新闻摘要
· 新冠病毒持久性病情研究基于患者独特的病史和遗传学,以进行个性化健康风险评分并提出药物治疗建议
· AI驱动的研究和数字孪生解决方案将为全球医院和研究中心提供支持,并有助于实现戴尔的愿景,即在2030年之前,利用公司技术和规模来推动10亿人的健康、教育和经济机遇
报道全文
戴尔科技集团 (NYSE:DELL) 正在帮助非营利性开源研究机构i2b2 tranSMART Foundation调动大量全球去身份识别的患者数据,以创建患者的虚拟模型(也称为数字孪生解决方案),用于治疗新冠病毒持久性病情造成的影响。
i2b2 tranSMART社区将利用戴尔科技集团的现代基础架构,使用去身份识别的患者数据来制作数字孪生解决方案。随后,研究人员可以根据患者的遗传背景和病史,对数字孪生解决方案进行数百万计的个性化仿真治疗,以确定患者的最佳治疗方案。
为实现这一目标,并提供计算、人工智能、机器学习和先进存储等各项功能来生成数字孪生解决方案,戴尔科技集团建立了一块数据飞地(安全的数据存储网络),由Dell EMC PowerEdge、PowerStore和PowerScale存储系统,以及VMware WorkSpace ONE和Boomi集成服务组成。在这块数据飞地中,研究人员会收集、存储和分析散布在各种监测系统和电子健康记录中的数据,未来还可以通过呼吸机和心脏监护仪收集的实时临床数据来更新数字孪生解决方案。
戴尔科技集团战略捐赠和社会创新副总裁Jeremy Ford表示:“该项目是全球研究和技术界齐心协力支持新兴疾病患者的完美典范。通过与i2b2 tranSMART Foundation合作,我们将运用戴尔的专业知识和技术来构建数字孪生解决方案、共享数据,并进行模拟和分析,以便利用这些见解来协助理解和更好地治疗新冠长期症状。”
最初,研究人员将使用数据飞地来协助对70,000名患者进行测试、模拟和分析,并将这些测试、模拟和分析与4CE Consortium(由超过200家医院和包括美国、法国、德国、意大利、新加坡、西班牙、巴西、印度及英国的数据合作在内的研究中心组成的国际联盟)共享。这项工作有可能在未来四年内扩展多达200万个数字孪生解决方案的数据。
了解和治疗新冠持久性病情
估计每20名新冠患者中就有1人出现持久性病情,包括极度疲乏、头晕、头痛、心律失常、发热和呼吸急促。所谓的持久性病情就是急性SARS-CoV-2后遗症 (PASC) 所致。对于为什么有些人在病毒离开身体后依然受到影响,以及新冠病毒造成的长期影响,我们都知之甚少。
美国国立卫生研究院最近公布了首期PASC研究支持计划。整个计划为期四年、耗资10亿美元。
研究新冠持久性病情需要大量患者数据。i2b2 tranSMART Foundation直接与4CE Consortium合作,支持从全球超过200家机构网络中调集数据。为保护患者隐私,所有数据在提交给4CE Consortium之前都将去除身份识别信息。
i2b2 tranSMART Foundation董事Shawn Murphy博士表示:“在这一阶段,医护人员正在通过开发新冠病毒疗法并评估其疗效来拓展新的领域,这一新的AI驱动平台将帮助他们利用研究结果的爆炸式增长,为患者提供更好的护理和精准的治疗。通过创建这些数字孪生解决方案,我们将把临床研究提高到全新水平。”
Additional resources
其他资源
· 英文博客: AI如何帮助治疗新冠病毒持久性病情
· 信息图:数字孪生解决方案针对“持久性病情”的研究
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。