医学影像是一个涵盖多种不同技术的广泛概念。在开发用于增强 X 射线和乳腺摄影的 AI 工具之后,法国初创公司 Gleamer 现在致力于攻克磁共振成像 (MRI) 领域。
为避免从零开始,Gleamer 收购了两家已在 AI 驱动的 MRI 分析领域有所建树的初创公司:Pixyl 和 Caerus Medical。
Gleamer 是第二波尝试利用人工智能改进医学影像的初创企业之一。2014 或 2015 年,许多科技创始人围绕这一主题创建了初创公司。虽然大多数公司都未能成功,但该领域已经出现了一些整合。例如,Zebra Medical Vision 和 Arterys 分别被 Nanox 和 Tempus 收购。
成立于 2017 年的 Gleamer 一直致力于为放射科医生开发 AI 助手,这是一种医学影像的副驾驶。通过 Gleamer,放射科医生在解读医学影像时理论上可以提高诊断准确性。
该初创公司已经说服了 45 个国家的 2,000 家机构使用其软件解决方案。总体而言,Gleamer 已处理了 3,500 万次检查。该公司的骨骼创伤解读产品已获得 CE 和 FDA 认证。在欧洲,该公司还提供专门针对胸部 X 射线、骨科和骨龄测量的 CE 认证产品。
"不幸的是,放射学领域的一刀切方法并不可行," Gleamer 联合创始人兼 CEO Christian Allouche 对 TechCrunch 表示。"要开发一个涵盖所有医学影像并达到医生期望性能水平的大型模型是非常复杂的。"
这就是为什么该公司成立了专注于乳腺摄影和 CT 扫描的小型内部团队。"三周前我们发布了筹备了 18 个月的乳腺摄影产品," Allouche 说。该产品基于一个经过 150 万张乳腺摄影图像训练的专有 AI 模型。
"我们与法国政府的 GPU 集群 Jean Zay 建立了合作伙伴关系," Allouche 说。该公司还在研究癌症 CT 扫描。
那么 MRI 呢?"MRI 是一个不同的技术领域," Allouche 说。"MRI 涉及很多任务。不仅仅是检测,还包括分割、检测、特征化、分类、多序列成像。"
这就是为什么 Gleamer 收购了两家在这个领域工作多年的小型初创公司,以加快发展。Gleamer 没有透露交易条款。
"这两家公司将成为我们的两个 MRI 平台,我们的明确目标是在未来两到三年内覆盖所有使用场景," Allouche 说。
预防性医学影像
虽然 Gleamer 的模型显示出有前途的结果,但它们还不够完美。例如,通过该公司的新乳腺摄影模型,该初创公司声称可以检测出五分之四的癌症。相比之下,没有 AI 辅助的人类放射科医生通常能识别出五分之三的癌症病例。
然而,像 Gleamer 这样的工具带来的生产力提升可能会彻底改变医学影像。未被发现的肿瘤很可能会在几个月后的随访检查中显现。
"在不久的将来,我认为我们都将获得保险公司支付的常规全身 MRI 检查 — 因为它们不会产生辐射," Allouche 说。
然而,在一些城市,放射科医生已经不足以满足反应性影像的需求。如果行业转向预防性影像,AI 工具将变得不可或缺。
Gleamer 的 CEO 认为 AI 可以成为一个"协调和分类"工具。大多数医学影像检查是为了排除某些诊断。"因此,我们确实需要用一个非常可靠的 AI 模型来自动化完成这些工作,该模型的灵敏度要远高于人类," Allouche 说。
好文章,需要你的鼓励
帕洛阿尔托创业公司Catio在VentureBeat Transform 2025大会上获得"最酷技术"奖。该公司成立于2023年,已筹集700万美元资金。Catio推出的AI技术架构副驾驶将架构重新定义为可编码、可内省和智能演进的活体系统。通过结合实时架构地图和多智能体AI组织,帮助工程团队从被动决策转向持续主动的架构优化,为CTO和架构师提供数据驱动的架构决策支持。
国立台湾大学等机构开发的MuseControlLite技术实现了音乐AI的重大突破。该系统仅用8500万参数就达到61.1%的旋律控制精度,比现有方法减少6.75倍参数量却性能更优。通过创新的位置编码和解耦交叉注意力机制,系统能同时处理文字、音乐属性和音频信号的多重控制,支持音乐生成、修复和风格迁移等功能,为音乐创作民主化开辟新道路。
谷歌在ISTE教育技术大会上发布超过30款AI教育工具,包括专为教育打造的Gemini应用、协作视频制作工具Google Vids扩展访问权限等。教师可利用AI技术进行头脑风暴、生成教案、个性化学习内容,还能创建定制版Gemini"助手"为学生提供额外支持。新工具还包括AI阅读伙伴、学习进度追踪、Chrome设备管理等功能,旨在通过"负责任的AI"推动个性化学习体验。
马里兰大学研究团队在70亿参数的OLMoE模型中首次发现了真实大型语言模型的"Grokking"现象,即AI在训练误差稳定后仍能实现智能突破。他们开发了基于混合专家模型思维路径分析的新方法,能够在无需外部测试的情况下准确预测AI的泛化能力,为AI开发和评估提供了革命性的实时监控工具。