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
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。