图片来源:Getty
科学家最近开发了一种人工智能(AI)工具,该工具可以让医生确定某人是否会心脏病发作,并且比现有方法更快。
医疗保健公司Abbott发布的新研究表明,Abbott的算法可以令医院事故和急诊部门更准确地识别和治疗心脏骤停患者。
该研究由来自美国、德国、英国、瑞士、澳大利亚和新西兰的研究人员以及超过11,000名患者的共同参与,研究人员发现,AI可以为医生提供更全面的分析,以确定患者心脏病发作的概率。
Abbott高级医疗主管Agim Beshiri表示,“人工智能技术可以考虑许多变量、特征和数据点,并且可以在几秒钟内将它们组合成有意义的结果。”“由于现在计算能力和人工智能应用方面的快速发展,医疗保健可以极大地从这种方法里受益,临床医生每天都在将该方法用于患者。”
该算法由Abbott的医生和统计人员团队开发,通过相关算法和机器学习技术,可以更加个性化地计算一个人的心脏病发作风险。
该算法主要是通过分析广泛的数据集,并纳入年龄、性别和人的特定肌钙蛋白水平(心脏生物标志物)等因素的考虑,从而改善和加快心脏病发作的诊断。
Abbott表示,该算法旨在帮助医生解决在诊断心脏病发作时需要寻找许多个性化信息时存在的两个障碍。
第一个障碍是,国际指南里关于使用高度敏感的肌钙蛋白测试时的要求并没有考虑到个人因素,这会影响测试结果。
第二个障碍是,虽然这些指南建议医生在固定时间里进行肌钙蛋白检测,但并没有考虑一个人的年龄或性别等因素,而是将患者做一刀切式的处理。
而Abbott的算法则与现有方法不同,它考虑了个人因素和各个时间的肌钙蛋白血液测试结果。
Beshiri还表示 ,“世界心脏组织估计每年有1790万人死于心血管疾病,85%的人死于心脏病和中风。”“Abbott算法的独特之处在于,Abbott算法利用了强大的机器学习,可以确定哪些因素对预测某人是否有心脏病发作最有效。”
他称,“这些因素包括一个人的年龄、性别或肌钙蛋白血液测试的状态,当有人出现心脏病发作症状而进入医院时,这些因素的参数已经记录在案了。Abbott的研究发现,该算法有助于了解这些变量在某个时刻是如何相互作用的,所以可以提供更加个性化和精确的计算。”
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。