美女张开腿让男人桶到底,av日韩在线观看一区二区,成年人黄视频在线播放,色香在线单男喷水高潮,欧美日韩一区二区三区在线免费看,有码中文字幕在线免费观看,av不卡在线观看一区,在线观看亚洲欧美不卡视频,亚洲天堂男男gay

-1-

第一波人工智能浪潮曾經(jīng)席卷了斯坦福大學(xué)和許多其它學(xué)術(shù)機(jī)構(gòu)。Shah將當(dāng)下描述為一個(gè)既狂熱又充滿巨大機(jī)遇的時(shí)刻。在風(fēng)險(xiǎn)投資的推動(dòng)下，人們急于交付具有持久價(jià)值的應(yīng)用程序——他估計(jì)，當(dāng)今只有5%到10%的應(yīng)用程序達(dá)到了這一目標(biāo)。

作為斯坦福大學(xué)醫(yī)療保健的人工智能專家，沙阿正對(duì)醫(yī)療AI保持密切關(guān)注。然而，Shah強(qiáng)調(diào)：即使生成式人工智能兼顧了所有關(guān)切，由于我們對(duì)其準(zhǔn)確性和信任的擔(dān)憂，它不會(huì)很快在醫(yī)學(xué)和醫(yī)療保健中占據(jù)重要地位。“今天市場(chǎng)上90%的算法都不會(huì)如此，然而十年后我們將非常感謝另外的10%。它們成功并改變了醫(yī)學(xué)科研和醫(yī)療護(hù)理服務(wù)實(shí)踐。”

那么，人工智能目前在哪些醫(yī)學(xué)領(lǐng)域顯現(xiàn)出最直接的前景呢？斯坦福大學(xué)的科學(xué)家們或許會(huì)拿“成像”來(lái)概括他們迄今為止的醫(yī)療AI嘗試。在FDA批準(zhǔn)的500多種AI算法中，75%以放射學(xué)為重點(diǎn)，85%以成像為重點(diǎn)。在斯坦福大學(xué)醫(yī)學(xué)院，人工智能創(chuàng)新也嚴(yán)重偏向于成像。

在某些方面，人工智能可以成為超人，因?yàn)樗軌蜴溄硬煌臄?shù)據(jù)源。它可以獲取基因組信息和成像信息，并有可能找到人類無(wú)法建立的聯(lián)系。而這些海量的交叉關(guān)聯(lián)數(shù)據(jù)集并不適合人類的信息處理能力。

-2-

心臟功能的一個(gè)重要指標(biāo)是它向身體泵血的能力，然而估計(jì)每次心跳泵出的血液量非常耗時(shí)，而且因人而異。盡管該評(píng)估已自動(dòng)用于成人，但是不適用于兒科患者。

斯坦福的兒科心臟病專家與計(jì)算機(jī)科學(xué)家合作開(kāi)發(fā)了一種模型，可以準(zhǔn)確可靠地自動(dòng)估計(jì)兒童左心室的功能。依賴于醫(yī)生對(duì)心臟泵血能力評(píng)估的兒童醫(yī)療決策，可以從這種為兒童量身定制的模型中受益。

模型分析了4000多個(gè)兒科患者心臟視頻片段，并高精度地評(píng)估了心臟的功能。它對(duì)心臟泵血能力的評(píng)估比醫(yī)生的評(píng)估更快、更一致。

該算法可以為人工智能模型提供一個(gè)模板，以評(píng)估心臟功能以及胎兒心臟和結(jié)構(gòu)異常心臟的泵血能力。盡管該模型在投入使用之前還需要進(jìn)一步測(cè)試，但是醫(yī)學(xué)家們希望有朝一日它能幫助非心臟病專家，例如遠(yuǎn)離醫(yī)院的心臟病兒童的父母。這可以改善心臟病專家較少的農(nóng)村地區(qū)的護(hù)理質(zhì)量。

（2）遠(yuǎn)程皮膚疾病診斷

當(dāng)COVID-19大流行爆發(fā)期間，斯坦福醫(yī)學(xué)院皮膚科診所的住院醫(yī)師們，被迫從面對(duì)面就診轉(zhuǎn)向遠(yuǎn)程醫(yī)療，進(jìn)行帶狀皰疹、濕疹和可疑痣等皮膚病的篩查。

