医学奇迹通常历时多年试错万一时间框架缩到周或月而不危及敏感病人数据呢
这是允诺MedPerf开源平台简化并加速向研究人员和临床医生提供AI/ML应用2023年7月发布MedPerf帮助临床医生和研究人员测试数学模型有效性
edPerf评价医学AI模型多样性现实数据, Alexandros Karargyris表示,
MedPerf用户可强力量化医学AI模型性能同时保护私有数据,
MedPerf潜力巨大验证应用可帮助临床医生提供救生解药和改变生命的治疗方法,自然机器情报研究报告宣布MedPerf高级自动化还可以消除耗时人工过程,有可能提高保健组织的效率和生产力
清晰授权创新:老化人口和迫近退休意味着更多人接受数目减少的临床医生治疗未来数十年他们的离去只会增加留守者的负担。
如何验证AI铺设通向更好的医学模型
研究人员和创业者正在创造性地应用AI/ML模型处理各种难解的保健题他们的进度需要帮助清除一个关键问题:他们的AI/ML模型可信吗?
Karargyris分享这个假设:印第安纳癌症研究者使用当地医院的病人数据培训AI模型检测X光特殊类型肿瘤潜在救生突破 但有渔获
Krairgyris表示:「你接受印地安那人口数据训练模型可能偏向于该人口群
AI模型估计可以帮助任何临床医生为同肿瘤患者提供早期诊断医科医生如何能确信印地安那模型产生结果帮助病人?
MedPerf站到那里 帮助医疗AI用户 与世界各地的同僚分享知识医院和诊所可输入验证模型并应用到私有IT系统并应用到本地医疗需求中这有助于预防意外发布病人数据
Krairgyris解释道,
参与组织只分享MedPerf验证测试的高层次汇总结果
并补充道, “这是有意的,因为我们首先面向病人隐私”。
信任为何居于AI保健建模中心
AI/ML模型使用模式匹配算法分析大量数据并产生比人能快得多的有用结果模型可以训练分析任何东西-如果有足够的准确、不偏差数据生成统计有效洞察力
医学上AI/ML模型可梳理数字X射线图像像素并发现肿瘤或人类可能遗漏的其他异常证据AI/ML可帮助医生快速确认肺X射线内COVID-19感染证据
请求显而易见:快速更精确诊断帮助病人、医生、医院管理员、保险公司投资商等安全医疗AI模型防止昂贵难堪数据破解MedPerf通过联想学习实现所有这一切,使全局AI模型网络向医院、诊所和研究组织提供MedPerf平台是AI模型开发者与本地临床医生之间的中间点,后者可使用自己选择模型帮助诊断病人的弊病。
Medperf编译并自动化应用AI/ML模型,通过联结学习产生快速效果
MedPerf管弦能力下, 数小时而非数月内通过同一组合作者评价多项AI模型spyridonbaks,宾夕法尼亚大学 Perelman医学院助理教授Bykas为康德蒙医疗工作小组指导临床翻译基准
多亏联想学习,模型可以想象成百上千家医院数据培训会大大降低偏差和不准确性的可能性
Krairgyris说,“我们谈论的深学习模型非常饿数据”。
实验显示模型收集更多数据后会提高精度
Krairgyris补充道 :
验证过程建立模型精度标准
康德蒙斯和MedPerf
MedPerf项目康德蒙全自愿者组织建立通用AI精度和性能基准创建组织成员包括微软、谷歌、戴尔、英特尔等技术巨头和更多民营企业世界各地的研究人员和AI实践者都加入进来,为AI/ML解决方案的可靠性、速度和效率建立一致统计
康德蒙斯组成医疗工作组保健相关AI/ML模型为零截止2023年7月,工作组集中了13个国家的9所医院加数十家公司和AI/ML专家的努力该工作组还开发了一个名为GANDLF的项目,这是一个低码/无码平台,供临床医生搭建AI/ML应用软件而不需要高级编程知识
ebojyoti Dutta表示:「我们很快看到ML的潮流,Dutta是Nutanix工程公司副总裁,帮助支持MedPerf开发
Nutanix加入工作组实验测试结果gliblatoma攻击性肿瘤 常攻击脑和脊髓临床医生喜欢他们所见
Dutta表示,
将MedPerf派到临床设置
云计算时代使医学AI用户问题复杂化面向公共云服务所获取的所有弹性和规模,它们的守法挑战往往鼓励将敏感医疗信息保留在假设式数据中心中
研究引用Nutanix云索引保健反映这些现实最新数据表明保健组织略微落后于企业多云IT基础设施的全球平均数(53%对全世界60%)可很快改变:近四分之三云指数调查响应者表示计划在未来三年使用多云基础设施
Dutta在2000年来到Nutanix前曾深入经历这些复杂问题,Nutanix多云平台解决医疗AI基础设施挑战的潜力为他注入活力
Nutanix平台可托管许多奇异次元AI工作量,这可能包括创建数字双胞胎模型过程 创建新药或抗体治疗疾病医学AI基础设施 和他们能为人类做的一切令我兴奋