张梦然是

在生活中以及工作的方方面面，我们可以很明显地感受到生成式人工智能技术的威力，但它远远不止于此，在医疗健康领域的应用正悄然发生着变革。

一场革命即将来临。美国哈佛医学院、斯坦福大学及布莱根妇女医院的合作团队设计出一种多功能人工智能模型——能够诊断多达19种不同类型的癌症——该技术能以全新形式和效果改变现有AI检测方式。这种先进的新一代AI在《自然》杂志上得到了详细介绍，它比目前大多数现有的癌症诊断方法都有长足进步。

可以这么说，这是一个里程碑式的时刻，它标志着人工智能在医疗行业的进步，同时也代表了对癌症治疗的一次重大改进。

具有大语言模型的适应性

当前用于癌症诊断的AI模型主要侧重于特定任务上，如找出某癌症是否存在，预测某肿瘤的基因型等，这类算法利用前已定义的特征进行分析和训练，能在较短时间里判断组织样本中是否携带有肿瘤，甚至部分预测这些肿瘤的侵袭性。

这些AI只能够在少量癌症类型上提供有限的诊断和预后分析能力。该团队指出，目前这些AI仍未达到它们潜力的所有可能性。

相比之下，新一代AI的灵活性略逊于大型语言模型ChatGPT，在特定任务上表现一般；但研究人员则对它进行了一次大规模测试，该测试涉及了19种不同的癌症类型。

尽管最近有多个基于病理图像的医学诊断基础AI模型问世，但是据称它是最具竞争力的一个可以预判患者的健康情况并将其结果在全世界范围内的患者中得到检验的模型。

这个AI模型利用从数字幻灯片中读取到的肿瘤样本来运作。它的功能是通过分析图像中识别的细胞特性的变化检测出癌细胞，并预测出肿瘤分子特征，其准确性超过了当前大多数人工智能系统。此外，它还可以对多种癌症患者的生存率做出准确估计，并能准确判断肿瘤周围组织的特征，这些特征与患者对手术、化疗、放疗及免疫疗法等标准治疗方式的反应密切相关。

换个说法就是，在之前尚未被发现或研究过的与患者的生存情况有关的肿瘤特点方面，私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596AI技术或许展现出了新的洞察。

"具备比前辈还要准确的命中率"

研究人员为这一新模型命名为CHIEF，即“临床组织病理学成像评估基础”，其目标是建立一种技术，用于识别并分析医学影像中的细微变化，从而实现对疾病早期阶段的诊断。为了达到这一目标，研究人员将1500万张未标记图像输入到CHIEF中进行训练，并且随后又增加了6万张全切片图像，这些图像来自于肺部、胃部、结肠、大脑、肝脏、胰腺和肾上腺皮质等19种组织。通过进一步的训练，CHIEF能够对特定区域的变化及其整体背景进行联系分析，从而为医生提供疾病诊断的依据。

这使得CHAISE更擅长考量广泛的视角，并且大大推动了临床医学的发展，这一点相比前辈型的人工智能系统要高出许多。

为证明CHIEF并非性格空洞，研究团队对来自全球24家医院的32个单独的数据集中的19400多张患者图片进行分析，以评估其性能。

CHIEF在癌症检测方面的准确性达到近94%，它从独立队列中收集到的5个活检数据集中的准确率高达96%，覆盖了食道癌、胃癌、结肠癌和前列腺等多种类型的癌症。当团队使用手术切除的结肠癌、肺癌、乳腺癌、子宫内膜癌和宫颈癌等罕见样本测试CHIEF时，准确性也超过了90%。

基于所有这些理由，总体来说，我们对于癌症早期诊断的准确性要比目前最先进的人工智能技术提高约36%。这不仅仅是关于癌症细胞的检测，还包括私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596了针对肿瘤来源判断、精准患者的预测以及能识别与治疗方法效果相关的基因。

由于它进行了大量的功能训练，不管是通过病理切片还是手术摘除，CHIEF都能精准地作出诊断，并且不管采用什么技术对癌细胞样品进行数字化处理，其准确率是一样的。这种灵活性使它可以在多种诊疗环境下发挥作用。

它将为病理学医生提供很大的帮助

值得重视的是，癌症细胞的遗传构成实际上决定了它将来“行为”的关键因素。

现在，结合人工智能能力与人类病理学家专业知识的新型检测技术可迅速、低成本地辨识到图片上的某些特殊基因组异常模式。

在观察全系统的图像时，CHIEF 以超过 70% 的整体正确率识别出常见的癌症突变，这包括了54种类型。对于特定癌症类型的特定基因变异，准确性更高。为了更好地帮助医疗专家，AI 在分析完图像后会展示重点区域，并突出显示癌细胞与其周围环境之间的相互作用，在此基础上生成“热图”。当人类病理学家观察这些AI发现的热点时，显著而值得注意的信号就会一目了然。

这一事实特别凸显了AI可以提高临床医生做出更为有效地和准确地诊断癌症的能力。

尽管如此革命性，它仍然远非尽善尽美。

科学家正在实施一项计划来进一步提高机器学习算法的能力。这项计划由一组接一组的“特训”组成：首先，他们将对罕见疾病和非癌症组织图像进行额外训练；其次，向模型提供更多分子数据以增强其识别不同侵袭程度癌症的能力；然后，通过用细胞完全癌变之前的癌前组织样本进行训练，来提升算法在识别癌症风险方面的能力。

在训练之后，AI能够协助人类医疗专家识别出癌症，并改善治疗方案。它还能够预知新型的癌症疗法可能会带来的收益与风险，从而帮助医生及患者避免不必要的尝试与错误。