Rohan Paul@rohanpaul_aiThis may be Jensen Huang's strongest public statement yet against Geoffrey Hinton's radiology predic…
DịchTrong cuộc phỏng vấn với Ezra Klein, Jensen Huang đã chỉ trích dự đoán của Geoffrey Hinton về tương lai ngành chẩn đoán hình ảnh là thiếu trách nhiệm và không có cơ sở khoa học, đánh dấu một trong những phản hồi cứng rắn nhất của ông từ trước đến nay.
Viện nghiên cứu DAMO phối hợp cùng các bệnh viện lớn công bố mô hình AI DAMO EAGLE, có khả năng phát hiện sớm các tổn thương tiền ung thư và ung thư thực quản thông qua ảnh chụp CT thường mà không cần nội soi hay dùng thuốc cản quang. Nghiên cứu đã được đăng trên tạp chí Nature Medicine.
Mô hình DAMO RADAR của Alibaba, vừa được công bố trên tạp chí Science, có khả năng phát hiện 146 loại tổn thương trên 18 cơ quan với độ chính xác tương đương bác sĩ chuyên khoa.
Damo Radar của Alibaba là mô hình AI phân tích CT vùng bụng, đạt độ chính xác ấn tượng trong việc phát hiện 150 loại bệnh, bao gồm cả ung thư. Công cụ này giúp bác sĩ giảm 30% thời gian chẩn đoán và tăng đáng kể khả năng phát hiện các ca bệnh khó.
Thêm 1 nguồn khác đưa tinPandailyAlibaba DAMO Academy vừa công bố mô hình RADAR, một bước tiến đột phá trong chẩn đoán hình ảnh bụng bằng CT, đạt trình độ chuyên gia và được đăng tải trên tạp chí khoa học danh giá Science.
Mô hình AI DAMO RADAR của Alibaba và ĐH Chiết Giang vừa được công bố trên tạp chí Science và mở mã nguồn. Hệ thống hỗ trợ chẩn đoán CT bụng với độ chính xác AUC 0.913, có khả năng nhận diện 146 loại bệnh trên 18 cơ quan khác nhau.
Nghiên cứu giới thiệu ModaLens, kỹ thuật thay thế hình ảnh theo cặp để đo lường mức độ ảnh hưởng của báo cáo chẩn đoán đến khả năng phân tích hình ảnh thực tế của các mô hình thị giác ngôn ngữ (VLM) trong y tế.
CARDEA là mô hình thị giác-ngôn ngữ lớn giúp chuẩn hóa việc chẩn đoán bệnh mạch vành thông qua quy trình suy luận có thể kiểm chứng, giúp tăng độ tin cậy cho bác sĩ lâm sàng.
Hệ thống mới giúp khắc phục điểm yếu về suy luận không gian của các mô hình ngôn ngữ thị giác trong y tế bằng cách phân tách quy trình thành các bước phân tích ngôn ngữ, định vị giải phẫu và tính toán hình học xác định.
Một mô hình AI mới tại Trung Quốc đã hỗ trợ bác sĩ phát hiện kịp thời 15 trường hợp di căn gan từng bị bỏ sót, mở ra hy vọng mới trong việc nâng cao độ chính xác khi tầm soát ung thư.
Dù dự đoán thay thế trước đây không thành hiện thực, AI đang trở thành trợ thủ đắc lực trong ngành chẩn đoán hình ảnh khi hỗ trợ phát hiện các bất thường vượt xa khả năng của mắt người, giúp tăng hiệu quả chẩn đoán lâm sàng.
RibAssist 3D sử dụng hai góc chiếu CT trực giao để tự động phát hiện và định vị chính xác các vết gãy xương sườn trong không gian 3D, giúp giảm tải đáng kể công việc cho bác sĩ chẩn đoán hình ảnh.
Khảo sát từ 215 chuyên gia cho thấy các công cụ AI được FDA phê duyệt hiện chưa đạt hiệu quả như kỳ vọng trong việc giảm tỷ lệ gọi lại, giảm sinh thiết không cần thiết hay giảm áp lực công việc cho bác sĩ.