人工智能分析技术可通过骨密度扫描预测未来疾病

人工智能分析技术可通过骨密度扫描预测未来疾病腹主动脉钙化（AAC）是指主动脉穿过腹部的部分发生钙化，可预测心血管疾病（如心脏病发作和中风）的发展并决定死亡风险。先前的研究还发现，它也是晚年痴呆症的可靠标志。AAC在骨密度扫描中可见，通常用于检测腰椎的骨质疏松症，但需要训练有素的专业人员来分析这些图像，这需要时间。AAC通常由训练有素的影像专家使用24点评分系统（AAC-24）进行量化。0分代表没有钙化，24分代表最严重的AAC程度。现在，澳大利亚埃迪斯科文大学（EdithCowanUniversity）的研究人员利用机器学习加快了钙化评估和评分过程。研究人员将由四种不同型号的骨密度仪拍摄的5012张脊柱图像输入他们的机器学习模型。研究人员说，尽管已经开发了其他算法来评估这些类型图像中的AAC，但这项研究是规模最大的，也是首次在真实世界环境中使用常规骨密度测试图像进行测试。然后，他们评估了该模型在根据AAC-24评分将图像准确地分为低、中和高钙化类别方面的性能。为了检验准确性，将基于机器学习的AAC评分与人类专家给出的评分进行了比较。专家和软件在80%的情况下得出了相同的结论。有3%的AAC高分者被软件错误地诊断为低分。人类和机器学习模型给出的AAC评分比较/伊迪丝考文大学Lewis说："这是值得注意的，因为这些人的疾病程度最严重，发生致命性和非致命性心血管事件以及全因死亡率的风险最高。虽然与人类读数相比，提高软件的准确性还有很多工作要做，但这些结果是我们1.0版算法的结果，我们已经用最新版本的算法大幅提高了结果。"研究人员说，他们的机器学习算法可以每天分析大约6万张骨密度扫描图像。考虑到专家分析一张图像平均需要5到15分钟，这是一个巨大的进步。这项研究的通讯作者约书亚-刘易斯（JoshuaLewis）说："由于这些图像和自动评分可以在骨密度检测时快速方便地获得，这可能会在未来的常规临床实践中为早期心血管疾病检测和疾病监测带来新方法。"研究人员说，他们的筛查方法可用于在症状出现前筛查疾病。Lewis说："自动评估AAC的存在和程度，其准确性与成像专家相似，这为大规模筛查心血管疾病和其他疾病提供了可能--甚至在某人出现任何症状之前。这将使高危人群更早地做出必要的生活方式改变，使他们在晚年更健康。"这项研究发表在《eBioMedicine》杂志上。...PC版：https://www.cnbeta.com.tw/articles/soft/1371625.htm手机版：https://m.cnbeta.com.tw/view/1371625.htm

AI可能比你更会炒股？最新研究：GPT-4比人类更擅长金融分析和预测

AI可能比你更会炒股？最新研究：GPT-4比人类更擅长金融分析和预测这一发现可能会颠覆金融服务业。与其他商业部门一样，金融服务业正在竞相采用生成式人工智能技术。根据这项最新研究的研究，在分析财务报表以及根据这些报表做出预测等方面，大语言模型比人类做得更好。“即使没有任何叙述或行业特定信息，大语言模型在预测盈利变化方面的能力也优于金融分析师们，”该研究称，“在分析师遇到难题时，大语言模型比人类分析师表现出相对优势。”该研究利用“思维链（chain-of-thought）”提示，指导GPT-4识别财务报表的趋势并计算不同的财务比率。在此基础上，大语言模型可以分析信息并预测未来的收益结果。该研究称：当我们使用思维链提示来模拟人类推理时，我们发现GPT的预测准确率达到了60%，明显高于分析师的准确率。人类分析师在预测准确度方面接近50%的范围。该研究的作者还表示，大语言模型能够在信息不完整的情况下识别财务模式和商业概念，这表明该技术应该在未来的财务决策中发挥关键作用。最后，该研究发现，如果将GPT-4的金融敏锐性应用于交易策略，能够获得更多交易回报，通常能跑赢大盘。研究称：“我们发现，基于GPT预测的多空策略表现优于市场，并产生显著的阿尔法和夏普比率（对资产的风险和收益进行综合考量的指标）。”...PC版：https://www.cnbeta.com.tw/articles/soft/1432740.htm手机版：https://m.cnbeta.com.tw/view/1432740.htm