這種情況下，醫(yī)生不得不依賴患者拍攝的照片進(jìn)行診斷。然而，這些照片通常一言難盡，醫(yī)生們通常需要花幾個(gè)小時(shí)來(lái)梳理這些照片。

于是，醫(yī)學(xué)專家們聯(lián)合開(kāi)發(fā)了一種算法來(lái)自動(dòng)幫助患者提交臨床上有用的照片，并將該算法開(kāi)發(fā)成了一個(gè)名叫TrueImage的APP，患者可以通過(guò)智能手機(jī)或平板電腦訪問(wèn)它。

患者將按照APP的提示拍攝一張對(duì)醫(yī)生來(lái)說(shuō)足夠好的照片。然而，這樣的算法只有在人類實(shí)際使用它們并改變行為時(shí)才有意義。2021年的一項(xiàng)試點(diǎn)研究中，專家們發(fā)現(xiàn)TrueImage將提交不良圖像的患者數(shù)量減少了68%。

現(xiàn)在，專家正在進(jìn)行一項(xiàng)更大規(guī)模的臨床試驗(yàn)，以探究患者在家中使用該應(yīng)用程序時(shí)的功效。如果試驗(yàn)證實(shí)了該應(yīng)用程序能夠改善患者提交的照片，該團(tuán)隊(duì)將在斯坦福醫(yī)學(xué)診所推出它。

（3）胸部CT識(shí)別動(dòng)脈中的鈣沉積

許多患者可以從心臟CT掃描中受益，以檢測(cè)冠狀動(dòng)脈內(nèi)鈣的積聚。然而，并不是所有患者都會(huì)選擇做CT掃描，原因可能有很多種。不過(guò)，很多時(shí)候患者或許已經(jīng)出于某種與心臟完全無(wú)關(guān)的原因進(jìn)行了胸部CT檢查。人工智能是否可以從這些胸部掃描中辨別有價(jià)值的心臟信息？

斯坦福的醫(yī)學(xué)家們一起設(shè)計(jì)了一種深度學(xué)習(xí)算法，該算法可以通過(guò)胸部CT掃描評(píng)估患者冠狀動(dòng)脈中的鈣含量，其準(zhǔn)確性與為該特定目的進(jìn)行的掃描一樣高。

2022年，該團(tuán)隊(duì)在173名患者中測(cè)試了該算法，其中大多數(shù)患者患心臟病的風(fēng)險(xiǎn)很高，但沒(méi)有服用他汀類藥物。眾所周知，他汀類藥物可以降低心臟病發(fā)作和中風(fēng)的風(fēng)險(xiǎn)。

當(dāng)他們向患者及其初級(jí)保健醫(yī)生提示這個(gè)風(fēng)險(xiǎn)，并展示患者動(dòng)脈中白色沉積物的圖像時(shí)，其中51%的人在六個(gè)月內(nèi)開(kāi)始服用他汀類藥物。這個(gè)比例大約是該團(tuán)隊(duì)在他們沒(méi)有通知的類似組中觀察到的他汀類藥物處方率的七倍。（在研究結(jié)束時(shí)，研究人員通知了所有冠狀動(dòng)脈鈣患者。）

這些被通知的患者通常還沒(méi)有出現(xiàn)癥狀。這相當(dāng)于為他們改變生活方式和服用藥物提供了動(dòng)力。目前，醫(yī)學(xué)家們正計(jì)劃進(jìn)行一項(xiàng)臨床試驗(yàn)，以測(cè)試該系統(tǒng)是否能預(yù)防心臟病發(fā)作和中風(fēng)。

（4）輔助眼科手術(shù)決策

許多患有青光眼等眼病的人多年來(lái)可能一直沒(méi)有癥狀，也有一些患有會(huì)迅速發(fā)展為不可逆轉(zhuǎn)的失明，并且可能需要手術(shù)來(lái)預(yù)防。然而，要清楚地判斷哪些患者需要，哪些患者不需要，通常而言這并不容易。

人工智能是否能提供幫助？大語(yǔ)言模型處理技術(shù)為快速分析醫(yī)生的筆記打開(kāi)了大門(mén)，挖掘大量信息（例如家族史）以幫助預(yù)測(cè)哪些青光眼患者將很快需要手術(shù)。

科學(xué)家的想法是，醫(yī)生可以使用該模型來(lái)標(biāo)記風(fēng)險(xiǎn)較高的患者，并進(jìn)行積極的治療干預(yù)防止視力喪失。

