Skip to main content
知识分享官

Search: #AI预测

  1. 心电图也能“看”出心血管风险？新AI模型突破传统限制，用更少数据更准预测疾病

    心电图是诊断心血管疾病的重要工具，但传统机器学习模型常因依赖特定标签而泛化能力有限。一项新研究开发出名为ECG-CLIP的AI模型，通过结合心电图数据与临床报告文本，实现了更高效的心血管疾病预测。该模型在超过1700万份心电图数据上预训练，并在独立验证集上表现出色，尤其在低标签数据场景下优势显著——仅用10个正样本时，对急性心肌梗死的检测AUC达0.910，远超传统模型。

    研究采用两阶段预训练框架，先通过掩码重建学习ECG特征，再结合对比学习整合文本信息。在检测急性心肌梗死、心脏淀粉样变等疾病及预测房颤、术后死亡率等任务中，ECG-CLIP均优于基线模型。当训练数据中正样本减少90%时，其性能仍能与最佳传统模型相当，展现了高数据效率。

    该模型为资源有限环境下的临床应用提供了新可能，但需更多实际场景验证。它证明AI可从ECG中提取临床意义表示，支持可扩展部署，有望提升心血管疾病早期识别与风险管理的效率。

    AI让心电图预测心血管风险更准了，甚至用少量数据也能精准判断，太厉害了！🤖


    来源：The Lancet. Digital health

    #心电图 #AI预测 #心血管疾病 #机器学习 #对比学习

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  2. AI“查错官”上岗：审论文、查手册，还揪出了错75年的沸点数据

    化学家鉴定物质、设计蒸馏工艺，常要查参考手册里的沸点值。但如果这些被奉为“权威”的数字，本身一直就是错的呢？

    浙江实验室的理论化学家Pios在用AI预测分子沸点时，发现结果总与一本有75年历史的参考数据库“打架”。他起初以为是模型出错，人工核对原始文献后才确认：错的是数据库，其中既有论文笔误，也有百年前的错误测量值。更系统的测试显示，AI代理评估了2026年ICML口头报告的168篇论文，92篇可评估的论文中仅34篇能复现至少五分之二的核心结论，复现率超80%的只有8篇；另一项研究则发现，NeurIPS论文中的客观错误数从2021年的3.8个升至2025年的5.9个，涨幅达55%。

    这表明AI能以人类难以企及的速度和规模扫描文献、修补“科学地基”。但研究者也提醒：AI查错员同样会犯错，结论必须经人工复核，而“创新性”“重要性”这类主观判断，还是该留给人类。

    以后大家的毕业论文会被人进行回溯审查嘛😭 一看一个尴尬😢


    📖Nature （news）
    📃AI agents are checking the scientific literature, and spotting decades-old errors
    🗓2026-08-06

    #AI科研 #文献核查 #科研诚信 #可复现性

    Via：乘风破浪派大星

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  3. 为什么让遵守人类法律的 AI 聊天机器人如此难以实现？

    很多人已经把 AI 聊天机器人当成“随时在线的助手”：写作业、查资料、做计划，几乎什么都能问。但如果有人向 AI 询问的是违法甚至暴力的问题，责任该由谁承担？2026 年，美国佛罗里达州检方对 OpenAI 展开调查，原因是一起校园枪击案嫌疑人被指曾向 ChatGPT 寻求建议。这起事件并未指控 OpenAI 犯罪，却将一个长期存在的问题推到公众面前：为什么 AI 很难真正遵守人类的法律、伦理和价值观？

    报道指出，目前主流的大语言模型并不是按“法律条款”或“道德原则”运作的系统，而是通过学习互联网上海量文本，来预测“下一个最可能出现的词”。为了降低风险，AI 公司通常在模型外部加上安全措施，例如关键词过滤、行为规则限制，以及通过人工反馈训练模型给出“更合适”的回答。但研究人员指出，这些措施更像是事后加上的防护层，而不是 AI 本身具备对意图和后果的理解能力。有意图的用户仍可能通过假设、虚构或绕弯的方式，避开现有的安全机制。

    专家认为，这种结构性问题与 AI 的学习方式密切相关。大语言模型本质上是在做“模式补全”，并不真正理解语言背后的意义，也无法判断行为是否违法。过去曾流行的“规则型 AI”尝试让计算机严格遵守明确规则，但在现实世界中，情况过于复杂，规则几乎无法穷举。即使采用人工反馈训练或清理训练数据，这些方法也成本高昂，且效果有限。研究人员强调，这意味着 AI 目前还不能被视为具备法律或道德责任的主体，人类仍必须对其使用方式和后果承担最终责任。

