这项研究由科布伦茨应用科学大学和波恩大学医院的医学研究人员团队完成，他们开发了一种名为 OptAB 的 AI 模型，用于个体化和优化地选择治疗败血症的抗生素。该模型完全基于 AI 数据驱动，并特别注重在考虑副作用的情况下，为败血症患者选择最合适的抗生素。其目标是最大化治疗成功率，同时显著降低治疗过程中的副作用。
此外，这一研究得到了莱法州卫生部门的资助，并被认为是首个能够为败血症患者提供个性化抗生素优化选择的在线模型。由于败血症治疗开始时病原体通常未知，医生常常依赖广谱抗生素，而 OptAB 模型可以通过分析患者的临床数据、病原体信息及药物敏感性，帮助医生快速制定更精准的治疗方案。相关成果已发表在医学期刊《npj·digital medicine》上。
据开发人员称，该 AI 模型是使用历史败血症病例的数据创建的，是世界上第一个此类 AI 模型。找到正确的药物组合来治疗败血症可以大大增加康复的机会，并消除对可能导致严重副作用的广谱药物治疗的需求。
（资讯来源：德国联邦外贸与投资署）
13 天前
SAP联合创始人、亿万富翁Hasso Plattner计划对位于波茨坦的前勃兰登堡州议会大楼进行重大投资，将其改造为波茨坦大学的第四个校区。这一举措意在将波茨坦打造为“欧洲的斯坦福”，进一步巩固其在科技、研究与创新领域的地位。 项目核心内容包括： 对年久失修、甚至在2023年曾发生火灾的前议会建筑进行修复与重建； 在该地建设新的教学和研究设施，为波茨坦大学提供更多空间； 扩展现有的Hasso Plattner研究所（HPI），加强软件工程与数字创新研究； 投资覆盖波茨坦大学的Golm、Griebnitzsee等校区。 人工智能将成为学术发展的重点 普拉特纳在一份声明中阐明了目标，即实现 “国际领先的研究与教学”，重点聚焦于人工智能（AI）。“欧洲需要这样的地方，让来自世界各地的人才能够自由思考、研究和创造 —— 波茨坦将成为这样一个地方。” 资金与影响： 虽然具体金额未公开，但预计是数十亿欧元级别。此投资对于财政压力较大的勃兰登堡州意义重大，尤其是在该州计划新举债约20亿欧元的背景下。 Plattner的地区影响力： 他曾出资重建州议会大楼外立面，创建了Barberini博物馆和Minsk艺术馆。他在波茨坦Griebnitzsee拥有住所，并通过其基金会深度参与当地教育与文化项目。基金会总部设在著名设计师Wolfgang Joop的旧别墅中。 （图片：HPI.de）
2 个月前
人工智能是汉诺威工业展上的主导主题 微软正在推出创新助手，旨在显著简化工厂的工作流程。在近日开幕的2025汉诺威工业博览会上，微软展示了可广泛应用于工业领域的具有人工智能的创新虚拟助手。该软件公司在此次展会上展示的新产品之一是“工厂运营代理”(Factory Operations Agent)。 据该公司介绍，这是一个人工智能助手，旨在优化工厂车间的流程。例如，该解决方案使工人能够通过使用自然语言查询来分析机器的数据。 “负责任的经理”将能够优化制造流程。人工智能助手还可以比以前更轻松地识别错误来源并解决问题。 微软德国公司董事总经理阿格尼丝·赫夫伯格在汉诺威工业博览会开幕式上表示，人工智能已经走出了测试和实验阶段，正在工业领域得到广泛应用。 “我们必须毫不犹豫地引入人工智能，否则德国将在国际竞争中落后。我们必须让数据宝藏为人工智能所用。” 德国人工智能已经存在 根据德国数字协会Bitkom的一项代表性调查，42%的德国工业企业已经在生产中使用人工智能，另有三分之一（35%）有相应计划。其中包括机器的监控、机器人和车辆的控制以及能源消耗的优化：这项调查是在德国 552 家拥有 100 名或更多员工的工业制造公司中进行的。82%的公司认同人工智能的使用对于德国工业的竞争力至关重要。 然而，近一半（46%）的人认为德国工业界可能会错过人工智能革命。微软与谷歌、Meta、亚马逊并列成为全球领先的人工智能系统提供商，部分原因是微软首席执行官萨蒂亚·纳德拉早期投资数十亿美元与加州人工智能初创公司OpenAI及其开发的聊天机器人ChatGPT进行全面合作。 (资讯来源: tagesschau.de）
