新闻摘要
· 新冠病毒持久性病情研究基于患者独特的病史和遗传学,以进行个性化健康风险评分并提出药物治疗建议
· AI驱动的研究和数字孪生解决方案将为全球医院和研究中心提供支持,并有助于实现戴尔的愿景,即在2030年之前,利用公司技术和规模来推动10亿人的健康、教育和经济机遇
报道全文
戴尔科技集团 (NYSE:DELL) 正在帮助非营利性开源研究机构i2b2 tranSMART Foundation调动大量全球去身份识别的患者数据,以创建患者的虚拟模型(也称为数字孪生解决方案),用于治疗新冠病毒持久性病情造成的影响。
i2b2 tranSMART社区将利用戴尔科技集团的现代基础架构,使用去身份识别的患者数据来制作数字孪生解决方案。随后,研究人员可以根据患者的遗传背景和病史,对数字孪生解决方案进行数百万计的个性化仿真治疗,以确定患者的最佳治疗方案。
为实现这一目标,并提供计算、人工智能、机器学习和先进存储等各项功能来生成数字孪生解决方案,戴尔科技集团建立了一块数据飞地(安全的数据存储网络),由Dell EMC PowerEdge、PowerStore和PowerScale存储系统,以及VMware WorkSpace ONE和Boomi集成服务组成。在这块数据飞地中,研究人员会收集、存储和分析散布在各种监测系统和电子健康记录中的数据,未来还可以通过呼吸机和心脏监护仪收集的实时临床数据来更新数字孪生解决方案。
戴尔科技集团战略捐赠和社会创新副总裁Jeremy Ford表示:“该项目是全球研究和技术界齐心协力支持新兴疾病患者的完美典范。通过与i2b2 tranSMART Foundation合作,我们将运用戴尔的专业知识和技术来构建数字孪生解决方案、共享数据,并进行模拟和分析,以便利用这些见解来协助理解和更好地治疗新冠长期症状。”
最初,研究人员将使用数据飞地来协助对70,000名患者进行测试、模拟和分析,并将这些测试、模拟和分析与4CE Consortium(由超过200家医院和包括美国、法国、德国、意大利、新加坡、西班牙、巴西、印度及英国的数据合作在内的研究中心组成的国际联盟)共享。这项工作有可能在未来四年内扩展多达200万个数字孪生解决方案的数据。
了解和治疗新冠持久性病情
估计每20名新冠患者中就有1人出现持久性病情,包括极度疲乏、头晕、头痛、心律失常、发热和呼吸急促。所谓的持久性病情就是急性SARS-CoV-2后遗症 (PASC) 所致。对于为什么有些人在病毒离开身体后依然受到影响,以及新冠病毒造成的长期影响,我们都知之甚少。
美国国立卫生研究院最近公布了首期PASC研究支持计划。整个计划为期四年、耗资10亿美元。
研究新冠持久性病情需要大量患者数据。i2b2 tranSMART Foundation直接与4CE Consortium合作,支持从全球超过200家机构网络中调集数据。为保护患者隐私,所有数据在提交给4CE Consortium之前都将去除身份识别信息。
i2b2 tranSMART Foundation董事Shawn Murphy博士表示:“在这一阶段,医护人员正在通过开发新冠病毒疗法并评估其疗效来拓展新的领域,这一新的AI驱动平台将帮助他们利用研究结果的爆炸式增长,为患者提供更好的护理和精准的治疗。通过创建这些数字孪生解决方案,我们将把临床研究提高到全新水平。”
Additional resources
其他资源
· 英文博客: AI如何帮助治疗新冠病毒持久性病情
· 信息图:数字孪生解决方案针对“持久性病情”的研究
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。