美国食品药品监督管理局 (FDA) 针对人工智能 (AI) 在药物和生物制剂的发现和开发中的日益广泛应用,发布了首份关于在监管申报中使用该技术的暂行指导意见。
据美国监管机构称,自 2016 年以来,AI 在药物开发和监管申报中的应用已呈"指数级增长",并被广泛用于生成有关药物或生物制品的安全性、有效性或质量的数据或信息。
FDA 局长 Robert Califf 表示,在采取适当保障措施的情况下,AI 具有"变革性潜力,可推进临床研究并加速医疗产品开发,从而改善患者护理"。
这份草案指导意见(征求意见截止日期为 4 月 7 日)提出了一个基于风险的评估框架,药物开发商可以利用该框架来确立 AI 模型在其预期用途中的可信度。可能的应用包括预测患者结果、改进对疾病进展预测因素的理解,以及分析来自真实世界研究或数字健康技术等来源的大型数据集。
指导意见的核心是"使用背景" (COU) 的概念,它定义了 AI 将如何用于解决"感兴趣的问题"。文件描述了一个基于风险的框架,供申办方评估和确立 AI 模型在特定 COU 中的可信度,并与监管机构进行沟通。
FDA 表示,该指导意见借鉴了近年来对含有 AI 成分的药物和生物制剂的审查经验。但鉴于该技术仍处于初期阶段,该机构建议申办方在开发过程早期就与之接触,以获得关于可信度的反馈。
FDA 的这一行动紧随欧洲药品管理局 (EMA) 去年最终确定的一份"反思文件",该文件阐述了欧盟监管机构对在医药产品生命周期中使用 AI 的看法。
医疗器械建议
与此同时,美国 FDA 还刚刚发布了关于开发和管理 AI 驱动的医疗器械的新指导意见,提出了一种全生命周期 (TPLC) 方法,该方法应考虑用户界面和标签、数据管理、设备性能监控和网络安全等要素。
FDA 器械和放射健康中心数字健康卓越中心主任 Troy Tazbaz 在一份声明中表示,该机构迄今已批准了 1,000 多种 AI 驱动的设备。
他补充说,"随着我们继续看到这一领域令人兴奋的发展,重要的是要认识到 AI 驱动的设备有其特殊考虑因素。"
这份草案指导意见"汇集了开发者相关信息,分享了已获授权的 AI 驱动设备的经验教训,并为适用于这些设备的具体建议提供了首要参考,涵盖从最早的开发阶段到设备的整个生命周期。"
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。