作为医疗保健领域的一股新鲜力量,数字孪生有望成为逆转糖尿病等慢性疾病的关键。
位于加利福尼亚州山景城的初创公司Twin Health开发出一种技术,能够通过“数字孪生”来模拟患者个体的新陈代谢情况。以此为基础,该模型能够进一步预测营养摄入、睡眠与运动量等指标,预防或者减小糖尿病等慢性疾病引发的负面影响。
这种全身数字孪生技术已经在临床研究中带来乐观表现,出色的成果也让Twin Health从投资方手中拿到数额可观的研究资金。
该公司最近刚刚完成C轮融资,总额高这1.4亿美元。这笔融资来自ICONIQ Growth、红杉资本(印度)、Perceptive Advisors、Corner Ventures、LTS Investments、Helena 以及 Sofina。Twin Health将利用这笔巨款持续开发原研技术,并扩大业务在新兴疾病领域及患者群体中的覆盖范围。
该系统能够从健康追踪器与血糖监测仪等可穿戴设备、定期血液检查及自主上报症状等信息源处持续监控数千个数据点,借此建立并持续更新病患的数字孪生副本。
Twin Health会进一步利用预测性AI对数字孪生模型的各个版本开展分析,了解生活方式的变化如何左右患者健康,进而提出调整建议以引导健康改进、扭转不良习惯对长期代谢状况的负面影响。患者可以通过Twin Health应用随时查看结果,并将重要生物标志物上报给医疗保健服务商、确保患者能够随健康状况的改善而减少服药剂量。
目前Twin Health正在推进一项针对II型糖尿病患者血糖水平、肝功能及体重等指标的数字孪生监测研究。去年6月发表的随机对照试验已经给出早期结果,表明在采用数字孪生的病患群体中,九成以上患者的糖尿病出现了部分逆转,具体表现为血糖水平下降至糖化血红蛋白(HbA1c)6.5以下,明显好于8.7的基准平均值。
研究人员还发现数字孪生组病患的平均体重减轻了约20磅,肝功能得到显著改善,92%的患者甚至可以完全停用胰岛素或其他糖尿病治疗药品。同时,对照组所有患者都没有实现糖尿病逆转、用药量仍然保持不变、体重或肝功能也未出现任何显著改善。
目前,只有参与Twin Health同健康保险与员工福利合作计划的相关方才能接触这一全身数字孪生建模项目。
可以看到,数字孪生技术正在健康管理、手术计划与药物开发等领域中愈发重要的新兴工具。以药物开发为例,AI驱动药物设计企业XtalPi最近刚刚完成C轮融资,总额达3.188亿美元,同时计划开发一套新的数字孪生模拟系统。这套预测建模系统将帮助生物制药公司快速筛选新药化合物,确保仅将具备最佳潜在功效的分子推向临床试验。
去年春季,刚刚成立的初创企业Q Bio也推出了自己的数字孪生平台。该平台使用自动化无辐射扫描设备在15分钟内生成病患的全身成像数据,而后即可结合遗传信息、医疗记录及其他测试结果帮助患者构建起数字孪生副本。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
大模型时代,玛丽·米克尔(Mary Meeker)的名字可能大家不一定熟悉,但是在互联网时代,这位被可被誉为“互联网女皇”的。她是美国风险投资家和前华尔街证券分析师,专注于互联网及新兴技术领域。玛丽·米克尔(Mary Meeker)发了一份340页的《人工智能趋势报告》,粗粗看了一下,并没有非常轰动的观点,但是数据比较全面
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。