开创性的人工智能方法找到了对心脏功能和疾病进行分类的方法

开创性的人工智能方法找到了对心脏功能和疾病进行分类的方法该团队开发出了一种突破性的人工智能应用，可对心脏功能进行分类，并准确识别瓣膜性心脏病，突显了在整合医学科学和技术以改善患者预后方面取得的长足进步。相关研究成果最近发表在《柳叶刀数字健康》（TheLancetDigitalHealth）杂志上。瓣膜性心脏病是心力衰竭的原因之一，通常使用超声心动图进行诊断。然而，这项技术需要专业技能，因此合格的技术人员也相应短缺。同时，胸片检查也是发现疾病（主要是肺部疾病）最常用的检查方法之一。尽管心脏在胸片上也清晰可见，但迄今为止，人们对胸片检测心脏功能或疾病的能力知之甚少。左：胸片右：人工智能判断依据的可视化。图片来源：OMU，上田大寿许多医院都会进行胸部X光检查，而且只需要很少的时间，因此非常容易获得和复制。因此，大阪都立大学医学研究生院诊断和介入放射学系的上田大洲博士领导的研究小组认为，如果能通过胸部X光片确定心脏功能和疾病，那么这项检查就可以作为超声心动图的补充。上田博士的团队成功开发出一种利用人工智能的模型，可以从胸片上准确地对心脏功能和瓣膜性心脏病进行分类。由于在单一数据集上训练的人工智能可能会出现偏差导致准确率较低，因此该团队将目标放在了多机构数据上。因此，在2013年至2021年期间，研究小组从四家机构的16946名患者中收集了与22551张超声心动图相关的共22551张胸部X光片。将胸片作为输入数据，将超声心动图作为输出数据，对人工智能模型进行了训练，以学习连接这两个数据集的特征。人工智能模型能够精确地对六种选定的瓣膜性心脏病类型进行分类，其曲线下面积（AreaUndertheCurve，简称AUC）在0.83到0.92之间。(AUC是表示人工智能模型能力的评级指标，其数值范围为0至1，越接近1越好）。在检测左心室射血分数（监测心脏功能的一项重要指标）的40%临界值时，AUC为0.92。Ueda博士说："我们花了很长时间才取得这些结果，但我相信这是一项意义重大的研究。除了提高医生的诊断效率外，该系统还可用于没有专家的地区、夜间急诊以及难以接受超声心动图检查的患者。"...PC版：https://www.cnbeta.com.tw/articles/soft/1379911.htm手机版：https://m.cnbeta.com.tw/view/1379911.htm

