诊断阿尔茨海默症将成AI下一突破口 AI检测准确率超90%

诊断阿尔茨海默症将成AI下一突破口AI检测准确率超90%该技术可以像人脑一样学习，在医学方面能帮助检测一些容易被忽略的危险疾病，如癌症、心脏病、甚至是无症状的新冠病例。一项最新的研究表明，人工智能在医学领域的下一个突破可能是诊断阿尔茨海默氏症。准确率高达90%阿尔兹海默氏症会导致不可逆转的认知能力下降和痴呆。自该疾病被发现以来的一个世纪里，医学研究人员一直未能找到治疗方法和可靠的早期检测方法。上周四（3月2日）发表在国际著名科学期刊PLOSONE上的一篇研究文章表明，深度学习技术在阿尔茨海默氏症诊断中比未经训练的AI模型更加准确，而且该技术能够排除一些干扰诊断的因素，如年龄。马萨诸塞州综合医院（MassachusettsGeneralHospital）的研究人员测试了深度学习技术在阿尔茨海默氏症检测中的应用。研究人员首先采用数万张人脑扫描图像训练了一个深度学习模型，这些人部分患有阿尔兹海默氏症，部分没有。随后，研究人员将该深度学习模型用于临床诊断。结果显示，经过训练的深度学习模型识别阿尔茨海默氏症的准确率达到90.2%，相比之下，没有接受过变量训练的、更简单的人工智能模型的诊断准确率要低大约5个百分点。马萨诸塞州综合医院的研究员MatthewLeming指出，“我们的研究结果具有跨地点、跨时间、跨人群的普遍性，为这种AI诊断技术的临床应用提供了强有力的证据。”值得一提的是，90%的准确率还远远高于人类得出的临床检出率。根据2017年美国国立卫生研究院（NIH）公布的一项研究，人类得出的临床检出率仅为77%。误诊带来的损失美国卫生与公众服务部去年12月的一项研究显示，美国每年有700多万人被误诊。近300万急诊室患者因误诊而遭受不良影响，超过37万人遭受永久性残疾或死亡。据非营利组织“改善医学诊断协会(SocietytoImproveDiagnosisinMedicine)”称，误诊也是一种经济负担。该协会预计，误诊、错误治疗、以及由此引发的医疗事故诉讼每年将造成约1000亿美元的额外支出。医生们也认为，人工智能在改善诊断技术方面有着巨大的前景，尽管在医学研究中也出现了许多与人工智能有关的问题，比如可能会出现事实错误和种族偏见。去年1月发表在美国国立卫生研究院（NIH）上的一篇关于AI技术在医疗诊断方面的文献综述发现，人工智能在癌症、糖尿病和阿尔茨海默氏症诊断等领域都有前景。不过该文章建议建议进一步研究以提高AI的识别准确性。病症预测更加困难到目前为止，阿尔茨海默氏症是最难预测和诊断的疾病之一。它是老年人中最常见的一种痴呆症，全世界约有4400万患者。不过，这只是与痴呆症相关的众多疾病的一种形式，所以很多其他痴呆症很容易被误诊为阿尔茨海默氏症。2017年，美国医学网站《Medscape》上的一项针对900多人的研究发现，多达四分之一的阿尔茨海默病患者被误诊，误诊为假阳性或假阴性的比例大致相同。阿尔茨海默氏症很容易和路易体痴呆、额颞叶痴呆混淆。根据美国神经病学学会（AAN）的说法，误诊的概率随着年龄的增长而增加，阿尔茨海默氏病和其他痴呆疾病在老年群体中很容易被搞混。相对于诊断，预测则更加困难。阿尔茨海默氏症几乎没有可靠的早期筛查模型，大多数病例是在脑损伤症状开始出现后才被诊断出来的。此次马萨诸塞州综合医院的研究并没有涉及深度学习技术是否有助于阿尔茨海默氏症的预测。不过仍有不少其他研究人员认为，AI或许能够在这方面发挥重要作用。...PC版：https://www.cnbeta.com.tw/articles/soft/1348287.htm手机版：https://m.cnbeta.com.tw/view/1348287.htm

OpenAI 正开发“AI 生成图片识别器”：准确率达 99%

OpenAI正开发“AI生成图片识别器”：准确率达99%10月18日晚间消息，OpenAI称其正在开发一款新工具，能够以相当高的精度判断一张图片是否是人工智能所绘制。除了聊天机器人和撰稿工具ChatGPT之外，OpenAI公司还开发过一款名为“DALL-E”的人工智能图片生成器。当地时间周二，该公司首席技术官米拉・穆拉蒂（MiraMurati）透露，该公司开发的AI图片识别工具，能够以99%的准确率判断一张图片是否是人工智能工具所绘制。穆拉蒂介绍，这款图片识别工具正在进行内部测试，后续将会发布，但是她并未提供很具体的发布时间。今年初，OpenAI公司也推出了一个识别工具，主要识别一段文章是否是人工智能助手所创作，但是意外的是，这款产品7月份就被撤架，原因是准确率不高，对用户来说还不可靠。撤架时，OpenAI公司表示后续将会继续完善这个识别产品，另外还要识别其他人工智能助手创作的内容，比如图片、音频等。来源：https://m.ithome.com/html/725852.htm投稿：@ZaiHuaBot频道：@TestFlightCN

