0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

谷歌正在训练机器来预测病患的死亡时间

JIWa_melux_net 来源:未知 作者:李倩 2018-06-21 14:31 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

据报道,谷歌正在训练机器来预测病患的死亡时间。它的“医学大脑”(Medical Brain)团队取得了一些AI进展,如预测疾病症状、死亡风险等等,该技术有望借此打入医疗保健市场。

一名患有晚期乳腺癌的妇女来到城市医院,她的肺部已经充满了积液。她看了两个医生,做了放射扫描。医院的电脑读取了她的生命体征,估算出她在住院期间死亡的几率为9.3%。

之后轮到谷歌来进行估算。该公司开发的一种新型算法分析了关于该妇女的信息——17.5639万个数据点——然后对她的死亡风险做出评估:19.9%。她几天后就去世了。

今年5月,谷歌发布了一份令人痛心的、关于这名身份不明的女性死亡的报告。它凸显了神经网络在医疗保健领域的潜力,这种人工智能软件特别擅长利用数据来自行学习和改进。谷歌开发了一种可以预测各种病患结果的工具,包括人们可能在医院待多久,再次入院的几率以及他们不久后死亡的几率。

给医学专家们留下最深刻印象的是,谷歌能够筛选以前无法获取的数据:隐藏在pdf文件中的注释或者旧图表上的潦草文字。神经网络吞噬了所有这些非常规记录的信息,然后得出预测。它比现有的技术要快得多,也更加准确。谷歌的系统甚至显示了是基于哪些记录得出结论的。

多年来,医院、医生和其他卫生保健提供者一直在寻求更好地利用所储存的电子健康记录和其他患者数据。在适当的时候分享和突显更多的信息可以挽救生命——至少可以帮助医务工作者减少在文书工作上的时间,进而增加在病人护理上的时间。但是,目前挖掘健康数据的方法既费用不菲,又繁琐耗时。

斯坦福大学副教授尼格姆·沙阿(Nigam Shah)表示,现在的预测模型有80%的时间都花在了使数据具有可表达性的“枯燥粗活”上。而谷歌的方法避免了这个。

下一步是?

今年5月,谷歌首席人工智能主管杰夫·迪恩(Jeff Dean)表示,谷歌的下一步是将这种预测系统推向诊所。迪恩的健康研究团队(有时被称为“医学大脑”团队)正在研究一系列的人工智能工具,这些工具能够准确地预测症状和疾病,既人带来希望的同时,也带来一些警示。

按照迪恩的设想,该人工智能系统将指导医生使用特定的药物和诊断方式。另一位谷歌研究人员说,现有的模型忽略了一些重要的医学事件,包括病人是否做过手术。在他看来,现有的人工编码模型是医疗保健技术发展的“一个显而易见的巨大障碍”。

数据隐私问题

尽管人们对谷歌的潜力持乐观态度,但利用人工智能改善医疗结果仍然是一个巨大的挑战。其他公司,尤其是IBM旗下的沃森(Watson),也曾尝试将人工智能应用于医疗领域,但在节省费用和将技术整合到偿付系统方面收效甚微。

谷歌长期以来一直在寻求获取数字医疗记录,但结果不尽相同。在最近的研究中,这家互联网巨头与加州大学旧金山分校和芝加哥大学达成了协议,获得了460亿份匿名患者数据。谷歌的人工智能系统为两家医院创建了预测模型,而不是创建同时涵盖这两家医院的数据分析预测模型,后者是一个更难解决的问题。打造面向所有医院的解决方案则将更具挑战性。谷歌正在努力拉拢新的合作伙伴,以便获取更多的医疗记录信息。

对医疗领域的深入研究,只会给本已掌握海量个人信息的谷歌增加更多的信息。数据公司Immuta的首席隐私官安德鲁·伯特(Andrew Burt)表示:“在利用我们所生成的所有数据上,谷歌和其他科技巨头将拥有一种独特的、近乎垄断的能力。”

当涉及到患者信息时,谷歌表现得非常谨慎,尤其是在公众日益关注企业的数据收集行为的当下。去年,Alphabet旗下的另一家人工智能实验室DeepMind在没有预先告知患者的情况下测试一款分析公共医疗记录的应用程序,因此受到了英国监管机构的严厉抨击。在最新的研究中,谷歌和它的医院合作伙伴坚称他们的数据是匿名的,安全的,并且在病人许可的情况下使用。

