谷歌已经建立了一个人工智能模型,可以分析人体胸部的CT扫描结果,以确定他们是否患有肺癌。
该公司今天在博客文章中详细介绍了这款软件,这是谷歌两年开发工作的成果。作为美国国立卫生研究院的一项研究的一部分,谷歌使用从15,000名患者中采集的42,000次胸部扫描数据集训练人工智能检查肿瘤。在完成了培训阶段的工作后,谷歌的研究人员使用了来自西北大学的大约3,800张CT图像来评估人工智能的准确性。
谷歌将该模型得出的结论和六名放射科医生进行了对比,这些放射科医生平均有八年的临床经验。在一项测试中,所有的参与者仅被允许检查每位患者的一张CT图像,人工智能确定的癌症病例比专家确定的病例数多5.5%,假阳性率降低11%。在可以获得多张扫描图像的测试中,该模型和放射科医生们得出的结果几乎相同。
除了证明它能够和训练有素的医疗专业人员水平相当之外,该人工智能还被证明能够识别肺结节,这是一种在大多数情况下是良性,但有时候可能会变成癌细胞的小块组织。它们通常很难被发现,因为它们在CT图像中看起来像是微弱的白色阴影。
根据谷歌的说法,它的人工智能不仅可以发现结节,还可以比较一段时间内进行的扫描,以确定结节的增长是否显示出恶性迹象。在分析初步筛查两年后拍摄的CT图像时,该模型发现的癌症发生率比放射科医师多9.5%。
谷歌在最新一期《自然医学》杂志上发表了一篇学术论文,详细介绍了该项目。此外,该公司还计划通过Cloud Healthcare API提供该人工智能模型,Cloud Healthcare API是针对医疗行业的公共云服务和功能的集合。
谷歌该项目的技术负责人Shravya Shetty 写道:“尽管肺癌检查有价值,但今天只有2-4%符合条件的美国患者接受了筛查,……这项工作证明了人工智能可以提高准确性和一致性的潜力,这有助于加速全球肺癌筛查的采用。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。