根據(jù)2023年4月該團(tuán)隊(duì)發(fā)表在《醫(yī)學(xué)前沿》上的一項(xiàng)研究，該模型可以告訴醫(yī)生患者在一年內(nèi)需要手術(shù)的幾率超過(guò)80%，低風(fēng)險(xiǎn)的患者可能會(huì)通過(guò)侵入性較小的治療方案進(jìn)行安全監(jiān)測(cè)。

雖然它并不完美，但是它已經(jīng)比一些醫(yī)生的評(píng)估更準(zhǔn)確，“該模型在這項(xiàng)任務(wù)中的表現(xiàn)遠(yuǎn)遠(yuǎn)超過(guò)人類。”

在該模型可用于臨床之前，醫(yī)學(xué)家希望通過(guò)整合成像數(shù)據(jù)來(lái)進(jìn)一步完善它，并考慮在不同種族、民族、居住地區(qū)和社會(huì)經(jīng)濟(jì)多樣性的大量患者身上測(cè)試該模型。

（5）心臟病發(fā)作風(fēng)險(xiǎn)篩查

當(dāng)患者出現(xiàn)心臟病發(fā)作跡象時(shí)，急診科團(tuán)隊(duì)只有不到10分鐘的時(shí)間通過(guò)心電圖等進(jìn)行評(píng)估。然而，隨著時(shí)間的流失，患者永久性心臟損傷的風(fēng)險(xiǎn)也在增加。

這對(duì)登記新患者的工作人員來(lái)說(shuō)壓力很大，他們需要做出正確的決定。人工智能是否可以減少護(hù)理延誤？由此，斯坦福的急診醫(yī)學(xué)專家Yiadom打算建立一個(gè)可以勝過(guò)人類的篩選模型。

在HAI的資助下，Yiadom的實(shí)驗(yàn)室——包括統(tǒng)計(jì)學(xué)家、數(shù)據(jù)科學(xué)家、醫(yī)學(xué)信息學(xué)家、急診醫(yī)學(xué)醫(yī)生的團(tuán)隊(duì)——創(chuàng)建了一個(gè)預(yù)測(cè)模型。

為了評(píng)估該模型的性能，他們用它來(lái)分析過(guò)去279132次訪問(wèn)斯坦福醫(yī)院急診室的電子健康記錄。結(jié)果顯示該模型并不完美——它錯(cuò)過(guò)了18%的病例。然而，急診科工作人員的篩查通常會(huì)錯(cuò)過(guò)大約27%的病例。

可能最大的收獲在于，專家們發(fā)現(xiàn)該模型存在種族方面的偏見(jiàn)。人類可以借此將公平引入篩查。Yiadom的團(tuán)隊(duì)發(fā)現(xiàn)，“人類+人工智能”組合方法比單獨(dú)使用任何一種方法都表現(xiàn)得更好，僅遺漏了8%的病例，同時(shí)不同性別、種族、民族和年齡的患者之間幾乎沒(méi)有差異。

（6）外科醫(yī)生手術(shù)技能評(píng)估、培訓(xùn)

外科醫(yī)生能否像運(yùn)動(dòng)員一樣，根據(jù)視頻片段中的見(jiàn)解改進(jìn)他們的技術(shù)？科學(xué)家認(rèn)為，只要借助一些自動(dòng)化技術(shù)，這是可能的。

現(xiàn)在很多手術(shù)都能被記錄下來(lái)，尤其是那些使用手術(shù)機(jī)器人進(jìn)行的外科手術(shù)。高級(jí)外科醫(yī)生可以審查機(jī)器人手術(shù)視頻源以評(píng)估受訓(xùn)者的技術(shù)，只是此類手術(shù)技能評(píng)估通常很耗時(shí)，并且因評(píng)估者而異。

人工智能專家了解到這個(gè)問(wèn)題后，開(kāi)發(fā)了一種人工智能驅(qū)動(dòng)的算法來(lái)為手術(shù)技能評(píng)估提供幫助。該模型分析了92例機(jī)器人手術(shù)中的工具運(yùn)動(dòng)，并根據(jù)手術(shù)技術(shù)和效率評(píng)估了臨床醫(yī)生的手術(shù)技能。結(jié)果顯示，該模型的技能評(píng)估與專家評(píng)級(jí)一致，準(zhǔn)確性很高。