不过,沃尔切布姆相信这些算法可以拯救生命和帮助节省费用。他希望,健康记录将来会与其他的数据结合在一起利用。最终,人工智能模型可能纳入有关当地天气和交通的信息——其他影响病患结果的因素。“医院基本上就像一个有机体。”他说。

鲜少公司拥有比谷歌更好的分析这种有机体的条件。该公司和另一家Alphabet子公司Verily正在开发一种能够追踪更多生物信号的设备。即使没有大量的消费者购买使用它打造的可穿戴健康追踪设备,谷歌也还有很多其他的数据来源可以挖掘。它了解天气和交通状况。谷歌的Android手机可以追踪人们走路的方式等方面的信息,这些信息在测量精神状况下降以及其他一些疾病上很有价值。所有的这些数据都可能被纳入到整个医疗算法里。

谈商业模式还为时过早

医疗记录只是谷歌的人工智能医疗计划的一部分。它的医学大脑团队在分别针对放射学、眼科和心脏病学打造人工智能系统。他们也在研究皮肤病。员工开发了一款用于发现恶性皮肤病变的应用;为了进行检测,一位手臂上有15个假纹身的产品经理会在办公室里走来走去。

人工智能主管迪恩强调称,这种实验依赖的是认真严肃的医疗咨询,而不仅仅是好奇的软件程序员。谷歌公司正在印度开展一项新的试验,利用其人工智能软件来分析眼睛图像,以寻找糖尿病视网膜病变的早期迹象。迪恩说,在推出系统之前,谷歌让三名视网膜专家激烈地讨论了早期的研究结果。

随着时间的推移,谷歌可以将这些系统授权提供给诊所,或者把它们作为一种诊断即服务(diagnostics-as-a-service)来通过公司的云计算部门出售。要将产品商业化,谷歌首先需要获得更多的医疗记录,不过这些记录在不同的医疗机构中往往存在很大差异。谷歌可以去购买那些数据,但监管机构或消费者可能无法接受。该公司与加州大学旧金山分校和芝加哥大学的交易并不是商业性的。

现在就确定商业模式还为时过早。在谷歌5月举行的年度开发者大会上,医学大脑的成员莉莉·彭(Lily Peng)回顾了该团队的研究成果:其打造的系统在发现心脏病风险方面超过了人类。“再说一遍,”她说,“我想强调的是,这项研究确实还处在初期阶段。”

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 谷歌
    +关注

    关注

    27

    文章

    6271

    浏览量

    112243
  • 人工智能
    +关注

    关注

    1821

    文章

    50552

    浏览量

    268011

原文标题:黑科技 | AI 可以预测病人死亡时间了,该系统将推向诊所使用

文章出处:【微信号:melux_net,微信公众号:人工智能大趋势】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    谷歌发布第八代TPU,训练推理分离,搭载自研CPU

    训练与推理任务拆分至独立芯片,标志着其AI硬件路线的重大转向。   谷歌高级副总裁兼AI与基础设施首席技术专家Amin Vahdat表示,随着AI智能体(AI Agents)的兴起,训练与服务场景对硬件的需求已经出现明显分化。
    的头像 发表于 04-24 09:03 6452次阅读
    <b class='flag-5'>谷歌</b>发布第八代TPU,<b class='flag-5'>训练</b>推理分离,搭载自研CPU

    完结9章 AI训练师 入门与实战 教程资料2026

    的。这些数据不是放在一块盘上就能读的,它要被切成无数个 shard,分布在几十甚至上百台机器上。每一轮训练,每张卡都要从不同节点拉取不同的数据切片。 这意味着什么?意味着存储系统的任何一次抖动,都会直接反映
    发表于 05-28 18:23

    谷歌发布Gemini for Science

    2026年5月20日,谷歌I/O开发者大会上,谷歌正式推出Gemini for Science——一款专门面向科研场景的AI模型。这不是又一个能帮你查文献的聊天机器人,而是谷歌试图让A
    的头像 发表于 05-21 10:42 1254次阅读

    国内首个基于开源鸿蒙底座的人形机器训练场启用,KaihongOS 重构具身智能新范式

    近日,国内首个基于开源鸿蒙底座的人形机器人数据训练场——慈溪人形机器训练场在浙江慈溪市未来产业园正式启动。该人形机器
    的头像 发表于 05-20 16:47 660次阅读
    国内首个基于开源鸿蒙底座的人形<b class='flag-5'>机器</b>人<b class='flag-5'>训练</b>场启用,KaihongOS 重构具身智能新范式

    在阿里云PAI平台的机器人感知强化学习规模化实践

    物理 AI 正在迅速从基础运动控制迈向更复杂的环境理解。传统机器人强化学习(RL)长期依赖本体感知(proprioception),包括关节角度、力矩反馈和内部状态,训练灵巧的运动技
    的头像 发表于 05-18 10:34 433次阅读
    在阿里云PAI平台的<b class='flag-5'>机器</b>人感知强化学习规模化实践

    芯如何在极致空间里,打通机器人的任督二脉?

