当前位置: 首页 > news >正文

AI影响谷歌正在推出新的人工智能模型,用于医疗保健。以下是医生如何使用它们的介绍

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

 Google最近宣布推出了MedLM,这是一套面向医疗保健行业的新型AI模型套件。它旨在帮助临床医生和研究人员进行复杂的研究,总结医患互动等。

这标志着Google进一步试图通过医疗保健行业的AI工具获得收入。而在亚马逊、微软等竞争对手之间的市场争夺依然激烈。CNN采访了一些已经在测试Google技术的公司,比如HCA医疗保健。专家表示,这项技术的影响力是真实的,不过企业也在谨慎使用。

MedLM套件包括一个大型和一个中型AI模型,都是基于Med-PaLM 2开发的。后者是一个在医疗数据上训练的大型语言模型,Google在3月首次宣布。从本周三开始,符合条件的美国Google Cloud客户可以使用这个套件。Google表示,虽然不同模型的使用成本有所不同,但中型模型的运行成本更低。

Google还表示,它计划在未来将MedLM升级为Gemini的医疗保健行业专属版本。Gemini是Google最新推出也“最强大”的AI模型。

Google云计算全球医疗战略与解决方案主管Aashima Gupta表示,公司发现不同的医学调优AI模型更适合执行某些特定任务。这就是为什么Google决定推出一套模型,而不是设法建立“一刀切”的解决方案。

例如,Google表示,更大的MedLM模型更适合执行需要深度知识和大量计算能力的复杂任务,如使用某医疗机构全部患者数据进行研究。但是如果企业需要一个更敏捷的模型,可以针对某些特定或实时功能进行优化,比如总结医生和患者的互动,那么根据Gupta的说法,中型模型的效果会更好。

实际应用案例

Google在3月宣布Med-PaLM 2时,最初表示它可以用来回答诸如“肺炎的首要预警信号是什么”和“失禁可以治愈吗”这样的问题。但是随着公司与客户测试这项技术,使用案例已经发生了变化。Google健康AI主管Greg Corrado表示,临床医生并不经常需要获取有关某种疾病性质的“可访问”信息的帮助,因此Google没有看到客户对这些功能的太大需求。相反,医疗机构更希望AI能够帮助解决一些比较后台或流程性的问题,比如管理文书工作。

例如,美国最大的医疗系统公司HCA医疗保健已经从今年春天开始测试谷歌的AI技术。该公司在8月与Google云正式宣布合作, Ziel使用其生成式AI来“提高流程效率,减少费时任务”。

HCA医疗转型与创新高级副总裁Michael Schlosser博士表示,公司一直在使用MedLM帮助急诊医学医生自动记录与患者的互动。例如,HCA使用名为Augmedix的公司提供的环境语音记录系统来转录医患会谈。然后Google的MedLM套件可以将这些转录内容分解为急诊医生笔记的组成部分。

Schlosser表示,MedLM目前在HCA旗下4家医院的急诊室中使用,公司希望在未来一年内扩大应用范围。他补充说,到1月份,他预计Google的技术将能够成功生成超过一半的医生笔记内容,而无需医生参与。对于每天要花长达4小时做文书工作的医生来说,Schlosser说节省下来的时间和精力意义重大。

但是HCA也发现,MedLM并非万无一失。Schlosser说,AI模型会输出错误信息是一个很大的挑战。HCA一直在与Google合作制定最佳实践,以最大限度地减少这种“捏造”。他还表示,符号限制和随时间管理AI也对HCA提出了额外挑战。

“我想说的是,当前这些AI模型在医疗保健中的应用,还没有达到宣传的那么理想化。每个人都在应对这个问题,还没有哪家医疗系统敢大规模应用这些模型,就是因为这个原因。”即便如此,Schlosser还是说,医生对MedLM的初步反应很正面,他们也明白目前还不是最终产品。他说HCA正在努力以负责任的方式实现这项技术,以避免危及患者。

“我们在应对这些AI模型时非常谨慎。我们不会使用那些可能影响某人诊断和治疗的用例。”

Google还计划在未来让Gemini的医疗保健行业专属版本加入MedLM。Google股价在Gemini推出后狂涨5%,但随后Google就不得不面对Bloomberg的质疑,承认演示视频不是实时进行的。

Google告诉CNN:“这个视频是基于真实的多模态输入和输出进行创作的,用以展示与Gemini互动的可能性。我们期待着12月13日Gemini专业版解锁时,人们会创造出什么。” 