實(shí)習(xí)外科醫(yī)生可以使用該模型獲得頻繁、客觀的反饋，非常接近于培訓(xùn)和技能評(píng)估。科學(xué)家正在努力將類似的算法引入醫(yī)學(xué)院，以幫助評(píng)估住院醫(yī)師在學(xué)習(xí)進(jìn)行新手術(shù)時(shí)所做的手部動(dòng)作。

接下來(lái)，科學(xué)家希望AI能夠向外科醫(yī)生提供實(shí)時(shí)反饋，并防止手術(shù)過(guò)程中的錯(cuò)誤，就像一個(gè)專家同事一樣。

（7）提高患者用藥依從性

盡管他汀類藥物在減少心臟病發(fā)作和中風(fēng)方面通常是安全有效的，但是許多有風(fēng)險(xiǎn)的患者（例如心臟病和糖尿病患者）并沒(méi)有服用它們。

斯坦福大學(xué)SHC的科學(xué)家們開(kāi)發(fā)了不同版本的模型，以確定患者是否有他汀類藥物處方。如果沒(méi)有，為什么不?？茖W(xué)家們改進(jìn)了一種自然語(yǔ)言處理模型，經(jīng)過(guò)訓(xùn)練可以識(shí)別和解釋醫(yī)生筆記中的臨床語(yǔ)言。

他們使用其中一個(gè)更新的人工智能模型發(fā)現(xiàn)，來(lái)自心臟病發(fā)作風(fēng)險(xiǎn)增加的北加州33461名糖尿病患者中約有一半可能從他汀類藥物中受益，卻沒(méi)有服用他汀類藥物。模型也解析了患者不使用他汀類藥物的情況，以及患者沒(méi)有高精度服用的原因——從個(gè)人對(duì)副作用的擔(dān)憂到診所內(nèi)的溝通障礙。

科學(xué)家希望這樣的算法可以為目標(biāo)計(jì)劃提供信息，以公平地增加他汀類藥物的使用。

（8）引導(dǎo)蛋白質(zhì)進(jìn)化促進(jìn)藥物研發(fā)

進(jìn)化是低效的。導(dǎo)致蛋白質(zhì)適應(yīng)性改善的隨機(jī)基因突變是罕見(jiàn)的，卻很強(qiáng)大。希望利用進(jìn)化的力量來(lái)創(chuàng)造有益蛋白質(zhì)的科學(xué)家希望加快這一過(guò)程。然而，蛋白質(zhì)的變化幾乎是無(wú)窮無(wú)盡的，確定“最佳組合”的變化就像梳理宇宙中的所有原子一樣。

人工智能是否可以縮小對(duì)蛋白質(zhì)變體的搜索范圍？如果可以的話，這將節(jié)省科學(xué)家在測(cè)試新療法的潛在蛋白質(zhì)時(shí)的時(shí)間和金錢(qián)。況且，當(dāng)今大約一半的重磅藥物都是基于抗體的。

生物化學(xué)家們與合作者一起開(kāi)發(fā)了一種算法，該算法運(yùn)行在由許多氨基酸序列訓(xùn)練的語(yǔ)言模型上。他們使用的模型，是在由來(lái)自人類、動(dòng)物和細(xì)菌的超過(guò)1億種蛋白質(zhì)的氨基酸序列的數(shù)據(jù)集上訓(xùn)練的。

在概念驗(yàn)證測(cè)試中，這些模型指導(dǎo)了與冠狀病毒、埃博拉病毒和甲型流感結(jié)合的人類抗體的進(jìn)化。在幾秒鐘內(nèi)，每個(gè)模型分析了數(shù)千種蛋白質(zhì)變體，并推薦了一些氨基酸變化。這些模型同意一些最終提高抗體與靶病毒結(jié)合的能力。

這些模型基本上學(xué)習(xí)了進(jìn)化的規(guī)則，拒絕了導(dǎo)致錯(cuò)誤折疊蛋白質(zhì)的氨基酸變化，并優(yōu)先考慮使它們更穩(wěn)定或改善其對(duì)特定目的的適應(yīng)性的變化。

這些模型的力量是強(qiáng)大的，科學(xué)家就像接觸到了一個(gè)巨大的蛋白質(zhì)宇宙，潛在的應(yīng)用范圍巨大，可以幫助開(kāi)發(fā)抗體藥物，甚至也可以運(yùn)用到環(huán)境治理方面。

