近日消息，英国剑桥大学科学家近期研发出一种AI预测工具，该工具能以超80%的准确率预测痴呆症患者的病情进展是否会导致阿尔茨海默病，有望减少昂贵且侵入性的诊断程序，促进早期干预及治疗，提高患者生活质量。
全球有超过 5500 万人患痴呆症，其中 60-80% 的类型就是阿尔茨海默病，每年造成 8200 亿美元的经济损失。预计未来 50 年，痴呆病例数将增加近两倍。
早期检测对于阿尔茨海默病至关重要，因为此时治疗效果最佳。然而，如果没有侵入性或昂贵的检查（如正电子发射断层扫描（PET）或腰椎穿刺），早期痴呆症的诊断和预后可能不准确，而这些检查并非所有记忆障碍诊所都能提供。因此，多达三分之一的患者可能被误诊，其他患者则可能在治疗有效期过后才被诊断出来。
剑桥大学心理学系领导的一个团队开发了一种机器学习模型，能够预测患有轻度记忆和思维问题的个体是否以及以多快的速度发展为阿尔茨海默病。该团队在发表在《电子临床医学》杂志上的研究中表明，该模型比目前的临床诊断工具更准确。
基于美国研究小组收集的 400 名大脑灰质萎缩患者的认知测试和核磁共振扫描数据，研究团队利用机器学习算法建立了一个 AI 预测模型，并使用英国、新加坡等多个诊所的真实世界数据测试该模型。
测试结果显示，该模型识别三年内会患上阿尔茨海默病的人的准确率达 82%，识别三年内不会患上阿尔茨海默病的人的准确率达 81%。
该算法在预测阿尔茨海默病进展方面的准确率是当前标准护理（即标准临床标志物，如灰质萎缩或认知评分）或临床诊断的三倍左右，这表明该模型可以显著减少误诊。
未来，研究团队希望将该模型扩展到预测其他类型的痴呆症，如血管性痴呆和额颞叶痴呆，并使用不同类型数据，如血液检测中的标记物等。
7月25日消息，上海交通大学医学院附属第六人民医院的贾伟平与李华婷教授团队，联合上海交通大学电院及清华大学、新加坡国立大学的科研队伍，在医学与工程学的交叉领域取得重大突破。他们共同研发了DeepDR-LLM系统，这是全球首个专为糖尿病诊疗设计的视觉-大语言模型多模态集成智能平台。
该研究成果已于2024年7月19日在《Nature Medicine》杂志上发表，论文题为《基于图像的深度学习与语言模型在初级糖尿病护理中的集成应用》，标志着糖尿病治疗与管理进入了一个全新的智能化时代。
据介绍，DeepDR-LLM 系统融合了大语言模型和深度学习技术优势，实现了医学影像诊断与诊疗意见的多模态生成功能，能提供糖尿病视网膜病变辅助诊断结果及个性化糖尿病综合管理意见。
该系统在覆盖亚非欧三大区域七个国家的多中心队列中进行了回顾性验证，以及针对中国基层医疗实际开展了前瞻性真实世界验证，首次向全球提供了面向糖尿病医疗垂直领域的多模态大模型应用成效的高质量循证证据。研究团队表示，研究证明 DeepDR-LLM 系统可有效改善 DR 筛查和基层糖尿病管理水平，为未来全球糖尿病治理提供了革命性的数字解决方案。
既往的 AI 系统研发主要集中在糖尿病的并发症筛查或辅助管理的单一领域。随着全球范围内以 ChatGPT 为代表的生成式人工智能技术的迅猛发展，多模态大模型正不断推动医疗领域的新应用场景和模式的涌现，但这些模型尚不能根据患者的医学影像和具体病情，提供准确且安全的糖尿病综合诊疗建议。
针对当前的技术空白和临床的实际需求，该团队成功研发了全球首个面向糖尿病基层诊疗的视觉-大语言模型多模态集成智能系统 DeepDR-LLM。
其可适配包括 LLaMA 在内的大语言模型，LLM 模块将训练网络层与大语言模型的固有权重参数相融合，突破低算力资源约束下的多模态大模型优化的瓶颈，并进一步基于 37.2 万条基层慢病诊疗和慢病管理数据和知识实现了高效优化训练，使 DeepDR-LLM 系统可基于患者个体的临床信息生成精准糖尿病管理意见。
近日消息，在首届空天信息技术大会期间，我国自主研发的“空天灵眸”——百亿级规模的遥感图像自动分析与识别基础模型3.0版本隆重面世。
据了解，这是迄今全球首个百亿参数级空天一体遥感解译基础模型。
3.0版内核工作架构基于热传导，这是联合团队自主研发的一套小而精的原创性架构。
据介绍，联合团队受传热学物理思想启发，将场景目标间视觉语义传播建模为热能扩散过程，从而使该架构有效突破遥感模型推理的性能和速度瓶颈，计算速度较传统结构模型提升2.4倍以上。
目前，3.0版在覆盖场景分类、目标检测、语义分割、变化检测等6大类任务的23个国际基准数据集上测试，指标均达到领先水平。
并且已在应急、国土、海洋、住建等多个行业部署试运行，在最具挑战性的复杂要素精细分类、运动小目标连续跟踪等任务上性能卓越。
hnqyjy.cn 版权所有 (C)2011 https://www.hnqyjy.cn All Rights Reserved 渝ICP备20008086号-34