Google的Corrado和Gupta表示,Gemini仍处于初期阶段,它需要在受控的医疗环境下接受客户的测试和评估,然后才能通过MedLM进行更广泛的推出。

“我们已经与客户测试Med-PaLM 2数月了,现在我们已经足够安心将其作为MedLM的一部分。”Gupta说,“Gemini也会遵循同样的方案。” 

Schlosser说HCA对Gemini“非常兴奋”,公司已经开始制定测试计划。“我们认为这可能会给我们带来额外的性能提升。”

除HCA外,药物发现初创公司BenchSci也在测试MedLM。Google是BenchSci的投资者,该公司已经使用了Google的MedLM技术几个月。

BenchSci联合创始人兼CEO Liran Belenzon说,该公司已经将MedLM的AI与自主研发的技术相结合,帮助科学家识别生物标志物,这对于理解疾病的发展和治疗至关重要。

Belenzon说,公司花了很多时间测试和验证这个模型,包括向Google提供必要的改进反馈。现在,Belenzon说BenchSci正准备向市场推广这项技术。

他告诉CNN:“它无法直接使用,但可以加速你的特定工作。” 

Corrado说,围绕MedLM的研究还在继续,他认为Google云的医疗客户将能够为组织内的多个不同用例调优模型。他还表示,Google将继续开发“更小、更便宜、更快、更好”的特定领域模型。

德勤也在向医疗客户部署之前反复测试了MedLM。德勤美国生命科学和医疗保健咨询负责人Kulleni Gebreyes博士表示,他们现在使用Google的技术帮助医疗系统和医保计划回答会员有关就医的问题。例如,如果患者需要做结肠镜检查,他们可以使用MedLM根据性别、位置、保险范围等条件查找医生。

Gebreyes说,客户发现MedLM准确高效。但是与其他模型一样,AI并不总是能准确理解用户的意图。如果患者不知道结肠镜检查的正确词汇或拼写,使用其他俚语,也会带来挑战。

她说:“它终究不能替代经过培训的专业人士的诊断。它让专业知识更贴近患者、更易获取。”

相关文章:

AI影响谷歌正在推出新的人工智能模型,用于医疗保健。以下是医生如何使用它们的介绍

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领…...

云仓酒庄带您品法国葡萄酒

说起葡萄酒肯定绕不开法国,法国葡萄酒闻名中外,口碑卓越。作为世界上的产酒大国,可以说是每一寸土地都可以种植葡萄。云仓酒庄的品牌雷盛红酒分享这么优秀的一个葡萄酒产酒国有哪些特点呢? 1.产区特色:波国有最著名的…...

XIAO ESP32S3之实现口罩检测

一、例程介绍 此例程是运行FOMO 轻量检测模型实现人员佩戴口罩检测,Demo中已包含训练好的模型参数,无需再训练。 FOMO(Faster Objects, More Objects) 是由 Edgeimpulse 工程师提出的一种轻量级的目标检测模型,其主要特点是模型非常小&#…...

LVS简介及LVS-NAT负载均衡群集的搭建

目录 LVS群集简介 群集的含义和应用场景 性能扩展方式 群集的分类 负载均衡(LB) 高可用(HA) 高性能运算(HPC) LVS的三种工作模式 NAT 地址转换 TUN IP隧道 IP Tunnel DR 直接路由 Direct Rout…...

ElasticSearch之cat segments API

命令样例如下: curl -X GET "https://localhost:9200/_cat/segments?vtrue&pretty" --cacert $ES_HOME/config/certs/http_ca.crt -u "elastic:ohCxPHQBEs5*lo7F9"执行结果输出如下: index shard prirep ip segment g…...

docker镜像与容器的迁移

docker容器迁移有两组命令,分别是 save & load :操作的是images, 所以要先把容器commit成镜像export & import:直接操作容器 我们先主要看看他们的区别: 一 把容器打包为镜像再迁移到其他服务器 如把mysq…...

Cmake基础(2)

使用一个简单的示例来应用cmake&#xff0c;无任何三方库的单一的应用程序项目 你可以收获 使用cmake生成VS项目生成mingw项目(makefile) 1 首先新建一个cpp&#xff0c;我们要做一个控制台应用程序 #include<iostream> void main(){std::cout<<"hello cm…...

OSPF理论总结与实验

第1章 OSPF[1] 本章阐述了OSPF协议的特征、术语&#xff0c;OSPF的路由器类型、网络类型、区域类型、LSA类型&#xff0c;OSPF报文的具体内容及作用&#xff0c;描述了OSPF的邻居关系&#xff0c;通过实例让读者掌握OSPF在各种场景中的配置。 本章包含以下内容&#xff1a; …...