人工智能为多囊卵巢综合症诊断带来革命性变革

人工智能为多囊卵巢综合症诊断带来革命性变革"鉴于社区中多囊卵巢综合症诊断不足和误诊造成的巨大负担及其潜在的严重后果，我们希望确定人工智能/ML在识别可能有多囊卵巢综合症风险的患者方面的效用，"该研究的共同作者、美国国立卫生研究院（NIH）下属国家环境健康科学研究所（NIEHS）高级研究员兼内分泌学家珍妮特-霍尔（JanetHall）医学博士说。"人工智能和机器学习在检测多囊卵巢综合症方面的效果比我们想象的更加令人印象深刻。"多囊卵巢综合征发生在卵巢不能正常工作的情况下，在许多情况下还伴有睾酮水平升高。这种疾病会导致月经不调、痤疮、面部多毛或头部脱发。患有多囊卵巢综合症的女性患2型糖尿病、睡眠、心理、心血管和其他生殖系统疾病（如子宫癌和不孕症）的风险通常会增加。"鉴于多囊卵巢综合症与其他疾病的重叠，诊断多囊卵巢综合症可能具有挑战性，"该研究的资深作者、美国国家健康研究所助理研究医师兼内分泌学家斯坎德-谢卡尔（SkandShekhar）医学博士说。"这些数据反映出，将人工智能/ML纳入电子健康记录和其他临床环境，以改善多囊卵巢综合症妇女的诊断和护理，还具有尚未开发的潜力。"该研究的作者建议将基于人群的大型研究与电子健康数据集结合起来，并分析常见的实验室测试，以确定有助于诊断多囊卵巢综合症的敏感诊断生物标志物。多囊卵巢综合征的诊断依据的是多年来不断发展并被广泛接受的标准化标准，但通常包括临床特征（如痤疮、毛发生长过多和月经不调）以及实验室（如高血睾酮）和放射学检查结果（如卵巢超声检查发现多个小囊肿和卵巢体积增大）。然而，由于多囊卵巢综合症的某些特征可能与肥胖、糖尿病和心血管代谢紊乱等其他疾病同时存在，因此经常被忽视。人工智能是指使用基于计算机的系统或工具来模仿人类智能并帮助做出决策或预测。ML是人工智能的一个分支，侧重于从以前的事件中学习，并将这些知识应用到未来的决策中。人工智能可以处理大量不同的数据，例如从电子健康记录中获得的数据，因此是诊断多囊卵巢综合症等难以诊断的疾病的理想辅助工具。研究人员对过去25年（1997-2022年）中发表的所有使用人工智能/ML检测多囊卵巢综合症的同行评审研究进行了系统回顾。在一位经验丰富的美国国立卫生研究院图书管理员的帮助下，研究人员确定了可能符合条件的研究。他们共筛选出135项研究，并将31项纳入本文。所有研究都是观察性的，评估了人工智能/ML技术在患者诊断中的应用。约有一半的研究包含超声波图像。研究参与者的平均年龄为29岁。在使用标准化诊断标准诊断多囊卵巢综合症的10项研究中，检测准确率在80%-90%之间。Shekhar说："在各种诊断和分类模式中，人工智能/ML在检测多囊卵巢综合症方面表现极佳，这是我们的研究得出的最重要的结论。"作者指出，基于人工智能/ML的项目有可能大大提高我们早期发现多囊卵巢综合症妇女的能力，从而节省相关费用，减轻多囊卵巢综合症给患者和医疗系统带来的负担。具有强大验证和测试实践的后续研究将使人工智能/ML与慢性健康状况顺利结合。...PC版：https://www.cnbeta.com.tw/articles/soft/1386563.htm手机版：https://m.cnbeta.com.tw/view/1386563.htm

人工智能对人工智能生成的内容进行训练将导致人工智能崩溃

人工智能对人工智能生成的内容进行训练将导致人工智能崩溃用于训练大型语言模型的数据最初来自人类来源，如书籍、文章、照片等，这些都是在没有人工智能的帮助下创建的。但随着越来越多的人使用人工智能来制作和发布内容，一个明显的问题出现了：当人工智能生成的内容在互联网上扩散时，人工智能模型开始对其进行训练。研究人员发现，“在训练中使用模型生成的内容会导致所产生的模型出现不可逆转的缺陷。”他们研究了文本到文本和图像到图像的人工智能生成模型的概率分布，得出结论：“从其他模型产生的数据中学习会导致模型崩溃——这是一个退化的过程，并且随着时间的推移，模型会忘记真正的基础数据分布。”他们观察到模型崩溃发生得如此之快：模型可以迅速忘记它们最初学习的大部分原始数据。这导致它们随着时间的推移，表现越来越差，错误越来越多。来源，来自：雷锋频道：@kejiqu群组：@kejiquchat投稿：@kejiqubot

