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
Xbench是知名投资机构红杉中国推出一款全新的AI基准测试工具,旨在真实地反映AI的客观能力,其在评估和推动AI系统提升能力上限与技术边界的同时,会重点量化AI系统在真实场景的效用价值,并采用长青评估的机制,去捕捉AI产品的关键突破。
这项研究首次将在线强化学习成功应用于流匹配模型,通过巧妙的ODE到SDE转换和去噪减少策略,显著提升了AI图像生成的精确度和可控性。在复合场景生成、文字渲染等任务上取得突破性进展,为AI生成领域开辟了新的技术路径。
Atlassian总裁Anu Bharadwaj在Transform 2025大会上分享了公司AI智能体规模化的实践经验。她强调,成功部署AI智能体需要营造实验文化,而非仅依靠自上而下的指令。Atlassian通过Rovo Studio平台为各团队提供了构建定制化智能体的环境,创造心理安全的工作氛围,鼓励员工大胆尝试和迭代。公司客户通过该平台显著提升了工作效率,建筑行业客户将路线图创建时间缩短75%。
这篇由阿里巴巴集团联合多所知名高校发表的综述论文,系统梳理了统一多模态理解与生成模型的最新发展。研究将现有模型分为扩散、自回归和混合三大类型,详细分析了不同图像编码策略的特点,整理了相关数据集和评估基准,并深入探讨了当前面临的技术挑战。