科技行者 10月2日 北京消息: 医疗保健行业一直都是创新先行者。然而,疾病和病毒不断地变种,给医疗保健行业带来一定的挑战,现在借助人工智能(AI)和机器学习算法,该行业迎来了新机遇。
▲ 图:医疗科技概念及医疗器械(Getty/图片来源)
《柳叶刀数字健康》(The Lancet Digital Health)本周发表的一项研究,比较了深度学习与医疗专业人员在检测医学影像疾病方面的表现,该研究采用的样本是2012年-2019年期间的所有相关数据。
研究发现,在过去的几年里,AI在图像识别疾病诊断方面变得更加准确,并成为一个更可行的诊断信息来源。研究人员表示,在其考察的14项研究里,AI系统能够正确识别疾病的百分比达87%,而医疗保健专业人士正确识别疾病的百分比为86%;且AI还能够正确地识别出病例中93%没有疾病的患者,而医疗保健专业人员为91%。不难推断出,AI未来在医疗成像识别诊断的技术效率会更高。
人工智能在医疗领域的应用不仅限于诊断疾病,还包括可能的治疗方法。
制药公司拜耳(Bayer)最近一直在与科技公司合作,开发有助于诊断复杂和罕见疾病的软件,并帮助开发治疗这些疾病的新药。他们一直与医院和研究人员合作,希望找出机器学习在分析和学习如何诊断病人病情时需要的东西。人工智能吸收的信息来自许多因素,包括症状数据、疾病原因、检测结果、医学图像、医生报告等等。
最近负责拜耳人工智能项目的Angeli Moeller接受了美联社的采访,Moeller解释了新药物的开发及用到的系统:“我们可以模拟它在细胞里的表现,同时综合考虑患者服用的其他药物。我们正在研究如何找适合的病人和地点,进行我们的临床试验。如果成功,我们就可以进行更短期的研究,可以更早地发现哪些药物适合患者。”
机器学习系统并不是要取代医生,也不能在治疗病人时做出绝对的决定。据Moeller说,他们仍然希望病人能够控制自己的治疗,希望利用AI来支持决策,并根据得到的结果提出建议。
拜耳并非唯一一家在AI医疗保健领域掀起波澜的公司,其他许多初创公司也在提出AI疾病治疗方案。据BenchSci最新报告显示,目前市场上有148家初创公司在药物研发中使用了AI技术。
其中一家初创公司Atomwise刚刚与江苏豪森药业集团有限公司(Jiangsu Hansoh Pharmaceutical Group)合作,成立了一家价值15亿美元的合资企业,用于设计癌症治疗新药物。此次合作将Atomwise的AI技术与豪森药业的制造能力结合起来,共同设计出预测小分子如何与靶标蛋白绑定的新方法,有望取得医疗新进展。类似的合资企业前景颇佳,因为这些企业结合了机器学习和医疗器械创新发展的两个关键要素。
加拿大生物技术公司Deep Genomics在过去5年里一直在试验机器学习和药物开发。具体而言,这家公司一直在针对一种名为“威尔逊病(Wilson Disease)”的罕见遗传疾病做了不同的实验,目前市场上尚无威尔逊病的治疗方法,这种疾病会阻止人体排除铜,而铜元素最终会在器官中积聚,并可能导致危及生命的器官损伤,或者器官衰竭。
Deep Genomics的AI系统成功发现,这种基因突变改变了ATP7B的氨基酸链,ATP7B是一种铜结合蛋白,威尔逊病患者缺乏ATP7B,导致基因组的中断,进而导致不能生成该蛋白。目前Deep Genomics公司正在测试他们的药物对第一批应选人的效用,但愿最终能成功治疗该疾病。
不幸的是,目前市场上还不存在由AI创建的任何药物治疗,但许多公司都在努力实现这一点。患者数据和测试的收集,将持续推动市场的进步,虽然人工智能与医疗专业工作做的大量工作挽救了生命,但目前却远非主流。
Moeller 表示,“AI真正进入主流医疗实践可能需要两年的时间,但把这项技术应用到患者身上,仍然是最困难的部分。”
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。