#人工智能资料分享# 穆尔菲尔德眼科医院和伦敦大学学院眼科研究所的研究人员开发了一种#人工智能#(AI)系统，该系统不仅有可能识别威胁视力的眼病，还能预测一般健康状况，包括#心脏病#发作、#卒中#和#帕金森病#。
RETFound是医疗保健领域最早的人工智能基础模型之一，也是眼科领域的第一个人工智能基础模型，它是利用NHS提供的数百万次眼部扫描数据开发的。研究团队正在将该系统开源，这样全球任何机构都可以免费使用，作为全球使用人工智能检测和治疗失明的基石。这项研究发表在《自然》杂志上。
人工智能的进展继续以令人眼花缭乱的速度加速，#chatGPT#等“基础”模型的发展令人兴奋。基础模型描述了一个非常庞大、复杂的人工智能系统，该系统接受了大量未标记数据的训练，可以对其进行微调，以适应各种后续任务。#RETFound#在一系列复杂的临床任务中始终优于现有的最先进的人工智能系统，更重要的是，它通过在不同人群和罕见疾病患者中良好工作，解决了许多当前人工智能系统的一个重大缺陷。
开发人工智能模型的关键挑战之一是需要专家的人类标签，而获取这些标签往往既昂贵又耗时。正如论文中所展示的，RETFound能够匹配其他人工智能系统的性能，同时在其数据集中只使用10%的人类标签。这种标签效率的提高是通过使用一种创新的自我监督方法来实现的，在这种方法中，RETFound**了图像的部分，然后自己学习预测缺失的部分。
RETFound可以帮助提高对一些最使人衰弱的眼病的诊断，包括#糖尿病视网膜病变#和#青光眼#，并预测#帕金森氏症#、中风和#心力衰竭#等系统性疾病。通过眼睛识别一般健康问题是一门新兴科学，被称为“#oculomics#（#视觉组学#）”——这一术语是由该论文的合著者之一阿拉斯泰尔·丹尼斯顿教授在2020年创造的。眼睛是我们整体健康状况的“窗口”，提供了一种非侵入性的神经系统观察。理解眼身关系是解决复杂疾病和与#衰老#相关的整体问题的关键。
RETFound使用来自Moorfields眼科医院的160万张图像的精心设计的数据集进行训练。这项研究使用了由INSIGHT提供的人工智能工具和基础设施，INSIGHT是英国国家医疗服务体系(nhs)领导的、位于穆尔菲尔德(Moorfields)的眼科健康数据研究中心，也是世界上最大的眼科数据生物资源。该中心强大的计算和人工智能能力源自2016年摩尔菲尔德与#Deepmind#的研究合作。
#Github#地址：https://github.com/rmaphoh/RETFound_MAE
2023-10-20发表于上海
#人工智能资料分享# #人工智能#结合#脑机接口#，让#渐冻症#患者恢复“说话”能力
#斯坦福大学#的 Francis Willett 团队在 Nature 期刊发表了题为：A high-performance speech neuroprosthesis 的研究论文。
该研究开发了一种#皮质内脑机接口#（iBCI），并通过训练人工智能（AI）软件，将渐冻症（ALS）患者大脑中的神经活动实时转化为文字，且比现有技术更快、更准确、覆盖更大词汇量。这项研究展示了一条可行的路径以恢复渐冻症等瘫痪者的语言沟通能力。
该研究开发了一种脑机接口（BCI）设备，通过与人工智能（AI）结合，将#瘫痪#者大脑中想象笔迹时的神经活动实时**为电脑屏幕上的文字，能够达到每分钟90个字符（18个单词）的速度，这是当时BCI相关方法的文字转换速度的世界纪录。
2022年3月29日，研究团队在 Pat Bennett 的大脑皮层表面植入了四个微型细电极阵列（每个阵列包含8×8个电极），用于收集单个细胞的神经活动，植入的阵列连接到金线上并通过电缆连接到电脑上，并训练人工智能来**她试图进行的发声。
