Microsoft представляет расширения для Fabric, Azure для искусственного интеллекта в области здравоохранения
Microsoft представляет новые расширения для Fabric и Azure для использования в области здравоохранения с искусственным интеллектом
![gettyimages-1456133907](https://tech.miximages.com/www.zdnet.com/a/img/resize/e17bdd8a1f49e5eb57325041fdfe28546cf942da/2023/10/16/e136bcb6-5b44-493b-bcf2-05ee2ec78ae0/gettyimages-1456133907.jpg?auto=webp&width=1280)
Область здравоохранения все больше привлекает внимание самых выдающихся компаний в области искусственного интеллекта, и последним примером стала Microsoft.
На прошлой неделе компания анонсировала расширение платформы аналитики данных Fabric, которую они представили в мае, чтобы Fabric мог выполнять анализ различных типов медицинских данных. Microsoft также объявила о новых услугах в своем облачном вычислительном сервисе Azure, в том числе использование больших моделей языка в качестве медицинских помощников.
“Мы хотим создать единую, многомодальную базу данных в Fabric One Lake, где вы можете объединить все эти разные модальности данных, чтобы затем проводить анализ этих данных, запускать модели искусственного интеллекта и так далее”, – сказал Умеш Рустоги, генеральный директор Microsoft Cloud for Healthcare в интервью ENBLE.
Тенденция к многомодальности, которую ENBLE рассмотрела в статье о искусственном интеллекте в этом месяце, становится все более важной в здравоохранении, сказал Рустоги. “Мы слышали это от нескольких клиентов, которые считают, что объединение нескольких модальностей данных может открыть новые возможности для получения новых знаний, что невозможно, исследуя только одну модальность данных”, – сказал Рустоги.
- Четыре новых MacBook по плану будут выпущены в 2024 году
- Гурман модель Low-Cost Vision Pro с отказом от технологий EyeSight ...
- Зеленый’ поисковик видит опасность и возможность в революции ...
Умеш Рустоги, генеральный директор Microsoft Cloud for Healthcare.
Примером такого объединения модальностей является “построение когорт пациентов на основе критериев, полученных из их результатов образов и клинических результатов, что является одним из очень распространенных желаемых сценариев использования, которые сегодня не так просто реализовать”, – сказал он. Рустоги привел в качестве примера статью статью 2020 года в престижном журнале Nature. В этой статье приведен обзор методов “объединения данных”, которые могут быть “применены к сочетанию медицинского изображения с записями электронного здравоохранения”.
Также: Генеративный ИИ будет гораздо превосходить то, чего может достичь ChatGPT. Вот все о технологических новинках
Еще одной из новых возможностей Fabric является “сервис деидентификации”, который использует машинное обучение искусственного интеллекта для обработки клинических данных и скрытия личности пациента, например, в записях врачей. “Это была очень сложная проблема для отрасли – как выполнить обезличивание этих неструктурированных клинических записей таким образом, чтобы это было все еще значимо для научного сообщества”, – сказал Рустоги.
Коллега Рустоги, Хадас Битран, руководитель подразделения здравоохранения AI Майкрософт и отдела здоровья и жизненных наук, обсудила несколько новых предложений для искусственного интеллекта от бизнес-служб веб-сервисов Azure.
Предложение Azure AI Health Insights включает предварительно созданные модели машинного обучения AI. На данный момент предлагается три модели на предварительном этапе:
- Временная шкала пациента, которая “использует генеративный ИИ для извлечения ключевых событий из неструктурированных данных, таких как лекарства, диагнозы и процедуры, и организует их хронологически, чтобы предоставить врачам более точное представление о медицинской истории пациента и лучше информировать планы по уходу”;
- Упрощение клинического отчета, которое “использует генеративный ИИ, чтобы дать врачам возможность преобразовывать медицинский жаргон в простой язык, сохраняя полную суть клинической информации, чтобы ее можно было передать другим, включая пациентов”;
- Сведения о радиологии, которые “осуществляют контроль качества через обратную связь по ошибкам и несоответствиям. Модель также находит рекомендации и клинические находки в клинической документации при измерениях (размерах), документированных радиологом”.
Три модели добавляются к нескольким предварительно созданным моделям, которые уже предлагались для клинических исследований по подбору и онкологическим фенотипическим моделям.
Новое предложение, называемое Azure AI Health Bot, использует технологию больших языковых моделей для получения ответов на медицинские вопросы из источников, включая собственную базу данных организации здравоохранения, а также Национальный институт здравоохранения США и Управление по контролю за продуктами питания и лекарствами США.
“Идея здесь заключается в том, что эта услуга помогает клиентам создавать специализированные совместные опыты,” – сказал Битрэн ENBLE в том же интервью с Рустоги.
“Также интересно то, что возможен эффект каскада,” – сказал Битрэн. “То есть, используйте свои собственные источники, и если ничего нет в ваших собственных источниках, вы также можете предоставить ответы на основе надежных источников, а затем, если ничего нет в надежных источниках, вы можете вернуться к общему ответу.”
Конечно, в настоящее время существует много скептицизма относительно использования генеративных форм искусственного интеллекта, таких как большие языковые модели, в таких чувствительных практиках, как здравоохранение. Как Майкрософт относится к таким опасениям?
Хадас Битран, руководитель направления ИИ в сфере здравоохранения и науки о жизни Майкрософт.
“Это очень хороший вопрос и очень актуальный,” – сказал Битрэн. “Я определенно разделяю точку зрения, что большим языковым моделям необходимо что-то дополнительное для достижения хороших результатов.”
“Мы подходим к этому таким образом, что для каждой созданной нами модели, если мы используем большие языковые модели, они всегда будут сопровождаться специальными средствами защиты здравоохранения,” – сказал Битрэн.
“Один из наиболее интересных подходов [к средствам защиты] – использование меньших моделей и моделей на основе правил в гибридной модели с LLM, чтобы сохранить LLM честным, так сказать,” – сказал Битрэн.
Также: Amazon AWS представляет HealthScribe для транскрибации разговоров врачей
Например, в предварительно созданной модели для упрощения клинического отчета, “мы не просто просим языковую модель объяснить его мне; мы также реализуем много логики предобработки и постобработки, которая позволяет нам оценивать результат упрощения в соответствии с метриками производительности упрощения,” – пояснил Битрэн. “Затем мы применяем определенные перекрестные связи, чтобы увидеть, являются ли результаты фактическим упрощением источника или есть какие-то выдумки или пропущенные моменты.”
Битрэн отметил, что работа в области здравоохранения выполняется в рамках того, что Майкрософт назвал своей “ответственной платформой по искусственному интеллекту,” которая продолжает оцениваться.
“Эта ответственная платформа по искусственному интеллекту не сводится только к конфиденциальности и безопасности, к доступности и прозрачности и т.д.,” – сказал Битрэн. “Здесь также речь идет о правильности, ответственности и справедливости.”
“Наконец, модели не предназначены для замены врача,” – сказал Битрэн. “Всегда присутствует человек, и эти модели предназначены для оснащения медицинских работников инструментами, которые облегчают им бремя, помогают им в их работе.”