微软Start团队开发新AI模型，显著提高未来30天天气预报的准确性

微软Start团队开发新AI模型，显著提高未来30天天气预报的准确性微软Start团队在arXiv网站发布了一篇论文，介绍了一种新型AI模型，该模型通过结合5种人工智能模型和3种深度学习架构，利用数十年的历史天气数据进行训练，以提高天气预报的准确性。在预测未来一周的气温方面，新模型的准确率比欧洲中期天气预报中心（ECMWF）高出17%，而在预测未来四周的气温方面，准确率提高了4%。这一进展标志着人工智能在天气预报领域的应用取得了显著进步。关注频道@TestFlightCN频道投稿@TNSubmbot

凯投宏观经济学家团队预测，未来18个月美国股市将持续强劲，但预计人工智能泡沫会在2026年破裂。股市上涨主要受益于信息技术和人工

凯投宏观经济学家团队预测，未来18个月美国股市将持续强劲，但预计人工智能泡沫会在2026年破裂。股市上涨主要受益于信息技术和人工智能等行业的快速增长。他们预计标准普尔500指数在2025年底将达到6500点，并警告AI泡沫破裂后，美股可能会面临更高的利率和通货膨胀率的影响。#美股#人工智能#股市预测https://tw.stock.yahoo.com/news/%E5%87%B1%E6%8A%95%E5%AE%8F%E8%A7%80-%E7%BE%8E%E8%82%A1%E9%82%84%E6%9C%8918%E5%80%8B%E6%9C%88%E5%A5%BD%E5%85%89%E6%99%AF-ai%E6%B3%A1%E6%B2%AB%E5%BE%8C%E5%B9%B4%E7%A0%B4%E8%A3%82-225600181.html

丹麦公司宣布开发癌症疫苗 AI技术会否真给制药行业带来巨变?

丹麦公司宣布开发癌症疫苗AI技术会否真给制药行业带来巨变?新闻稿写道，Evaxion通过公司的人工智能技术平台“AI-Immunology”发现了这些新型的ERV癌症疫苗靶点，令设计个性化的和精准的疫苗解决方案变得可行，特别是针对那些对传统癌症免疫疗法无反应患者的治疗方案成为可能。据介绍，Evaxion的AI-Immunolog模型处于传染病和癌症疫苗发现的前沿，模型能模拟患者免疫系统的复杂性，可以快速独特地识别、预测和设计候选疫苗，以提供泛用或个性化的治疗方法来对抗快速进化的病原体和恶性细胞，有望彻底改变免疫治疗的格局。Evaxion称，随着外界对这一突破性治疗概念的高度关注，公司已启动临床前相关研究活动，目标是在2024年下半年之前生成概念性验证数据。新闻稿还提到，Evaxion已经在美国血液学会（ASH）年会上介绍了关于这些令人兴奋的机会的最新见解。公司首席科学官BirgitteRønø写道，“随着对ERV癌症疫苗的加强关注，我们的目标是加快开发进程，为那些被认为对免疫疗法无反应的癌症患者提供治疗解决方案。”他指出，ERV癌症疫苗靶点代表了一项有希望的突破，可以显著拓宽癌症疫苗的适用范围。Rønø还强调，公司“向通过创新和AI改善医疗保健的承诺向前迈出了重要一步。我们已经看到人们对基于ERV的疫苗产生了浓厚的兴趣，并期待着进一步支持这些概念验证数据的巨大潜力。”新闻稿公布当天，在纳斯达克上市的Evaxion收涨超113%，但之后两个交易日明显回落。在Evaxion暴涨的后一天，英国VariationalAI宣布与默沙东实验室达成合作，将利用Variational的AI平台设计创新和选择性小分子药物。VariationalAI席执行官HandolKim写道，“AI在药物发现方面的应用正在加速，通过Variational的Enki平台，化学家只需提交他们的目标产品资料，就能在几天内获得新颖的、多样化的、有选择性的和可合成的先导化合物结构，从而快速进入先导化合物优化阶段。”值得一提的是，默沙东已经是Evaxion的大股东，两家公司正联合共同开发治疗黑色素瘤的癌症疫苗。...PC版：https://www.cnbeta.com.tw/articles/soft/1414933.htm手机版：https://m.cnbeta.com.tw/view/1414933.htm