浅谈安科瑞无线测温产品在巴西某工厂的应用

摘 要&#xff1a;高压开关设备是变电站和配电站中保证电力系统安全运行的重要设备之一,因此,开关柜的稳定运行对于整个电力系统有非常重要的意义。设备老化、长期高负荷运行都可能使设备局部温度过高而发生火灾&#xff0c;因此,对变电站内的敏感设备进行温度检测变得尤为重要…...

RabbitMQ 命令

Docker # 进入容器 > docker exec -it rabbitmq /bin/bash# 帮助 > rabbitmq-service help# 查看所有队列 > rabbitmqctl list_queues Windows 进入安装目录【D:\Program Files\RabbitMQ Server\rabbitmq_server-3.9.10\sbin】输入cmd # 帮助 > rabbitmq-servic…...

数据库系列之简要对比下GaussDB和OpenGauss数据库

GaussDB作为一款企业级的数据库产品&#xff0c;和开源数据库OpenGauss之间又是什么样的关系&#xff0c;刚开始接触的时候是一头雾水&#xff0c;因此本文简要对比下二者的区别&#xff0c;以加深了解。 1、GaussDB和OpenGauss数据库简要对比 GaussDB是华为基于PostgreSQL数据…...

FFmpeg的AVInputFormat

文章目录 结构体定义操作函数支持的AVOutputFormat 通过上面的分析&#xff0c;基本可以看到ffmpeg的套路了&#xff0c;首先一个context上下文&#xff0c;上下文里面一个priv_data 指针&#xff0c;然后再插件结构体中有一个priv_data_size&#xff0c;然后回调函数。 结构体…...

SQL命令---删除字段

介绍 使用sql语句删除表字段。 命令 alter table 表名 drop 字段名;例子 删除a表中的name字段。 alter table a drop name;下面是执行删除后的表结构&#xff1a;...

深入探讨 Python 中的装饰器和上下文管理器

Python 作为一门灵活而强大的语言&#xff0c;提供了许多高级特性&#xff0c;其中装饰器&#xff08;Decorators&#xff09;和上下文管理器&#xff08;Context Managers&#xff09;是其中两个非常有用的概念。这两个功能性特性提供了对代码结构和行为进行修改和控制的强大工…...

比whatsapp效果好---Google Messages RCS协议消息推送

这段时间由于使用谷歌手机Pixel 7 &#xff08; Android13&#xff09;研究改机room&#xff0c;看了很多相关的资料&#xff0c;测试研究了谷歌生态很多软件功能。结果就是改机Room还没编译成功&#xff0c;反而是测试出Google Messages群发功能的bug&#xff0c;算是一个惊喜…...

HBuilder X

选择一款编程软件有以下几个好处&#xff1a; &#xff08;1&#xff09;提高效率&#xff1a;编程软件通常强调代码编辑和自动完成&#xff0c;可以帮助程序员更快速、更准确地输入代码。 &#xff08;2&#xff09;降低错误率&#xff1a;编程软件还可以检测代码中的错误&a…...

异地现场工控设备,如何实现远程配置、调试?

南京某企业专注于工业物联领域&#xff0c;在相关项目中往往会在各个点位部署基于Linux系统的中控主机&#xff0c;实现各类物联设备信息的采集、汇总。但是&#xff0c;由于各点位分散多地&#xff0c;且数量达到了上百个&#xff0c;虽然中控主机具备4G物联网接入能力&#x…...

C++报错:error C2238: 意外的标记位于“;”之前

报错信息如下&#xff1a; 编译遇见这样的错误信息主要有一下几种&#xff1a; 情况一&#xff1a; 多数情况下出现这种问题的原因是因为头文件重复包含&#xff1a;即头文件A包含了B&#xff0c;头文件B又包含了A&#xff0c;导致编译器在加载头文件时陷入死循环。 解决办法…...

五、Microsoft群集服务(MSCS)环境的搭建

一、【目的】 学会利用Windows Server布置群集环境。 二、【设备】 FreeNAS11.2&#xff0c;Windows Server 2019 三、【要求】 学会利用Windows Server布置群集环境&#xff0c;掌握处理问题的能力。 配置表&#xff1a; 节点公网IP(public)内网IP(private)群集IP(clust…...

