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
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片,专为智能手机和平板电脑设计,可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术,提供256GB、512GB和1TB容量选择。相比v4.0产品,随机写入性能提升约30%,随机读取性能提升35-45%,同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
上海AI实验室团队提出创新的异步拍摄方案,仅用普通相机就能实现高速4D重建。该方法通过错开相机启动时间将有效帧率从25FPS提升至100-200FPS,并结合视频扩散模型修复稀疏视角导致的重建伪影。实验结果显示,新方法在处理快速运动场景时显著优于现有技术,为低成本高质量4D内容创作开辟新路径。
谷歌在伦敦云峰会上发布Firebase Studio更新,新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次:对话式"询问"模式用于头脑风暴,人机协作代理需开发者确认代码变更,以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台,但目前仍需精心设计提示词,非工程师用户还无法直接创建成熟应用。
上海AI实验室联手复旦大学提出了POLAR方法,这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准,POLAR在多项任务上实现了显著提升,7B参数模型超越72B现有最强基线,为AI对齐问题提供了全新解决思路。