AI 通过声音在10秒内诊断2型糖尿病 准确率高达89%

AI通过声音在10秒内诊断2型糖尿病准确率高达89%加拿大的医学研究人员训练一个基于机器学习的AI来识别2型糖尿病患者与非糖尿病患者之间的14种声音差异。这些差异特征包括音高、强度以及其他微小的声音变化，这些是人耳无法区分的。结果发现AI能够在89%的女性和86%的男性中准确诊断2型糖尿病。研究指出，女性的预测特征是平均音高、音高SD和RAPjitter；男性是平均强度和apq11shimmer。简单地说，2型糖尿病的女性报告的音高略低，变化较小；而2型糖尿病的男性报告的声音略弱，变化较大。https://doi.org/10.1016/j.mcpdig.2023.08.005投稿：@ZaiHuaBot频道：@TestFlightCN

AI加持的TrashBot垃圾分拣系统可实现90%准确率

AI加持的TrashBot垃圾分拣系统可实现90%准确率随着人工智能技术的日渐成熟，近年也有越来越多的初创企业试图借助AI机器人系统，来帮助改善垃圾分类和资源回收。以AMPRobitics为例，通过结合AI挑选机和传送带，其不仅能够减少人工失误、还有望在大型自动化设施中大幅提升材料分拣效率。不过本文要为大家介绍的，则是来自CleanRobotics的垃圾分拣AI机器人系统。在机器学习（ML）技术的加持下，官方宣称配套设备能够达成90%左右的准确率。CleanRobotics首席执行官CharlesYhap在一篇新闻稿中称：繁杂的垃圾回收规则让普通人感到十分困惑，结果导致现实生活中的材料分类准确度被大幅拉低。与此同时，污染扩散也会导致无人愿意去购买那些原本高度可回收的材料。庆幸的是，我公司的AI系统能够帮助优化向垃圾填埋场转移的材料数量。CleanRobotics指出：得益于板载的AI/ML系统，TrashBot垃圾分拣机器人能够随着收集数据的自然增长，持续帮助改进后续的分拣体验。除了配备大型显示屏，TrashBot还可以生成高质量的废弃物审计数据，并在必要时触发警报。此外在云连接的加持下，TrashBot还会随着时间的推移变得更加智能。WhatisTrashBot-CleanRobotics（via）本周，成立于2015年的CleanRobotics，宣布了由MelcoInternationalDevelopmentLimited领投的450万美元A轮融资。其它投资者还包括SOSV/HAX、UndividedVC和LongmontEvergreenOPPOrtunityFund。CleanRobotcs计划将这笔资金用于生产数百套系统，以及招募更多人手、改善制造和加强研发。目前该公司已在购物中心和机场等高流量区域部署了一些系统，并且密切关注着与中国、澳大利亚、新加坡等市场建立合作伙伴关系。PC版：https://www.cnbeta.com/articles/soft/1304075.htm手机版：https://m.cnbeta.com/view/1304075.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

通过声音就能检测新冠 准确率高达89% AI还能这样？

通过声音就能检测新冠准确率高达89%AI还能这样？随着科技创新发展和技术的不断进步，AI技术正日益广泛地应用在我们的日常生活中。近日，CNMO了解到，在西班牙巴塞罗那举行的欧洲呼吸学会国际会议上公布的一项研究显示，AI可通过手机应用程序从人们声音中检测出新冠肺炎感染，它比快速抗原测试更准确（达到89%），且更便宜、快速和易于使用。据报道，研究团队使用了来自英国剑桥大学“新冠肺炎声音库”应用程序的数据，该应用程序包含来自4352名健康和非健康参与者的893个音频样本。研究人员在研究过程中使用了一种名为梅尔谱图的语音分析技术，该技术可识别不同的语音特征，如响度、功率和随时间的变化情况。荷兰马斯特里赫特大学数据科学研究所研究员瓦法阿·阿尔杰巴维称，研究结果表明，简单的语音记录和AI算法可以精确确定哪些人感染新冠肺炎，此外，还支持远程虚拟测试，检测结果可在不到一分钟内出来，这类测试可用于大型集会的检测点，对人群进行快速筛查。此外，为了区分新冠肺炎患者和未患病的人的声音，研究人员建立了不同的AI模型。他们发现，长短期记忆（LSTM）模型在对新冠肺炎病例进行分类方面做得最好。这种AI-LSTM模型的总体准确率为89%，正确检测阳性病例的能力（真阳性率或敏感性）为89%，正确识别阴性病例的能力（真阴性率或特异度）为83%。PC版：https://www.cnbeta.com/articles/soft/1313093.htm手机版：https://m.cnbeta.com/view/1313093.htm