哈佛開發新AI模型 檢測癌症準確率達96%
哈佛醫學院的研究人員近日推出了一款名為CHIEF（臨床組織病理影像評估基礎）的新人工智能模型，能夠以驚人的準確率診斷和預測多種癌症類型的結果。
根據研究，CHIEF在癌症檢測方面的準確率可達96%，超越現有的AI系統，覆蓋19種不同的癌症類型。研究人員將CHIEF的多功能性比喻為ChatGPT，這是一個因能處理各類任務而廣受關注的語言模型。
CHIEF是一個非常專業的AI視覺模型，能夠理解視覺輸入，專門用於癌細胞圖像的詳細分析，與傳統的GPT-4V或LlaVA等通用模型不同。
專注於癌細胞圖像的訓練
CHIEF的訓練數據集包括1,500萬張未標記圖像和60,000張來自19個不同解剖部位的全片圖像，這使得它能夠從44TB的高解析度病理成像數據集中提取出有用的微觀表徵，以進行癌細胞檢測、腫瘤來源識別、分子特徵描述和預後預測。
研究的結果超出了預期。研究的資深作者Kun-Hsing Yu表示：「我們的目標是創建一個靈活多變的ChatGPT式AI平台，能夠執行廣泛的癌症評估任務。我們的模型在癌症檢測、預後和治療反應等多項任務中都非常有用。」
研究人員在全球32個獨立數據集中測試了CHIEF，共使用了超過19,400張圖像，結果顯示其表現比最先進的AI方法高出36.1%。它在區分高低生存率患者方面更準確，並能提供不同組織樣本的準確見解。
研究人員計劃進一步優化CHIEF，通過訓練其識別罕見疾病、非癌症狀況和癌前組織，以提高其準確性。他們還期望輸入更多數據以改善其識別癌症侵略性和預測新治療效果的能力。
AI在癌症檢測中的擴展角色
研究人員一直在利用AI推進癌症及其他疾病的檢測、診斷和治療。例如，劍橋研究人員推出了一款名為EMethylNET的AI模型，通過DNA數據檢測13種癌症，準確率達98%。這展示了AI在通過DNA甲基化早期識別癌症的潛力。
另一個早期模型CancerGPT使用大語言模型來預測藥物組合對癌症患者罕見組織的影響。儘管研究人員對AI可能出現的錯誤仍有擔憂，但這表明預訓練的模型在結構化數據和樣本稀缺的情況下非常有價值。
Google和iCAD也合作利用AI增強癌症篩查，他們的AI系統在準確性上超過了專家放射科醫生，提供了一個可行的解決方案，以應對全球放射科醫生短缺的情況，並改善乳腺癌篩查的可及性。
最後，一款名為Sturgeon的AI技術正在被腦外科醫生用於即時診斷中樞神經系統腫瘤，準確率達90%。
CHIEF是開源的，任何人都可以在項目的Github頁面上下載並使用自己的圖像進行本地運行。
評論
哈佛的CHIEF模型展示了AI在醫療領域的巨大潛力，尤其是在癌症檢測的精確度和效率方面。這一技術不僅提升了診斷的準確性，也為醫療專業人士提供了更深入的見解。隨著AI技術的不斷進步，我們可能會看到更多跨領域的應用，從而改變我們對疾病的理解和治療方式。然而，隨著AI應用的擴大，我們也需要謹慎應對可能的風險，如數據隱私和AI決策的透明度。這不僅僅是一個技術問題，更是一個倫理問題，需要多方面的合作和討論。
以上文章由特價GPT API KEY所翻譯
