导读 人工智能 (AI) 系统在医学领域的应用前景广阔，可用于早期发现疾病、改善治疗并减轻医护人员的工作量。但它们的性能取决于人工智能的训练...
人工智能 (AI) 系统在医学领域的应用前景广阔，可用于早期发现疾病、改善治疗并减轻医护人员的工作量。但它们的性能取决于人工智能的训练水平。
一种新的多任务 AI 训练方法可以更快、更经济高效地训练基础模型，并且使用更少的数据。研究人员正在采用这种方法来弥补医学成像数据的短缺，并最终挽救生命。
据世界卫生组织 (WHO) 称，全球癌症病例显著增加。明确的指标(即生物标志物)是可靠诊断和成功治疗的关键。人工智能系统可以帮助识别病理图像中的此类可测量参数。
弗劳恩霍夫数字医学研究所 MEVIS 的研究人员与亚琛工业大学、雷根斯堡大学和汉诺威医学院合作开发了基础模型。该资源高效模型仅基于常规训练数据的一小部分即可快速可靠地分析组织样本。
远离大量数据和自我监督学习
标准基础模型(例如用于 ChatGPT 的大型语言模型)使用大型多样化数据集进行训练，并在学习过程中进行自我监督。但对于医学图像分析而言，数据通常很稀缺，事实上，临床研究中可用的少量数据对 AI 的使用构成了重大挑战。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！