放射科医生与机器的较量：在识别胸部X光片肺部疾病能力上依然超越人工智能

放射科医生与机器的较量：在识别胸部X光片肺部疾病能力上依然超越人工智能北美放射学会（RSNA）期刊《放射学》9月26日发表的一项研究显示，在对2000多张胸部X光片进行的研究中，放射科医生在准确识别三种常见肺部疾病的存在与否方面优于人工智能。放射成像的作用首席研究员、丹麦哥本哈根Herlev和Gentofte医院放射科住院医生兼博士研究员、医学博士LouisL.Plesner说："胸透是一种常见的诊断工具，但要正确解读检查结果需要大量的培训和经验。"虽然市面上已有经FDA批准的人工智能工具来协助放射科医生，但将基于深度学习的人工智能工具用于放射诊断的临床应用仍处于起步阶段。Plesner博士说："虽然越来越多的人工智能工具被批准用于放射科，但在实际临床场景中进一步测试这些工具的需求尚未得到满足。人工智能工具可以协助放射科医生解读胸部X光片，但其实际诊断准确性仍不明确。"(A）71岁男性患者因呼吸困难进展而接受检查的后前位胸部X光片显示双侧纤维化（箭头B）31岁女性患者因咳嗽一个月而转诊接受放射检查的后前位胸部X光片显示右心边界处有细微的气隙不清晰（箭头）。(C)一名78岁男性患者在置入中心静脉导管后转诊的前胸X光片显示右侧皮肤皱褶（箭头）。(D)为排除气胸而转诊的一名78岁男性患者的后前方胸部X光片显示右侧顶部有一个非常细微的气胸（箭头）。(E)一名72岁男性患者的后正位胸部X光片显示肋膈角慢性变圆（箭头），该患者无特殊原因转诊进行放射检查。(F)因怀疑充血和/或肺炎而转诊的76岁女性患者的前胸X光片显示左侧胸腔有非常微小的积液（箭头），所有三种能分析前胸X光片胸腔积液的人工智能工具都漏诊了。资料来源：北美放射学会研究结果Plesner博士和研究小组比较了四种市售人工智能工具和72位放射科医生在2020年对丹麦四家医院两年内连续拍摄的2040张成人胸部X光片进行解读时的表现。患者群体的中位年龄为72岁。在胸部X光片样本中，669张（32.8%）至少有一个目标发现。胸部X光片针对三种常见发现进行了评估：气室疾病（由肺炎或肺水肿等引起的胸部X光片形态）、气胸（肺部塌陷）和胸腔积液（肺部周围积水）。人工智能工具对气道疾病的灵敏度为72%至91%，对气胸的灵敏度为63%至90%，对胸腔积液的灵敏度为62%至95%。他说："在检测胸部X光片上的气腔疾病、气胸和胸腔积液方面，人工智能工具显示出与放射科医生相当的中高灵敏度。然而，与放射科医生相比，它们产生了更多的假阳性结果（在不存在疾病的情况下预测出疾病），而且当出现多个发现和较小的目标时，它们的性能会下降。"预测值比较对于气胸，人工智能系统的阳性预测值--筛查呈阳性的患者真正患病的概率--在56%到86%之间，而放射科医生的预测值为96%。"人工智能在识别气胸疾病方面表现最差，阳性预测值在40%到50%之间，"Plesner博士说。"在这一疑难老年患者样本中，人工智能10次中有5到6次预测出了不存在的气隙疾病。你不可能让一个人工智能系统以这样的速度独立工作"。放射科医生的目标是在发现和排除疾病的能力之间取得平衡，既要避免重大疾病被忽视，又要避免过度诊断。"人工智能系统在发现疾病方面似乎非常出色，但在确定没有疾病方面却不如放射科医生，尤其是在胸部X光片比较复杂的情况下，"他说。"过多的假阳性诊断会导致不必要的成像、辐射暴露和成本增加"。大多数研究通常倾向于评估人工智能确定单一疾病存在与否的能力，这比现实生活中病人往往患有多种疾病的情况要容易得多。在之前许多声称人工智能优于放射科医生的研究中，放射科医生只查看了图像，而无法了解患者的临床病史和之前的成像研究。在日常实践中，放射科医生对成像检查的解释是这三个数据点的综合。研究人员推测，如果下一代人工智能工具也能进行这种综合，其功能可能会变得更加强大，但目前还不存在这样的系统。"我们的研究表明，在病人种类繁多的真实场景中，放射科医生的表现普遍优于人工智能，"他说。"虽然人工智能系统能有效识别正常的胸部X光片，但人工智能不应自主进行诊断。"Plesner博士指出，这些人工智能工具可以通过对胸部X光片进行二次观察，增强放射科医生对其诊断的信心。...PC版：https://www.cnbeta.com.tw/articles/soft/1387257.htm手机版：https://m.cnbeta.com.tw/view/1387257.htm