    AI 会模仿人类说话，但并不理解人类社会的底线 🤖

    Nature 都在追热点了，我们也看看吧，晚安~


    📖 Nature
    🗓2026-05-07

    #人工智能 #大语言模型 #AI安全 #科技伦理 #法律责任

    Via：睡前消息

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  4. 阿里联合顶尖三甲，实现无创、低成本结直肠癌筛查

    结直肠癌是导致癌症死亡的主要原因之一，早期筛查对降低死亡率至关重要。目前常用的结肠镜和CT结肠造影虽有效，但存在肠道准备复杂、侵入性强、患者依从性低等问题。为此，研究人员开发了一种名为COCA的新型方法，利用非对比增强CT扫描结合深度学习技术，旨在实现无创、低成本、可大规模应用的结直肠癌筛查。

    这项多中心、国际性的回顾性研究纳入了1,321名结直肠癌患者和1,357名健康对照，用于开发COCA模型。该模型采用联合病变分割与分类架构，并优化了混合监督学习。验证阶段涉及来自六个中心的2,053名患者，结果显示COCA的ROC曲线下面积（AUC）在0.967至0.996之间。与放射科医生相比，COCA将结直肠癌检测的敏感度提高了20.4%，特异性提高了5.4%。在两个真实世界队列中，COCA在9,016名连续患者中达到88.2%的敏感度和99.5%的特异性，在18,427名患者中保持86.6%的敏感度和99.8%的阳性预测值。

    COCA在物理检查、急诊、门诊及住院等不同临床场景中均表现出稳健性能，有效避免了结直肠癌的漏诊。这些发现表明，COCA有望成为大规模机会性结直肠癌筛查的有力工具，为提高筛查效率、降低死亡率提供新途径。不过，研究仍需更多样本验证，并持续优化模型以适应不同人群和临床情况。

    AI比医生还细心，结直肠癌检测新利器🤖


    来源：Annals of oncology : official journal of the European Society for Medical Oncology

    #结直肠癌 #AI #CT扫描 #深度学习 #癌症筛查

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  5. 🤖 ChatGPT Health"体检不合格"：紧急与不紧急情况易出错，漏诊风险高

    随着AI健康助手越来越普及，我们是否应该相信它能准确判断是否需要紧急就医？一项新研究对ChatGPT Health进行了严格测试，结果却揭示了令人担忧的漏洞。

    研究团队模拟了960个临床场景，发现系统在处理极端情况时表现最差。比如，对于糖尿病酮症酸中毒等紧急情况，系统竟有52%的漏诊率，建议患者等待24-48小时，而非立即去急诊。更奇怪的是，当家人或朋友淡化症状时，AI的分诊建议会显著偏向不紧急，风险比高达11.7倍。此外，在处理自杀意念时，危机干预信息有时会错误激活。

    这些发现表明，AI分诊系统在真实世界应用中可能存在严重的安全隐患。虽然患者种族、性别等因素未显著影响结果，但置信区间未排除临床意义差异，意味着仍需更多研究。研究警告，在缺乏充分验证前，不应将此类系统大规模用于消费者健康服务。

    AI分诊也怕极端情况，紧急和没病都容易搞错🤯


    来源：Nature medicine

    #AI医疗 #分诊系统 #ChatGPT #健康助手 #医疗AI #安全风险

    via: 热心群友

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

  6. AI模型GluFormer能精准预测血糖风险，甚至心血管死亡？

    我们每天通过连续血糖监测（CGM）了解血糖波动，但如何更早发现潜在的健康风险？一项新研究提出AI模型GluFormer，它通过分析大量血糖数据，能预测未来血糖变化和疾病风险。

    研究人员训练了GluFormer模型，使用超过1000万份来自10812名（主要是无糖尿病者）的血糖测量数据。该模型通过自监督学习，能跨不同人群、设备和病理状态（如糖尿病前期、肥胖等）进行预测。例如，在糖尿病前期人群中，它能区分出未来两年HbA1c显著升高的个体；在580名参与者的长期随访中，模型识别出最高风险四分位的个体中，66%发生了糖尿病，而心血管死亡也多集中在该组。

    这一发现表明GluFormer为代谢健康提供了通用框架，可能推动精准医疗。不过研究主要基于非糖尿病人群，且模型性能仍需更多验证，未来结合饮食数据预测血糖反应也值得期待。

    AI终于懂我的血糖了？🤖


    来源：Nature

    #AI模型 #血糖监测 #糖尿病预测 #精准医疗

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