CNET科技资讯网 9月29日 北京消息: 心脏是人体中最繁忙也是最重要的器官之一,每天要跳动约10万次,所输出的血液在血管中穿行约9.6万公里的距离,为我们运送氧气和营养物质,保证身体的正常运行。
但是你知道吗?心血管疾病正成为全世界的头号健康杀手。世界卫生组织的报告显示,全球每三例死亡中,就有一例死于心血管疾病。在中国,冠心病、心衰竭、心律不齐等心血管疾病已经成为居民的主要死亡原因,每年夺去约260万人的生命,这一数据到2020年预计会增加至400万人。
现如今,中国心血管疾病的发病率和死亡率仍在不断上升。心血管疾病在预防和诊疗上的需求,加重了医疗系统的负担,而这种情况对医疗资源匮乏的农村地区影响尤为严重。
2016年世界心脏日,高通 “无线关爱” 计划正式发布《移动心健康白皮书》,基于对 “移动心健康” 项目的调研数据和实证研究,探究移动技术对欠发达地区心电监测和远程心血管疾病诊疗所起到的积极作用。
为帮助中国农村地区医生更好地进行心血管疾病防控,高通 “无线关爱”计划携手中卫莱康科技发展(北京)有限公司于2011年推出“移动心健康”项目,面向农村诊所的医疗服务人员,提供中卫莱康开发的心电图传感智能手机。该手机搭载高通骁龙处理器,并装载有电子病历应用程序套件。
(医务人员使用心电图传感智能手机采集患者的心电数据)
2015年秋,高通 “无线关爱” 计划、中卫莱康及Vital Wave组成的专家团队,针对参与 “移动心健康” 项目的约600位医务人员开展调研,以了解他们使用心电图传感智能手机诊疗病人的体验。
《移动心健康白皮书》显示,农村地区医务人员对心电图传感智能手机感到满意,认为智能手机的使用显著提高了他们的诊疗水平和医疗数据管理效率。调查的主要发现还包括:
山东省商河县辛庄村社区诊所是受益于“移动心健康”项目的诊所之一。加入“移动心健康”项目后,诊所医护人员每天会利用心电图传感智能手机为10至15位心血管病患者进行心电监测,这些心血管病患者占诊所每天患者总数的20%左右。
该诊所受访的医护人员认为,项目的另一大特色则是来自中卫莱康呼叫中心专家的专业诊疗建议。 “我们本身不是心脏专家,中卫莱康呼叫中心的专家能够帮助我们做出更准确的诊断。这样,我们诊所的患者们足不出户便能获得北京专家的建议,这从根本上提升了我们治疗心血管病患者的能力。”
“移动心健康”项目开展五年来,已有600逾家社区卫生服务中心和诊所使用心电图传感智能手机对患者进行检查,并与中卫莱康呼叫中心专家进行远程会诊。截至目前,已有来自全国21个省份和直辖市的16万名患者在“移动心健康”项目中受益。
(医务人员使用心电图智能传感手机与患者一同查阅心电图数据)
中国有超过13亿手机用户——几乎每人都拥有一部手机。 移动终端和移动互联网无处不在,这意味着,在经济和社会的各个层面,移动技术都已成为实现创新和推动进步的重要力量。
高通坚信,移动技术可以创造价值,在拓展业务领域的同时带来切实影响力,推动社会发展和进步。 通过“无线关爱”计划,高通将移动技术带到全球各地欠发达社区,积极与当地组织开展合作,利用创新的技术解决方案推动社会发展。多年来,“无线关爱”计划开展的项目涉及扶持创新创业、辅助公共安全、改善医疗服务、丰富教学体验和推动环境可持续发展等多个方面。
2016年是高通 “无线关爱” 计划落地中国的第十年,众多 “无线关爱” 项目诠释了高通如何将变革性技术应用到中国。在中国,“无线关爱” 计划携手本地组织,为边远地区的教师带去21世纪信息化的教学技术,利用移动技术向中国家庭传递重要的道路安全信息,探索移动健康解决方案以帮助提升医疗资源的可及性和影响力,部署移动宽带技术增加女性获取医疗信息和服务的机会。截至目前, “无线关爱” 计划在中国已开展15个项目,拥有50余个项目合作伙伴,直接或间接惠及近百万中国民众。
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。