植入手术后大约一个月，研究团队开始对 Pat Bennett 进行每周两次的训练，让她在大脑中尝试“读出”屏幕上从数据集中随机选出的句子，这些数据集由打电话的人的对话组成。当她尝试“读出”一句话时，她的大脑活动会被**并翻译成音素流，然后由自动更正系统组装成单词，显示在屏幕上原句的下方，然后下一个新的句子出现。每次训练都会重复260-480个句子，整个系统在不断改进，从而熟悉了她在尝试说话时的大脑活动。
经过四个月的训练后，Pat Bennett 大脑中尝试的讲话能够在电脑屏幕上以每分钟62个单词的速度被实时转换成文字，这一速度是此前类似装置的3.4倍，进一步接近了自然对话的速度（每分钟约160个词）。该系统在50个单词的词汇量下错误率为9.1%，比此前最先进的语言脑机接口装置低2.7倍。
Nature 在同期发表了题为：Brain implants that enable speech pass performance milestones 的“新闻与观点”文章中表示，这两个脑机接口装置“代表了神经科学和神经工程学研究的重大进步，对于缓解因瘫痪性神经损伤和疾病而失声的人的痛苦有巨大潜力”
2023-10-20发表于上海
2023-10-12发表于上海
2023-10-10发表于上海
#环状RNA#的#药物研发#将是未来的巨大方向，它会超过目前的mRNA，不过目前mRNA技术仍然可以用于环状RNA，包括#药物递送#的技术。#魏文胜#是中国本土的环状RNA的领军人物，创办了#圆因生物#，另外，#环码生物#和#科锐迈德#也是很有潜力的公司，都值得关注。
根据#circRNA#的特点，它既可以作为编码新的蛋白使用，甚至将来还可以编码出“#纳米抗体#”的可能，因此，有望用于包括#肿瘤#在内的各类疾病。当然，这有赖于技术的全面发展，成本的降低。包括：利用#人工智能#技术合成更有效，免疫原性更低的circRNA，以及更便宜的成药方法和使用方法，另外就是特异性要更强，要针对非常特定的蛋白质（如突变的蛋白质）进行设计，这样副作用可能更低。这样它的潜力就能最大化地发挥。
2023-10-10发表于上海
#Deepmind# 又一成就：#AlphaMissense#能够预测出7100万#错义突变#，助力#罕见病#。DeepMind公司太厉害了，#人工智能#真的能改变世界!
2023-09-23发表于上海
#人工智能# 现阶段，人工智能（AI）已成为规范前列腺磁共振成像（MRI）解释和优化放射医师检测前列腺癌（PCa）表现的一种重要手段。根据2017年进行的全球疾病负担研究，从1990年-2017年，PCa的发病率一直在稳步上升，从每10万人口30.5例提高到37.9例。因此，泌尿生殖系统放射学界已采用构建策略以满足前列腺MRI作为PCa筛查和早期检测工具的激增需求。现阶段，只有在不改变放射科医生的诊断准确性的情况下，简略方案的实施才是可行的。此外，研究一致表明，放射科医生的经验在影像学结果的解释中起着关键作用，在PCa的诊断中也起着关键作用。
2023-09-04发表于浙江省
2023-07-15发表于加利福尼亚
2023-06-10发表于上海
#人工智能#心脏疾病是全球最常见的死因之一，而左室射血分数（LVEF）是评估心脏功能的重要指标之一。然而，传统的LVEF评估方法往往依赖于主观的人工追踪，因此存在异质性和差异性。同时，由于临床限制，人工重复多次测量LVEF的做法也很少被采用。
近年来，人工智能技术的迅猛发展为解决这一问题提供了新的思路。人工智能算法可以自动评估LVEF，从而提高其精度和一致性。然而目前为止，采用盲法和随机对照试验，来验证其在医学应用上的安全性和有效性的人工智能技术仍然很少。