微软展示VASA-1人工智能模型 能将照片变成"会说话的人脸"

微软展示VASA-1人工智能模型能将照片变成"会说话的人脸"该模型目前只是研究预览版，微软研究团队以外的任何人都无法试用，但演示视频看起来令人印象深刻。Runway和NVIDIA已经推出了类似的唇部同步和头部运动技术，但这种技术的质量和逼真度似乎要高得多，可以减少嘴部伪影。这种音频驱动动画的方法也与Google研究院最近推出的VLOGGER人工智能模型类似。VASA-1如何工作？微软表示，这是一个新的框架，用于创建栩栩如生的会说话的人脸，专门用于虚拟人物的动画制作。示例中的所有人物都是合成的，是用DALL-E制作的，但如果它能为逼真的人工智能图像制作动画，那么它也能为真实的照片制作动画。在演示中，我们看到人们说话时就像在被拍摄一样，动作略显生涩，但看起来非常自然。唇语同步令人印象深刻，动作自然，嘴部上下没有其他工具中出现的假象。VASA-1最令人印象深刻的一点似乎是，它不需要正面朝上的人像图像就能工作。其中有面向不同方向拍摄的例子。该模型似乎还具有很强的控制能力，能够将眼睛注视的方向、头部距离甚至情绪作为输入来引导生成。VASA-1的意义何在？其中一个最明显的应用案例就是游戏中的高级唇语同步。如果能创造出具有自然唇部动作的人工智能驱动的NPC，就能改变游戏的沉浸感。它还可用于为社交媒体视频创建虚拟化身，HeyGen和Synthesia等公司已经采用了这种技术。另一个领域是基于人工智能的电影制作。如果能让人工智能歌手看起来像在唱歌，就能制作出更逼真的音乐视频。尽管如此，该团队表示，这只是一次研究演示，并没有公开发布的计划，甚至也不会提供给开发人员在产品中使用。VASA-1的效果如何？让研究人员感到惊讶的是，VASA-1能够完美地对歌曲进行歌词嘴型同步，尽管训练数据集中没有使用音乐，但它仍能毫无问题地反映歌手的歌词。它还能处理不同风格的图像，包括蒙娜丽莎。他们让它以每秒45帧的速度创建512x512像素的图像，使用桌面级NVIDIARTX4090GPU可在大约2分钟内完成。虽然他们说这只是用于研究，但如果它不能进入公共领域，那就太可惜了，即使只是面向开发者，鉴于微软在OpenAI中拥有巨大的股份，这甚至可能成为未来CopilotSora集成的一部分。...PC版：https://www.cnbeta.com.tw/articles/soft/1427876.htm手机版：https://m.cnbeta.com.tw/view/1427876.htm

研究发现：用人工智能生成的图像训练出的人工智能产生了糟糕的结果。

研究发现：用人工智能生成的图像训练出的人工智能产生了糟糕的结果。斯坦福大学和莱斯大学的研究人员发现，生成式人工智能模型需要“新鲜的真实数据”，否则输出的质量就会下降。这对摄影师和其他创作者来说是个好消息，因为研究人员发现，训练数据集中的合成图像会放大人工痕迹，使人工智能画出的人类看起来越来越不像真人。研究小组将这种状况命名为“模型自噬障碍”。如果自噬循环的每一代都没有足够的新鲜真实数据，未来的生成模型注定会逐渐降低其质量或多样性。如果该研究论文是正确的，那么这意味着人工智能将无法开发出无穷无尽的数据源。人工智能仍然需要真实、高质量的图像来不断进步，而不是依赖自己的输出。这意味着生成式人工智能将需要摄影师。——