尽管免疫疗法正彻底颠覆癌症的诊治思路,但目前仍仅对一小部分患者(20%至30%)有效。因此,来自特拉维夫的Nucleai公司正着力开发用于图像分析及病理数据建模的AI软件,希望帮助医疗行业开发出更为有效的药物。
▲ 蛋白质分子的三维晶体结构,也是肿瘤生长的典型标志物
Nucleai公司虽然只是一家刚刚成立三年的初创企业,却有着雄心勃勃的长期发展目标——成为“精准医学领域的领导者”。
根据该公司联合创始人兼CEO Avi Veidman所言,Nucleai团队在以色列情报机构拥有超过50年的总AI从业经历时长,主要涉及卫星图像分析;再加上医师与医疗保健专业知识的加持,他们构建起一整套可应对无效预测性生物标记物的跨学科方法。为了找到更好的解决方案。“我们整合了多种不同信息来源,类似于我们之前在情报领域的尝试。”最终他得出结论,“癌症可不管你是来自哪个学科的。”
所谓生物标志物,是指在血液、其他体液或组织当中发现的分子,通常表明人体之内的正常或异常过程、状态或疾病。使用病理数据发现生物标志物是一个相对较新的领域,这是因为大多数生物标志物源自基因组学研究。生物标志物可用于发现身体的疾病或状态对于治疗过程产生了哪些反应。但在肿瘤学试验中,制药企业发现预测性生物标志物的识别失败率往往超过90%,因此他们需要一种新的识别方法以加快新药的监管审批流程。
Nucleai为制药企业带来一种新颖的空间生物学方法,能够分析参与二期药物试验的癌症患者的免疫系统细胞在空间内的位置。这种对肿瘤“微环境”的精准描述有助于确定预测模式,可引导制药企业更好地选择适合的候选药物以推进三期试验。
虽然其他初创企业也在努力冲击这一制药挑战人,但Nucleai体现出其在大数据分析方面的与众不同。具体来讲,他们掌握着来自美国及以色列各医疗中心网络的数百万患者病历。此外,该公司还在进军市场的过程中发现新的优势,即为客户提供以自助服务为基础、可整合至研究工作流当中的软件。
目前,Nucleai公司已经完成了1300万美元融资,最近一次是总值800万美元的A轮融资。此轮融资由总部位于瑞士洛桑的生物制药企业Debiopharm Group领投。Debiopharm公司CEO在一份声明中提到,此次合作的目标是“探索AI技术在多大程度上可以帮助病理学家及肿瘤学家在诊断及预测方面提升精确水平。”Nucleai的其他参投者还包括Grove Ventures以及Vertex Ventures Israel。
在以色列国防军积累了20年的数据科学部门管理经验之后,Veidman希望自己回归初创企业创业者的角色。在此期间,他的父亲接受了一次活体组织检查,并在焦急中等待了三十天才拿到明确的结果。从那时起,Weidman意识到病理学技术已经很长时间没有迎来太大变化,甚至在数字化转型方面也才刚刚起步。
在2019年的《深度医学:人工智能如何让医疗保健再次回归人本位》一书中,Eric Topol写道:“病理学在数字技术领域的发展速度比人们的预期要慢,这反过来又拖慢了AI进入病理学的速度。不过这一切终归要到来。”Veidman指出,“技术可以在医疗保健领域解决众多问题,企业家的唯一任务,就是找出可行的商业模式。”
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。