人工智能 (AI) 系統(tǒng)在醫(yī)學領域的應用前景廣闊，可用于早期發(fā)現(xiàn)疾病、改善治療并減輕醫(yī)護人員的工作量。但它們的性能取決于人工智能的訓練水平。
一種新的多任務 AI 訓練方法可以更快、更經濟高效地訓練基礎模型，并且使用更少的數(shù)據(jù)。研究人員正在采用這種方法來彌補醫(yī)學成像數(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(即生物標志物)是可靠診斷和成功治療的關鍵。人工智能系統(tǒng)可以幫助識別病理圖像中的此類可測量參數(shù)。
弗勞恩霍夫數(shù)字醫(yī)學研究所 MEVIS 的研究人員與亞琛工業(yè)大學、雷根斯堡大學和漢諾威醫(yī)學院合作開發(fā)了基礎模型。該資源高效模型僅基于常規(guī)訓練數(shù)據(jù)的一小部分即可快速可靠地分析組織樣本。
遠離大量數(shù)據(jù)和自我監(jiān)督學習
標準基礎模型(例如用于 ChatGPT 的大型語言模型)使用大型多樣化數(shù)據(jù)集進行訓練，并在學習過程中進行自我監(jiān)督。但對于醫(yī)學圖像分析而言，數(shù)據(jù)通常很稀缺，事實上，臨床研究中可用的少量數(shù)據(jù)對 AI 的使用構成了重大挑戰(zhàn)。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！