2 个月前
这项研究由科布伦茨应用科学大学和波恩大学医院的医学研究人员团队完成，他们开发了一种名为 OptAB 的 AI 模型，用于个体化和优化地选择治疗败血症的抗生素。该模型完全基于 AI 数据驱动，并特别注重在考虑副作用的情况下，为败血症患者选择最合适的抗生素。其目标是最大化治疗成功率，同时显著降低治疗过程中的副作用。 此外，这一研究得到了莱法州卫生部门的资助，并被认为是首个能够为败血症患者提供个性化抗生素优化选择的在线模型。由于败血症治疗开始时病原体通常未知，医生常常依赖广谱抗生素，而 OptAB 模型可以通过分析患者的临床数据、病原体信息及药物敏感性，帮助医生快速制定更精准的治疗方案。相关成果已发表在医学期刊《npj·digital medicine》上。 据开发人员称，该 AI 模型是使用历史败血症病例的数据创建的，是世界上第一个此类 AI 模型。找到正确的药物组合来治疗败血症可以大大增加康复的机会，并消除对可能导致严重副作用的广谱药物治疗的需求。 （资讯来源：德国联邦外贸与投资署）
3 个月前
delphi GmbH 是一家成立于 2001 年的德国创新型企业，总部位于德国，专注于健康促进和预防领域。自创立以来，公司从最初的药物滥用预防和咨询服务起步，逐步发展为一家将科学研究、数字化技术与实践应用相结合的行业先锋。近年来，delphi GmbH 在人工智能（AI）领域的投入尤为突出，其标志性项目之一——SuchtGPT，充分展示了公司在健康服务中应用AI的雄心与能力。 公司概况与核心业务 delphi GmbH 的使命是通过科学方法和创新手段提升人们的健康与福祉。公司业务涵盖在线咨询与干预项目、项目评估与研究、健康信息传播以及创新项目开发。其团队由心理学、公共健康、社会工作等领域的专家组成，强调将理论知识转化为实际解决方案。服务的客户包括公共机构和私营企业，业务范围覆盖德国及相关合作网络。 delphi 的核心价值体现在四个方面：科学性（以实证研究为基础）、实用性（贴近实际需求）、数字化（利用现代技术接触广泛人群）以及合作性（与客户共同制定策略）。这些理念不仅贯穿其传统健康服务，也为其AI相关业务奠定了基础。 AI业务：SuchtGPT 项目 在人工智能领域，delphi GmbH 的代表性项目是 SuchtGPT（“Gestaltung, Programmierung und Testung eines KI-basierten Chatbots für Suchtfragen” 的缩写，意为“设计、编程和测试用于毒瘾问题的AI聊天机器人”）。该项目由德国联邦卫生部（Bundesministerium für Gesundheit, BMG）资助，旨在开发一个基于AI的聊天机器人，为用户提供毒瘾相关问题的低门槛、匿名支持。 SuchtGPT 的目标是通过一个符合欧盟数据保护标准（DSGVO-konform）的数字化工具，帮助用户获取信息或引导他们进入专业戒毒体系。项目利用大型语言模型（Large Language Model, LLM），结合毒瘾领域的专业知识和沟通技巧，使聊天机器人能够独立、准确地回答用户提问。开发过程采用参与式方法，广泛吸纳毒瘾救助领域的利益相关者（如专业协会、戒毒机构和政策制定者）的意见，确保工具的实用性。 项目实施分为多个阶段：前期技术框架搭建与背景研究、原型开发与测试、以及基于数据分析的持续优化。截至 2025 年 3 月，SuchtGPT 仍处于开发阶段。2025 年 1 月 15 日，项目团队举办了一场数字化信息活动，向超过 250 名参与者展示了项目规划和生成式AI的应用成果。更多进展可通过其官网跟踪。 AI与健康服务的融合 SuchtGPT 项目不仅体现了 delphi 在AI技术上的投入，也延续了其在数字化健康服务领域的专长。公司通过在线咨询平台、健康教育工具等积累了丰富的经验，而 AI 的引入进一步扩展了服务的广度和深度。例如，SuchtGPT 的聊天机器人旨在以更高效、智能的方式触达需要帮助的人群，同时保持服务的科学性和可靠性。