人工智能 (AI) 系統(tǒng)在醫(yī)學(xué)領(lǐng)域的應(yīng)用前景廣闊,可用于早期發(fā)現(xiàn)疾病、改善治療并減輕醫(yī)護(hù)人員的工作量。但它們的性能取決于人工智能的訓(xùn)練水平。
一種新的多任務(wù) AI 訓(xùn)練方法可以更快、更經(jīng)濟(jì)高效地訓(xùn)練基礎(chǔ)模型,并且使用更少的數(shù)據(jù)。研究人員正在采用這種方法來(lái)彌補(bǔ)醫(yī)學(xué)成像數(shù)據(jù)的短缺,并最終挽救生命。
據(jù)世界衛(wèi)生組織 (WHO) 稱,全球癌癥病例顯著增加。明確的指標(biāo)(即生物標(biāo)志物)是可靠診斷和成功治療的關(guān)鍵。人工智能系統(tǒng)可以幫助識(shí)別病理圖像中的此類可測(cè)量參數(shù)。
弗勞恩霍夫數(shù)字醫(yī)學(xué)研究所 MEVIS 的研究人員與亞琛工業(yè)大學(xué)、雷根斯堡大學(xué)和漢諾威醫(yī)學(xué)院合作開發(fā)了基礎(chǔ)模型。該資源高效模型僅基于常規(guī)訓(xùn)練數(shù)據(jù)的一小部分即可快速可靠地分析組織樣本。
遠(yuǎn)離大量數(shù)據(jù)和自我監(jiān)督學(xué)習(xí)
標(biāo)準(zhǔn)基礎(chǔ)模型(例如用于 ChatGPT 的大型語(yǔ)言模型)使用大型多樣化數(shù)據(jù)集進(jìn)行訓(xùn)練,并在學(xué)習(xí)過(guò)程中進(jìn)行自我監(jiān)督。但對(duì)于醫(yī)學(xué)圖像分析而言,數(shù)據(jù)通常很稀缺,事實(shí)上,臨床研究中可用的少量數(shù)據(jù)對(duì) AI 的使用構(gòu)成了重大挑戰(zhàn)。
標(biāo)簽:
免責(zé)聲明:本文由用戶上傳,如有侵權(quán)請(qǐng)聯(lián)系刪除!