В Китае ИИ-чат-бот будет консультировать нейрохирургов

Поставить искусственный интеллект на службу специалистов в медицинской сфере пыталась ещё компания IBM, а уж появление более доступных систем искусственного интеллекта сделало эту задачу менее затратной. Китайские разработчики решили применить искусственный интеллект в работе нейрохирургов, помогая им выработать правильную тактику лечения пациентов или более точно поставить диагноз.

Обзор стоечного ИБП Ippon Innova RTB 3000

Сенатор США потребовал разъяснений по связям главы Intel с китайским бизнесом

Ещё одна миссия NASA под угрозой срыва — потеряна связь с зондом для изучения полярных щелей Земли

Источник изображения: Unsplash, National Cancer Institute

С этого года в семи медицинских центрах китайской столицы начнёт испытываться медицинский чат-бот CARES Copilot 1.0, разработанный гонконгскими специалистами с использованием большой языковой модели Llama 2.0 американской компании Meta✴ Platforms. По словам разработчиков, в качестве аппаратной базы для чат-бота использовались около 100 ускорителей вычислений, причём это количество примерно в равной пропорции было поделено между Nvidia A100 и китайскими Huawei Ascend 910B, которые считаются близкими конкурентами. Китайские компании и учреждения не могут получать ускорители уровня Nvidia A100 в условиях американских санкций, поэтому в качестве альтернативы используют разработки Huawei.

Для обучения специализированной медицинской большой языковой модели использовалось около миллиона медицинских записей и научных трудов в сфере нейрохирургии. По замыслу создателей, нейросеть поможет не только точнее ставить диагноз, но и обрабатывать данные диагностических обследований, включая первичную информацию МРТ, УЗИ и КТ. Изображения, аудиозаписи и текст тоже будут по зубам этой системе, которая на определённом этапе развития сможет даже давать рекомендации врачам по поводу выбора правильной тактики лечения пациента. Китайские специалисты пожаловались на отсутствие доступа к передовым ускорителям Nvidia, но делают ставку на использование более точных данных для обучения языковой модели, которые должны позволить добиться хороших результатов даже при относительно слабой аппаратной базе.