（9）細(xì)胞形態(tài)組分析助力疾病治療

當(dāng)科學(xué)家研究細(xì)胞時(shí)，他們通常從不同的分子組（例如，DNA或蛋白質(zhì)）中收集線索，以尋找健康和疾病的跡象。最近，斯坦福大學(xué)醫(yī)學(xué)院的科學(xué)家們?cè)黾恿艘粋€(gè)新類別——“形態(tài)組”。他們開(kāi)發(fā)了一種技術(shù)來(lái)捕捉各種細(xì)胞在正常和疾病狀態(tài)下的外觀，并根據(jù)形態(tài)對(duì)它們進(jìn)行分類。

大約10年前，斯坦福大學(xué)遺傳性心血管疾病中心主任Euan Ashley和Ashley實(shí)驗(yàn)室的博士后學(xué)者M(jìn)addison Masaeli博士開(kāi)始開(kāi)發(fā)一種技術(shù)，使細(xì)胞形態(tài)學(xué)更適合研究。當(dāng)時(shí)，谷歌的計(jì)算機(jī)科學(xué)家、人工智能專家也加入了進(jìn)來(lái)。

他們開(kāi)始編寫(xiě)一個(gè)人工智能模型，根據(jù)細(xì)胞的形狀和發(fā)育階段（如圓形和大小）的測(cè)量值，將細(xì)胞圖像組織成類別。這個(gè)模型可以分析來(lái)自組織樣本的活細(xì)胞圖像，并使用多用途神經(jīng)網(wǎng)絡(luò)將具有相似形狀的細(xì)胞組合在一起。科學(xué)家就可以識(shí)別感興趣的細(xì)胞群，并根據(jù)它們的形態(tài)分離它們。

2017年，他們創(chuàng)立了一家名叫Deepcell的公司，服務(wù)于科研人員。2023年夏天，這項(xiàng)技術(shù)通過(guò)Beta測(cè)試項(xiàng)目回到了Ashley實(shí)驗(yàn)室，用來(lái)研究遺傳性心臟病患者的細(xì)胞。Ashley說(shuō)，患病細(xì)胞和恢復(fù)細(xì)胞之間特征的差異可以為心臟病治療提供信息。

（10）幫助臨床試驗(yàn)更具包容性

為了避免產(chǎn)生意想不到的后果，藥物的臨床試驗(yàn)有嚴(yán)格的資格標(biāo)準(zhǔn)。這些標(biāo)準(zhǔn)旨在排除可能對(duì)實(shí)驗(yàn)性療法有不良反應(yīng)的患者。然而，這些規(guī)則有時(shí)非常嚴(yán)格，以至于藥物試驗(yàn)無(wú)法招募到足夠的參與者。

這損害了試驗(yàn)的穩(wěn)健性，可能無(wú)法反映藥物對(duì)最廣大普通患者的作用。斯坦福大學(xué)的專家們發(fā)現(xiàn)，人工智能有助于擴(kuò)大臨床試驗(yàn)池，使其規(guī)模更大、更具包容性。擴(kuò)大臨床試驗(yàn)池可以加快藥物試驗(yàn)，并產(chǎn)生更準(zhǔn)確的、反映新療法的療效和安全性的結(jié)果。

他們?cè)O(shè)計(jì)了一種人工智能算法“試驗(yàn)探路者”。該算法可以根據(jù)試驗(yàn)資格標(biāo)準(zhǔn)評(píng)估患者的健康記錄并提出建議，以幫助科學(xué)家在不影響其安全性的情況下招募更多參與者。

為了測(cè)試“試驗(yàn)探路者”算法，該團(tuán)隊(duì)讓它查看了數(shù)十萬(wàn)癌癥患者的電子健康記錄，并設(shè)計(jì)了適當(dāng)?shù)臏y(cè)試流程。結(jié)果顯示，使用算法的建議之后，科研團(tuán)隊(duì)平均而言可以將符合條件的患者數(shù)量增加一倍以上。

該團(tuán)隊(duì)2021年4月在《自然》雜志上發(fā)表了他們的研究。現(xiàn)在，基因泰克正在使用該算法來(lái)幫助設(shè)計(jì)臨床試驗(yàn)?？蒲袌F(tuán)隊(duì)也還在研究類似的算法，以應(yīng)用于更廣泛的疾病領(lǐng)域。