11月8日,2023年世界互联网大会乌镇峰会在乌镇举行,腾讯再度获颁“世界互联网领先科技成果”大奖。腾讯健康总裁吴文达在世界互联网领先科技成果发布活动中介绍,“腾讯觅影数智医疗影像平台”已全面开放20多个医疗AI引擎助力科研创新,以“云+AI”实现远程诊断、远程会诊、辅助诊断等多种数字影像应用,推动医疗AI全链条创新。
腾讯健康总裁吴文达代表腾讯领受“世界互联网领先科技成果”大奖
当今世界各国积极发展新一代人工智能,医疗AI发展迅猛。腾讯全力承建“医疗影像国家新一代人工智能开放创新平台”,并先后在肺炎、青光眼、结肠息肉等病种,获批创新医疗器械,成为首个拥有多病种、多模态医疗AI三类证的互联网科技企业。
人工智能正被广泛应用在临床疾病诊断中,为医生提供临床辅助分诊建议,有助于大规模提升疾病筛查的检出率。根据临床试验,腾讯觅影的青光眼AI引擎能够降低漏诊率20%,降低误诊率2%,结肠AI引擎能够帮助医生提升20%以上的息肉检出率。在肺炎疫情初期,依托腾讯优图实验室天衍研究中心的领先算法,腾讯觅影团队快速开发肺炎AI,助力武汉大学附属中南医院影像科团队,为雷神山医院的24000多名患者进行肺部CT辅助诊断。
腾讯健康总裁吴文达介绍“腾讯觅影数智医疗影像平台”
吴文达指出,医疗AI应用的广泛普及,仍需克服数据规范、配套应用、产研协同等挑战。为此,腾讯整合公司在云计算、大数据、用户服务等方面的技术实力,推出“腾讯觅影数智医疗影像平台”,专注数字医疗影像云端应用、科研及管理,在云上搭载人工智能分析引擎,实现医疗影像数据和业务流程的互联互通,为医疗机构提供“产学研管”一体的解决方案,助力医疗AI产学研协同创新。
在科研层面,腾讯觅影提供从数据脱敏、接入、标注,到AI模型设计、训练、部署、应用的多模态医学影像及病理数据一站式平台,形成了一套整体化的人工智能示教实训体系,并具备影像质控的统一标准,使信息安全有保障。目前,“腾讯觅影数智医疗影像平台”为17所高校与科研院所、23家公立医院以及33家科技企业提供医疗AI科研服务。
依托腾讯AI Lab在数字病理与血细胞形态分析上的领先AI算法,腾讯觅影正助力医疗器械企业实现数智化升级:与国内病理诊断领域首家上市公司“安必平”建设宫颈液基细胞学AI数据库,发展宫颈细胞病理AI,目前,其“宫颈液基细胞学图像辅助诊断软件”已进入临床试验;携手全球领先的医疗器械及解决方案供应商迈瑞医疗开发“全自动外周血细胞形态学分析仪”,大幅提升血细胞识别准确率,在包括意大利、西班牙的全球400多家医院完成装机。
在业务应用层面,腾讯觅影通过“云+AI”的方式,激活远程诊断、远程会诊、远程示教查房、辅助诊断等数字影像应用。以广西医科大学第一附属医院为例,作为广西头部大三甲医院,通过腾讯觅影影像云与基层医院间的互联互通,能实现医院远程诊断、远程会诊协作,辅助医生为广大患者提供更加快速、精准的检查和诊断。通过移动场景的接入,为广大患者全面提供电子影像服务,进一步优化患者检查流程,提升医疗效率。
目前,依托腾讯优图实验室天衍研究中心、腾讯AI Lab等顶级人工智能实验室的算法技术积累,“腾讯觅影数智医疗影像平台”集成和开放了腾讯团队自研的20多种科研级别的AI引擎,涵盖糖尿病视网膜病变、脑胶质瘤、肝癌、乳腺钼靶、肺结节等疾病,供用户进行医学影像人工智能科研。
吴文达还表示,腾讯正积极探索利用“腾讯觅影数智医疗影像平台”推动AI下沉,帮助欠发达地区以技术弥补资源不足,借助互联网搭建医疗帮扶体系,实现社会价值可持续创新。在江西省赣州市于都县,腾讯觅影的青光眼AI深入乡村,为居民进行眼底健康筛查,大幅提升青光眼、糖尿病视网膜病变、高血压眼底病变等眼底疾病的筛查效率和检出率,为百姓健康保驾护航。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。