《科学》封面推举了一篇关于GraphCast的一种人工智能模型。
利用过去40年来环球景象数据演习,与传统景象预测方法比较,不仅更快,而且更精准预测环球景象。
医学专家也提出“疾病预测”观点,希望借助此成功案例,利用多模态AI模型预测疾病和管理康健,关注详情。

阅读文摘

《科学》杂志推介GraphCast新型深度学习AI模型,该AI模型在景象预报方面表现精良,特殊是对流层的预测准确率为99.7%。
这一AI技能运用,让我们对飓风和气旋等极度景象预警,更加准确且及时,挽救了许多生命。

借鉴在景象预测领域AI成功案例,医学家希望AI技能能提高疾病预测和康健管理的能力,旨在完善目前疾病疗效和主动康健结果。

运用多模态AI算法年夜夫可以精准猜测疾病和治理健康

然而,无论是对疾病发生,还是康健龟龄,医学界仍缺少预测结果的黄金标准,比如在癌症早期筛查方面(拜会本日液体活检),近90%的女性生平不会患乳腺癌,但美国癌症协会却建议所有45岁及以上的女性每年或每两年进行一次乳房X光检讨。

这种基于年事的大规模预防筛查仅能创造14%的癌症病例。
此外,阿尔茨海默氏症协会也建议康健人群进行生物标志物液体(血液)检讨,但这种单一预测指标常常导致假阳性,引发不必要的惶恐和过度医疗。

多模态AI技能为办理疾病预测精准性供应了绝佳机会。
例如,在阿尔茨海默病风险评估中,单靠血液生物标志物肯定不足。
通过整合基因组数据、电子康健档案;视网膜成像、可穿着生物传感器数据等多层次、多模态数据,AI可以更准确地预测罹患痴呆症的风险。

初步研究和测试结果显示,利用AI-ML模型整合多模态疾病和康健数据,可以在患者确诊前7年,精准预测罹患阿尔茨海默病的机会。

在癌症预防方面,电子康健档案和基因组学(eMERGE)网络已履历证了多基因风险评分,正在进入临床运用阶段。
这些AI赞助癌症预防评分不仅涵盖了乳腺癌、结肠癌、肺癌和前列腺癌,还包括许多慢性疾病。

AI-ML驱动的多基因风险评分标准,供应了更精确的风险分层,结合基因芯片或低通基因组测序数据,使疾病筛查更加高效、准确。

此外,AI 模型在识别胰腺癌风险方面也展现了巨大潜力,通过整合电子康健档案和医学影像检讨数据,在症状涌现前一年即可预测胰腺癌的发生。

未来的AI医学,将因此疾病预测、治疗效果评估和康健管理为核心,年夜夫和患者可以通过多模态AI模型运用,更加精准地改进个体康健预测和长期康健结果,为罹患重大疾病供应更早的预防和主动干预方法。