发布了一套全新且准确率更高的血液测试系统——名为Colvera——以检测肠癌复发,现在美国已正式投入使用。
此套血液测试系统是由CSIRO、Flinders大学与Clinical Genomics合力开发而来,其作用机理是通过检测血液循环中肿瘤碎片DNA的癌症特异性化学信号变化从而检测肠癌是否复发。
加州的Guardant Health也在研究早期癌症检测,并且该公司在今年募集了3.6亿美元,计划在五年内完成100多万名癌症患者的肿瘤DNA排序工作,尔后将利用这些数据研发一套用于癌症诊断的血液检测系统。
南旧金山的液体活检初创企业Freenome通过结合机器学习与生物学以检测癌细胞死亡之前的无细胞DNA序列。该公司迄今为止已经募集了7120万美元,而投资公司——诸如Google Ventures等——同时也支持了Freenome的竞争对手Grail。
1月,在纳斯达克上市的DNA测序巨头Illumina的分支公司Grail在由Arch Venture Partners主导的B轮投资中募集了9亿美元,其他的投资者还包括强生旗下的创新孵化机构。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。