سرمایه گذاری برای تولید

وال استریت ژورنال گزارش داد که بیمارستان تحقیقاتی کلینیک مایو در حال آزمایش یک برنامه هوش مصنوعی به نام Med-PaLM 2 است. این برنامه یک نوع مدل زبانی است، به این معنی که می‌تواند مانند انسان‌ها زبان را بفهمد و از آن استفاده کند، براین اساس می‌توان از آن برای تجزیه‌و‌تحلیل داده‌های پزشکی یا پاسخ به سؤالات پزشکی استفاده کرد. مدل Med-PaLM 2 گونه‌ای از مدل زبان دیگر به نام PaLM 2 است که توسط گوگل در کنفرانس خود به نام Google I/O در ماه می سال جاری معرفی شد. این مدل زبانی، چت‌بات گوگل به نام Bard را تقویت می‌کند.

به گزارش هوشیو، مقاله‌ای در وال استریت ژورنال می‌گوید؛ براساس یک ایمیل داخلی گوگل معتقد است که مدل زبانی Med-PaLM 2 می‌تواند به‌ویژه در کشورهایی که «دسترسی به پزشکان کمتر یا محدودتر» است، مفید واقع شود. Med-PaLM 2 نوعی برنامه کامپیوتری است که با استفاده از مجموعه‌ای خاص از اطلاعات مرتبط با تخصص پزشکی آموزش داده شده است. گوگل این برنامه را طوری طراحی کرده که برای مکالمات مربوط با مراقبت‌های بهداشتی در مقایسه با سایر چت‌بات‌های عمومی‌تر مانند Bing ،ChatGPT و حتی چت‌بات خود Google؛ Bard، بهتر کار کند. گوگل معتقد است که از‌آنجایی‌که این برنامه با استفاده از تخصص پزشکی آموزش داده شده است، برای درک و پاسخگویی به نیازهای خاص افرادی که در حال بحث در مورد موضوعات مرتبط با مراقبت‌های بهداشتی هستند، پیشرفته‌تر، تخصصی‌تر و مجهزتر خواهد بود.

این مقاله همچنین به تحقیقاتی که گوگل در ماه مه در قالب یک فایل (pdf) عمومی ارائه کرده اشاره می‌کند که نشان‌دهنده آن است که Med-PaLM 2 هنوز از برخی مشکلات دقتی رنج می‌برد که قبلاً ما به دیدن آن‌ها در مدل‌های زبانی بزرگ عادت کرده‌ایم. پزشکانی که این مطالعه را انجام دادند دریافتند که پاسخ‌های ارائه‌شده توسط این مدل‌های زبانی یعنی Med-PaLM و Med-PalM 2، در مقایسه با پاسخ‌های ارائه‌شده توسط پزشکان، اطلاعات نامربوط و نادرست زیادی را در پاسخ‌های خود ارائه می‌دهد. این تحقیق نشان می‌دهد که اگرچه مدل‌های زبانی مانند Med-PaLM و Med-PalM 2 می‌توانند در برخی موقعیت‌ها مفید باشند، اما کامل نیستند و محدودیت‌هایی دارند که پزشکان انسانی ندارند.

با این حال، این مطالعه اخیر نشان داد که Med-PaLM 2 تقریباً در تمامی زمینه‌ها به جز چند معیار خاص، به خوبی پزشکان واقعی عمل کرده است.

WSJ گزارش می‌دهد که در طول آزمایش Med-PaLM 2، مشتریان بر روی داده‌های خود کنترل دارند، به این معنی که می‌توانند تصمیم بگیرند که چه کسی می‎تواند آن را ببیند و چگونه از آن استفاده شود. به‌علاوه، داده‌ها رمزگذاری شده‌اند، که دسترسی به آن‌ها را برای هر کسی (از جمله Google) بدون مجوز مناسب دشوار می‌سازد. اساساً، این بدان معناست که مشتریانی که از Med-PaLM 2 استفاده می‌کنند، می‌توانند اعتماد کنند که داده‌های آنها خصوصی و امن نگه داشته می‌شود.

گرگ کورادو، مدیر ارشد تحقیقات گوگل، به WSJ گفته است که،« Med-PaLM 2 (ابزار هوش مصنوعی طراحی شده برای کمک به پزشکان) هنوز در مراحل اولیه توسعه خود قرار دارد.» کورادو گفت که اگرچه او نمی خواهد شخصاً از این ابزار برای نیازهای بهداشتی خانواده اش استفاده کند، اما معتقد است که  Med-PaLM 2می‌تواند حوزه‌هایی را در مراقبت‌های بهداشتی به خود اختصاص دهد که هوش مصنوعی می‌تواند در آنها مفید باشد و آنها را حتی تا ۱۰ برابر موثرتر کند. در واقع بر اساس نظر گرگ کورادو Med-PaLM 2 این پتانسیل را دارد که پس از توسعه کامل، یک ابزار ارزشمند در مراقبت های بهداشتی باشد.

 

منبع: هوشیو

  • 1403/12/11
  • - تعداد بازدید: 64
  • زمان مطالعه : 3 دقیقه

تشخیص سریع‌تر و دقیق‌تر سرطان

یک تیم تحقیقاتی در دانشگاه هنگ‌کنگ (HKU) ابزاری مبتنی بر هوش مصنوعی به نام «Cyto-Morphology Adversarial Distillation» (CytoMAD) برای تشخیص سریع و دقیق سرطان توسعه داده است.