通义千问 Qwen-72B-Chat在PAI-DSW的微调推理实践

01 引言 通义千问-72B&#xff08;Qwen-72B&#xff09;是阿里云研发的通义千问大模型系列的720亿参数规模模型。Qwen-72B的预训练数据类型多样、覆盖广泛&#xff0c;包括大量网络文本、专业书籍、代码等。Qwen-72B-Chat是在Qwen-72B的基础上&#xff0c;使用对齐机制打造的…...

VTK如何让部分单位不可见

最近遇到一个需求&#xff0c;需要让一个vtkDataSet中的部分单元不可见&#xff0c;查阅了一些资料大概有以下几种方式 1.通过颜色映射表来进行&#xff0c;是最正规的做法 vtkNew<vtkLookupTable> lut; //值为0不显示&#xff0c;主要是最后一个参数&#xff0c;透明度…...

用docker来安装部署freeswitch记录

今天刚才测试一个callcenter的项目&#xff0c;所以尝试安装freeswitch 1、使用轩辕镜像 - 中国开发者首选的专业 Docker 镜像加速服务平台 编辑下面/etc/docker/daemon.json文件为 {"registry-mirrors": ["https://docker.xuanyuan.me"] }同时可以进入轩…...

Element Plus 表单(el-form)中关于正整数输入的校验规则

目录 1 单个正整数输入1.1 模板1.2 校验规则 2 两个正整数输入&#xff08;联动&#xff09;2.1 模板2.2 校验规则2.3 CSS 1 单个正整数输入 1.1 模板 <el-formref"formRef":model"formData":rules"formRules"label-width"150px"…...

动态 Web 开发技术入门篇

一、HTTP 协议核心 1.1 HTTP 基础 协议全称 &#xff1a;HyperText Transfer Protocol&#xff08;超文本传输协议&#xff09; 默认端口 &#xff1a;HTTP 使用 80 端口&#xff0c;HTTPS 使用 443 端口。 请求方法 &#xff1a; GET &#xff1a;用于获取资源&#xff0c;…...

MacOS下Homebrew国内镜像加速指南(2025最新国内镜像加速)

macos brew国内镜像加速方法 brew install 加速formula.jws.json下载慢加速 &#x1f37a; 最新版brew安装慢到怀疑人生&#xff1f;别怕&#xff0c;教你轻松起飞&#xff01; 最近Homebrew更新至最新版&#xff0c;每次执行 brew 命令时都会自动从官方地址 https://formulae.…...

破解路内监管盲区:免布线低位视频桩重塑停车管理新标准

城市路内停车管理常因行道树遮挡、高位设备盲区等问题&#xff0c;导致车牌识别率低、逃费率高&#xff0c;传统模式在复杂路段束手无策。免布线低位视频桩凭借超低视角部署与智能算法&#xff0c;正成为破局关键。该设备安装于车位侧方0.5-0.7米高度&#xff0c;直接规避树枝遮…...

Sklearn 机器学习 缺失值处理 获取填充失值的统计值

💖亲爱的技术爱好者们,热烈欢迎来到 Kant2048 的博客!我是 Thomas Kant,很开心能在CSDN上与你们相遇~💖 本博客的精华专栏: 【自动化测试】 【测试经验】 【人工智能】 【Python】 使用 Scikit-learn 处理缺失值并提取填充统计信息的完整指南 在机器学习项目中,数据清…...

归并排序:分治思想的高效排序

目录 基本原理 流程图解 实现方法 递归实现 非递归实现 演示过程 时间复杂度 基本原理 归并排序(Merge Sort)是一种基于分治思想的排序算法&#xff0c;由约翰冯诺伊曼在1945年提出。其核心思想包括&#xff1a; 分割(Divide)&#xff1a;将待排序数组递归地分成两个子…...

EEG-fNIRS联合成像在跨频率耦合研究中的创新应用

摘要 神经影像技术对医学科学产生了深远的影响&#xff0c;推动了许多神经系统疾病研究的进展并改善了其诊断方法。在此背景下&#xff0c;基于神经血管耦合现象的多模态神经影像方法&#xff0c;通过融合各自优势来提供有关大脑皮层神经活动的互补信息。在这里&#xff0c;本研…...

职坐标物联网全栈开发全流程解析

物联网全栈开发涵盖从物理设备到上层应用的完整技术链路&#xff0c;其核心流程可归纳为四大模块&#xff1a;感知层数据采集、网络层协议交互、平台层资源管理及应用层功能实现。每个模块的技术选型与实现方式直接影响系统性能与扩展性&#xff0c;例如传感器选型需平衡精度与…...