2023-05-14
#偏头痛# #我向chatGPT提问#，看看#人工智能#如何看待偏头痛治疗的#创新药物#的？
偏头痛是一种神经系统疾病，目前常用的治疗药物主要包括三类：预防药、急性治疗药和替代疗法。近年来，随着对偏头痛发病机制的深入研究，一些新型治疗药物也在不断涌现。以下是一些偏头痛领域的最新治疗药物：
#CGRP受体拮抗剂#：CGRP是偏头痛发病机制中的重要分子，CGRP受体拮抗剂可以通过阻断CGRP受体来预防和治疗偏头痛。目前已经有三种CGRP受体拮抗剂上市，分别是爱舒华（Erenumab）、阿扎布鲁单抗（Fremanezumab）和#依可利单抗#（Galcanezumab）。此外，还有一些正在研发中的CGRP受体拮抗剂，例如Eptinezumab和Atogepant。
钙离子通道阻滞剂：钙离子通道阻滞剂是一种治疗偏头痛的传统药物，目前正在研发中的钙离子通道阻滞剂包括#Lasmiditan#，该药物可以选择性地靶向5-HT1F受体，用于急性治疗偏头痛发作。
新型抗抑郁药：一些新型抗抑郁药，例如#Vortioxetine#和Trazodone，已经显示出对偏头痛的治疗效果。这些药物可能通过影响中枢神经递质系统来缓解偏头痛。
人源化单克隆抗体：#AMG 301#是一种人源化单克隆抗体，可靶向#内皮素受体A#（ETA）来预防偏头痛发作。该药物目前正在进行临床试验。
需要注意的是，以上药物仅为目前研究和应用比较广泛的一些新型药物，其他新型治疗药物和方法还在不断涌现，但需要进一步的研究和验证。在选择和应用药物时，需要根据患者的具体情况和症状来综合考虑，同时遵循临床指南和专家建议。
2023-05-02发表于上海
#我向chatGPT提问#，#人工智能##chatGPT#给出的答案：
#伯恩斯抑郁量表#（Burns Depression Checklist，BDC）确实有一个包含15个项目的版本，称为BDC-15。BDC-15是BDC的简化版本，仅涵盖了一些常见的抑郁症状，如情绪、认知、行为等。
关于BDC-15的信度和效度，目前尚无大量的研究结果。但是一些小型的研究表明，BDC-15具有良好的信度和效度，可以用于评估抑郁症状的严重程度。
例如，一项针对中国大学生的研究发现，BDC-15的Cronbach's alpha系数为0.88，表明其具有很好的信度。另外，该研究还发现，BDC-15的得分与另一种#抑郁#症状评估工具的得分呈现高度的相关性，表明其具有很好的效度。
虽然BDC-15的信度和效度目前仍需要进一步的研究验证，但是初步的研究结果表明，它可能是一种简单有效的自评量表，可用于评估抑郁症状的严重程度。需要注意的是，BDC-15仍然是一种#自评量表#，其结果受到受试者主观因素的影响，因此在使用时应注意其局限性。
2023-05-01发表于上海
#人工智能#人工智能(AI)和机器学习已经影响了科学和工程的几个领域。虽然人工智能是一个通用术语，用于研究、开发和调查任何表现出“智能行为”的计算机系统，机器学习是人工智能的一个特殊分支，系统在给定数据集中学习特定的统计模式，以预测新数据样本的行为。在人工智能中，通常关注的是“智能**”或具有灵活性和自主性的**。人工智能系统的例子，如专家系统、降维方法和概率模型，捕捉了数据集的一些重要方面。其中，机器学习系统通过训练算法识别和捕获给定数据集(即训练数据集)中的统计模式，提供了各种各样的算法和方法，特别适合于复杂的预测任务。机器学习的主要目标是能够在各种应用中识别新数据(测试数据)中的相似模式，包括分类、回归和聚类。
2023-04-27
2023-04-26发表于香港
2023-04-26发表于香港
2023-04-16发表于香港