    ”和强健的“肢体”。   作为全球微电子领域的佼佼者,迈芯(Melexis)正将其在汽车电子领域积累的深厚底蕴,转化为机器人产业的“底层基础模块”。从赋予机器人精细操作能力的“触觉”,到驱动全身关节的微型电机控制,迈
    的头像 发表于 04-10 17:27 9028次阅读
    迈<b class='flag-5'>来</b>芯如何在极致空间里,打通<b class='flag-5'>机器</b>人的任督二脉?

    谷歌评论卡,碰一碰即可完成谷歌评论 #谷歌评论卡 #NFC标签 #nfc卡

    谷歌
    深圳市融智兴科技有限公司
    发布于 :2026年01月15日 17:02:00

    labview如何实现数据的采集与实时预测

    现有以下问题:labview可以实现数据的采集以及调用python代码,但如何将这两项功能集成在一个VI文件里,从而实现数据的采集与实时预测。现有条件如下:已完成数据的采集系统,python中的预测代码也已经训练封装完成。
    发表于 12-03 21:13

    谷歌云发布最强自研TPU,性能比前代提升4倍

    精心设计,能够轻松处理从大型模型训练到实时聊天机器人运行以及AI智能体操作等各类复杂任务。   谷歌在新闻稿中着重强调,“Ironwood”是专为应对最严苛的工作负载而打造的。无论是大规模模型
    的头像 发表于 11-13 07:49 9208次阅读
    <b class='flag-5'>谷歌</b>云发布最强自研TPU,性能比前代提升4倍

    特斯拉Optimus百人团队采集训练数据,人形机器人仍全靠遥控?

    ,甚至能完成一般人无法完成的杂技动作。   而在机器人硬件基础逐步提高的前提下,也就成为了机器人“大脑”开发的基石,真正让人形机器人走向“具身智能”。最近有消息称,特斯拉正在利用一支数
    的头像 发表于 11-05 09:11 6396次阅读
    特斯拉Optimus百人团队采集<b class='flag-5'>训练</b>数据,人形<b class='flag-5'>机器</b>人仍全靠遥控?

    蜂鸟E203简单分支预测的改进

    ): BHT中包含一系列的双模态预测器Bimodal Counter, 用他们预测分支指令(branch)是否需要跳转(taken or not taken) 我们将有限个的两位饱和计数器组织成分支历史
    发表于 10-24 07:45

    在Ubuntu20.04系统中训练神经网络模型的一些经验

    模型。 我们使用MNIST数据集,训练一个卷积神经网络(CNN)模型,用于手写数字识别。一旦模型被训练并保存,就可以用于对新图像进行推理和预测。要使用生成的模型进行推理,可以按照以下步骤进行操作: 1.
    发表于 10-22 07:03

    基于全局预测历史的gshare分支预测器的实现细节

    GShare预测机制简介 GShare预测机制作为一种常用的分支预测机制,通过基于分支历史和分支地址预测分支指令的执行路径。分支历史是指
    发表于 10-22 06:50

    如何在NVIDIA Isaac Lab中使用Newton训练四足机器

    物理在机器人仿真中发挥着至关重要的作用,它为机器人在真实环境中的行为及交互提供了精准的虚拟呈现基础。借助仿真器,研究人员和工程师能够以安全、高效且经济的方式训练、开发、测试和验证机器
    的头像 发表于 10-13 11:10 2396次阅读
    如何在NVIDIA Isaac Lab中使用Newton<b class='flag-5'>训练</b>四足<b class='flag-5'>机器</b>人

    借助NVIDIA Cosmos模型提升机器训练效率

    随着物理 AI 系统的不断发展,对丰富标记数据集的需求正在急速增长,已经超出了在现实世界中通过人工采集所能满足的范围。世界基础模型(WFMs)是经过训练的生成式 AI 模型,能够根据现实世界环境的动态,对未来的世界状态进行仿真、预测
    的头像 发表于 09-23 15:30 1307次阅读
    借助NVIDIA Cosmos模型提升<b class='flag-5'>机器</b>人<b class='flag-5'>训练</b>效率