Ugrás a tartalomra

AI hírek, hogy ne maradj le

2026. október 28., szerda · frissítve 22:52
Vissza a hírekhez
Alexandr Wang (X)2026. okt. 14. 22:45kutatás

A Meta AI-modelljei kevesebb mint 4 hét alatt 10 egészségügyi kutatást írtak meg

A Meta szakértőkkel együttműködve 10 eredeti egészségügyi kutatási tanulmányt készített el a Muse AI-modelljei segítségével.

0
A videó bemutatja, hogyan segítik a Muse modellek az orvosi kutatókat az adatok elemzésében és a tanulmányok megírásában.

A Meta közzétette, hogy 10 új egészségügyi kutatási tanulmányt készítettek el kevesebb mint 4 hét alatt a Muse Spark 1.3 és Muse Wonder modellek támogatásával. A projekt során 5 millió anonimizált elektronikus kórtörténeti adatot és nyilvános információkat használtak fel. Az orvosi szakértői csoport a mesterséges intelligenciát a hipotézisek felállítására, kód futtatására és a kéziratok megírására használta.

A kutatás többek között a kardiológia, onkológia, fertőző betegségek és a sürgősségi orvostan területét érinti. A munka során a tudományos döntéshozatal teljes egészében az orvosok kezében maradt, az AI rendszerek a munkafolyamat gyorsítását és támogatását végezték. A bemutatóvideóban Alexandr Wang is felhívta a figyelmet a Muse modellek egészségügyi hatásaira.

A Meta a kutatás részleteit és a 10 elkészült tanulmányt a hivatalos kutatási blogján tette hozzáférhetővé a nyilvánosság számára.

Az eredeti szöveg (Alexandr Wang (X))
10 new papers in health science research. all written with muse models in under 4 weeks. health is one of the areas where we believe muse is going to have the greatest positive impact on humanity ❤️ [IDÉZETT POSZT, amelyet Alexandr Wang megosztott. Eredeti szerzője: AI at Meta (@AIatMeta); megjelent: 2026-10-14T18:44:49+00:00; link: https://x.com/AIatMeta/status/2110441716507693450; média: videó, 143 másodperc] We’re exploring how AI can accelerate health science research. While AI has made significant breakthroughs in formal sciences like mathematics, health data science depends on imperfect real-world data and consequential choices about cohorts, variables, and causal assumptions. To explore how AI can assist health researchers, we built a human-led research scaffold powered by Muse Spark 1.3 and Muse Wonder with access to 5M retrospective de-identified electronic health records and publicly available data. A cohort of medical experts used the system to conduct original research, accelerate hypothesis generation, code execution, and manuscript drafting while maintaining full authority over scientific decisions. Today, we’re sharing 10 research manuscripts produced through this exploration, spanning cardiology, oncology, infectious disease, emergency medicine, and more. Read more in our research blog: https://go.meta.me/3U06wvD

Az oldal magától nem használ sütit. A hozzájárulásoddal a látogatottságot a Google Analytics, a Facebook-hirdetéseink eredményét a Meta pixel méri. Részletek