这种将AI与健康促进相结合的模式，凸显了 delphi 在行业中的前瞻性。 团队与合作伙伴 delphi 的 AI 项目由一支跨学科团队推动，成员包括心理学专家、技术开发人员和数据分析师。在 SuchtGPT 项目中，公司与 nexus Institut 等合作伙伴协作，负责参与流程的执行，同时依托 IT 与 AI 专家确保技术实现的高标准。这种合作模式也反映了 delphi 一贯强调的“协作性”理念。 总结 delphi GmbH 是一家在健康促进领域深耕多年的德国企业，以科学性与实用性著称。近年来，公司通过 SuchtGPT 等项目，积极探索人工智能在健康服务中的应用，致力于为毒瘾等问题提供创新、数字化的解决方案。凭借其专业团队和与时俱进的技术战略，delphi 在德国乃至全球的健康科技领域占据了重要地位。 这家企业不仅是健康促进的践行者，更是 AI 技术在公共福祉领域应用的先锋。未来，随着项目的推进，delphi 的影响力有望进一步扩大。 （信息来源：dephi官网）
3 个月前
德国Comarch ERP Enterprise 是一款全面的企业资源规划 (ERP) 系统，专为寻求在流程方面提高 ERP 系统用户技术进步水平的企业而设计。它是一款现代化的 ERP 系统，具有高度的灵活性和可扩展性，能够满足各种规模和行业的企业的需求。 Comarch企业软件公司最近撰文：“ChatERP: Quantensprung im Enterprise-Resource-Planning”，即ChatERP在企业资源规划中的巨大进步。这份白皮书提到ERP系统是企业的核心，整合了关键业务流程和数据。过去，AI在ERP中的应用成本高且复杂，主要适用于大企业。但生成式AI和大型语言模型（如ChatGPT）的出现改变了这一状况，使得中小企业也能利用AI提升竞争力。这里的关键点是生成式AI降低了使用门槛，使得ERP中的AI助手变得可行。 1. 引言与背景 ERP系统的重要性：作为企业核心，整合关键业务流程（生产、采购、销售等）及数据（客户、订单、库存等）。AI在ERP中的演变：传统AI（如机器学习）成本高、数据需求大，仅适用于大企业；生成式AI（如ChatGPT）通过大型语言模型（LLM）降低门槛，使中小企业也能利用AI提升竞争力。ChatERP的定位：Comarch ERP Enterprise（6.4+版本）内置的多语言AI助手，通过自然语言交互革新ERP使用方式。 2. 改善可用性与降低使用障碍 自然语言交互：用户可通过对话形式与ERP系统互动，支持多语言，会话上下文感知。 动态帮助系统：基于RAG（检索增强生成）技术，AI助手深度理解ERP系统细节，无需额外训练。替代静态文档，提供实时、步骤化指导（如创建新文章、导航功能）。 降低学习成本：新用户快速上手，缩短培训时间；有经验用户更快掌握新功能。减少对IT支持的依赖，释放IT团队资源用于创新任务。 3. 通过语音/文本命令高效控制应用 多模态交互：支持传统UI操作与语音/文本指令结合，提升效率。应用场景： 快速导航：直接跳转深层功能（如“打开分类为家居用品的文章”）。数据操作：创建/打开记录（如“为Mustermann公司新建订单”并预填数据）。自动化任务：处理重复性工作（数据清理），但关键操作需人工审核。 类似消费级助手（如Siri）：但针对企业复杂场景优化，通过API集成ERP功能。 4. 通过聊天探索ERP数据价值 数据查询与分析： 自然语言生成报告（如“显示上季度各地区销售额”），自动生成图表或摘要。预测与洞察：销售趋势预测、库存优化建议。 降低数据分析门槛：非技术用户无需复杂技能即可获取业务洞察，支持数据驱动决策。 5. 安全与合规 权限管理：通过架构设计确保数据访问合规性（如Berechtigungen权限控制）。数据隐私：企业数据仅用于内部处理，符合GDPR等法规。 6. 实施建议与结论 采用策略： 选择兼容现有系统的AI助手（如ChatERP），分阶段部署，从小任务开始。培训员工适应新交互方式，结合传统与AI操作以最大化效率。 未来潜力： 持续优化AI模型，扩展应用场景（如供应链优化、客户行为分析）。推动ERP从“记录系统”向“智能决策支持系统”转型。 核心价值总结： ChatERP通过自然语言交互、动态帮助、语音控制及智能数据分析，显著提升ERP系统的易用性、效率和决策支持能力，尤其助力中小企业以更低成本实现数字化转型。