این فناوری که به رهبری پروفسور «کوین تسیا» از دانشکده مهندسی این دانشگاه انجام شده، قادر است تجزیه و تحلیل دقیق تک سلولی را بدون نیاز به تکنیک‌های سنتی برچسب‌گذاری انجام دهد. این فناوری در همکاری با دانشکده پزشکی لی کا شینگ و بیمارستان کویین مری HKU آزمایش شده و در ارزیابی بیماران مبتلا به سرطان ریه و فرآیندهای غربالگری دارو موثر واقع شده است.

CytoMAD  توانایی بهبود تصویرسازی سلولی را دارد و به طور خودکار ناهماهنگی‌ها را اصلاح کرده و وضوح تصویر را افزایش می‌دهد. این پیشرفت باعث تحلیل داده‌های معتبرتر و تصمیم‌گیری پزشکی بهتر می‌شود. این فناوری به سیستم میکروفلوئیدی اختصاصی متصل می‌شود که امکان تصویربرداری سریع و مقرون به صرفه از سلول‌های انسانی را فراهم می‌آورد. با ارائه تصویربرداری تک سلولی با وضوح بالا، به پزشکان کمک می‌کند تا ویژگی‌های تومور را ارزیابی کرده و خطر متاستاز را بررسی کنند.

تصویربرداری سنتی به رنگ‌آمیزی و برچسب‌گذاری نمونه‌های سلولی نیاز دارد که زمان‌بر و پرهزینه است. CytoMAD  این نیاز را حذف کرده و فرآیند آماده‌سازی نمونه را ساده‌سازی و جریان‌های کاری تشخیصی را تسریع می‌کند. این مدل هوش مصنوعی تصاویر معمولی از میدان روشن را به نمایش‌های دقیق‌تری تبدیل می‌کند و ویژگی‌های سلولی را که معمولاً قابل تجزیه و تحلیل نیستند، نمایان می‌سازد.

یکی از مشکلات روش‌های تصویربرداری سلولی موجود، وابستگی آن‌ها به فرآیندهای کند و پرهزینه است که ممکن است تصمیم‌گیری‌های درمانی حیاتی را به تأخیر بیندازد. بسیاری از راه‌حل‌های موجود به نشانگرهای فلورسانس نیاز دارند که مراحل اضافی و هزینه‌های بیشتری را به دنبال دارد. CytoMAD یک جایگزین بدون برچسب ارائه می‌دهد که این محدودیت‌ها را کاهش داده و دقت را حفظ می‌کند. با استفاده از هوش مصنوعی تولیدی، این سیستم تصاویر کم کنتراست را به تجسم‌های اطلاعاتی بیشتری تبدیل می‌کند که بینش‌های عمیق‌تری در مورد مورفولوژی سلول بدون نیاز به رنگ‌آمیزی شیمیایی ارائه می‌دهد.

یک چالش دیگر در تصویربرداری سلولی، تغییرات ناشی از تفاوت در پیکربندی‌های تجهیزات و پروتکل‌های تصویربرداری است که اغلب به عنوان «اثر دسته‌ای» شناخته می‌شود. این ناهماهنگی‌ها می‌توانند تفسیر بیولوژیکی دقیق را مختل کنند. بسیاری از راه‌حل‌های یادگیری ماشین موجود به فرضیات از پیش تعیین‌شده درباره داده‌ها وابسته هستند، اما CytoMAD این محدودیت را با کارکرد بدون داده‌های از پیش تعیین‌شده برطرف می‌کند.

این سیستم از یک فناوری تصویربرداری نوری فوق‌سریع بهره می‌برد که توسط تیم تحقیقاتی توسعه یافته و قادر است میلیون‌ها تصویر سلولی را روزانه ثبت کند. این قابلیت بالا در حجم داده‌ها باعث تسریع در آموزش و بهینه‌سازی مدل هوش مصنوعی می‌شود.

CytoMAD  فراتر از تشخیص سرطان ریه، پتانسیل تسریع فرآیند کشف دارو را دارد. ترکیب تصویربرداری سریع و تحلیل هوش مصنوعی این امکان را فراهم می‌کند که فرآیندهای غربالگری دارو را کارآمدتر از روش‌های سنتی انجام دهد.

تیم تحقیقاتی به دنبال تأمین مالی برای یک آزمایش بالینی سه‌ساله بر روی بیماران مبتلا به سرطان ریه است تا نتایج را با استفاده از تصویربرداری مبتنی بر هوش مصنوعی پیگیری کند. این مطالعه می‌تواند موجب پذیرش گسترده‌تر هوش مصنوعی در تشخیص پزشکی و بهبود کارایی و مقیاس‌پذیری راه‌حل‌های بهداشتی شود.

    •  
 
    •  
 
    •  
 
    •  
 
  •  
  • گروه خبری : اخبار,اخبار روز جهان,اخبار داخلی,سلامت و هوش مصنوعی,کنگره ها و کنفرانس ها
  • کد خبری : 118995
کلیدواژه
خانم ایران دوست
خبرنگار

خانم ایران دوست

نظرات

0 نظر برای این مطلب وجود دارد

نظر دهید

تنظیمات قالب