新的AI深度学习模型可以通过单张胸部X光片预测未来的心脏病风险

新的AI深度学习模型可以通过单张胸部X光片预测未来的心脏病风险"我们的深度学习模型为利用现有的胸部X光图像进行基于人群的心血管疾病风险筛查提供了潜在的解决方案，"该研究的主要作者、医学博士JakobWeiss说，他是隶属于马萨诸塞州综合医院心血管成像研究中心和波士顿布莱根妇女医院AIinMedicine项目的放射学家。"这种类型的筛查可以用来识别那些会从他汀类药物治疗中受益但目前没有得到治疗的人"。目前的指南建议估计主要不良心血管疾病事件的10年风险，以确定谁应该获得他汀类药物进行初级预防。这种风险是用动脉粥样硬化性心血管疾病（ASCVD）风险评分计算出来的，这是一个考虑到一系列变量的统计模型，包括年龄、性别、种族、收缩压、高血压治疗、吸烟、2型糖尿病病史和血液检查。对于10年风险为7.5%或更高的患者，建议使用他汀类药物。Weiss博士说："计算ASCVD风险所需的变量往往是提供不足的，这使得基于人群的筛查方法是可取的。由于胸部X射线随处可见，我们的方法可能有助于识别高风险的个人"。Weiss博士和一个研究小组使用单一的胸部X光（CXR）输入训练了一个深度学习模型。他们开发了这个被称为CXR-CVD风险的模型，利用前列腺癌、肺癌、结肠直肠癌和卵巢癌筛查试验中40643名参与者的147497张胸部X光片来预测心血管疾病的死亡风险，这是一项由美国国家癌症研究所设计和赞助的多中心、随机对照试验。"我们早就认识到X射线可以捕捉到传统诊断结果以外的信息，但我们没有使用这些数据，因为我们没有强大、可靠的方法，"Weiss博士说。"人工智能的进步使它现在成为可能。"研究人员用第二个独立队列测试了该模型，该队列由11430名门诊病人（平均年龄60.1岁；42.9%为男性）组成，他们在麻省总医院布里格姆医院做了常规门诊胸透，并可能有资格接受他汀类药物治疗。在11430名患者中，有1096人，或9.6%，在10.3年的中位随访期间遭遇了重大的不良心脏事件。CXR-CVD风险深度学习模型所预测的风险与观察到的主要心脏事件之间存在着显著的关联。研究人员还将该模型的预后价值与决定他汀类药物资格的既定临床标准作了比较。由于电子记录中的数据（如血压、胆固醇）缺失，只有2401名患者（21%）可以计算出来。对于这部分患者，CXR-心血管风险模型的表现与既定的临床标准相似，甚至提供了增量价值。"这种方法的好处是你只需要一张X光片，全世界每天可以产出上百万张，"Weiss博士说。"基于一个现有的胸部X光图像，我们的深度学习模型可以预测未来的主要不良心血管事件，其性能和增量价值与既定的临床标准相似。"Weiss博士说，有必要进行更多的研究，包括对照的随机试验，以验证该深度学习模型，它最终可以作为治疗医生的决策支持工具。"我们所展示的是胸透不仅仅是一个胸透，通过这样的方法，我们得到了一个量化的衡量标准，这使我们能够提供诊断和预后信息，帮助临床医生和病人。"...PC版：https://www.cnbeta.com.tw/articles/soft/1334025.htm手机版：https://m.cnbeta.com.tw/view/1334025.htm