3 个月前
DELFI（DNA Evaluation of Fragments for Early Interception，DNA片段早期拦截评估）是由约翰霍普金斯大学（Johns Hopkins University）的西德尼·基梅尔癌症中心（Sidney Kimmel Cancer Center）的研究人员开发的一种基于人工智能的血液检测技术。它旨在通过分析血液中的游离DNA（cell-free DNA, cfDNA）片段模式，检测癌症的早期信号。这一技术最初由Victor E. Velculescu（肿瘤学教授兼癌症遗传学和表观遗传学项目联合主任）和Robert B. Scharpf（肿瘤学副教授）等人提出，并在2019年发表在《自然》（Nature）杂志上。 DELFI的工作原理 DELFI利用了癌细胞和健康细胞在DNA片段化（fragmentation）模式上的差异。当细胞死亡时，会释放DNA片段到血液中，而癌细胞释放的cfDNA在大小、分布和基因组区域的特征上与正常细胞有所不同。DELFI通过以下步骤实现癌症检测： 血液样本分析：从血浆中提取cfDNA。 片段模式识别：使用低覆盖率测序技术分析数百万个DNA片段，观察其异常模式（如片段大小和数量）。 AI算法处理：通过机器学习模型识别与癌症相关的特定片段化特征，生成“DELFI分数”，用于判断癌症是否存在以及可能的来源。 这种方法成本效益高，因为它不需要高深度测序，仅需低覆盖率测序即可实现筛查目的。 DELFI的应用 DELFI最初被开发用于肺癌检测。在2021年的一项研究中，它在796名来自丹麦、荷兰和美国的受试者中检测出超过90%的肺癌病例，结合临床风险因素和影像学检查后，敏感性高达94%。随后，研究扩展到其他癌症类型： 肝癌：2022年，DELFI在一项涉及724人的研究中检测出超过80%的肝细胞癌（HCC），即使在早期阶段也能发现异常。 多癌种检测：DELFI已被探索用于检测多种癌症，包括肺癌、肝癌等，并显示出跨种族和风险人群的普适性。 DELFI的优势 早期检测：能在癌症早期发现信号，提高治疗成功率。 非侵入性：只需抽血，无需活检或侵入性检查。 高灵敏度和特异性：例如肝癌检测中敏感性88%、特异性98%。 可扩展性：技术成本较低，适合大规模筛查，尤其在高风险人群中。 发展与商业化 2019年，Velculescu等人创立了DELFI Diagnostics公司，将这项技术推向商业化。迄今为止，公司已获得数轮融资，包括2021年的1亿美元A轮融资和2022年的2.25亿美元B轮融资。2023年，DELFI Diagnostics推出了首款商业化产品“FirstLook Lung”，用于肺癌筛查。 局限性与未来 尽管DELFI前景广阔，但仍需更大规模的临床试验来验证其在真实世界中的表现。此外，如何将结果与现有诊断流程（如影像学）无缝整合，以及提高对罕见癌症类型的检测能力，是未来的研究方向。 DELFI代表了AI在癌症早期检测领域的重大突破，体现了约翰霍普金斯大学在医学AI研究中的领先地位。
3 个月前
CheXNet 是由斯坦福大学研究团队开发的一种深度学习模型，专门用于从胸部 X 光片中检测和诊断疾病。它基于卷积神经网络（CNN），最初是在 2017 年由 Pranav Rajpurkar、Jeremy Irvin 等研究人员在论文《CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning》中提出的。 CheXNet 的背景与目标 医学影像分析一直是人工智能在医疗领域的重要应用方向。胸部 X 光片是诊断多种胸部疾病（如肺炎、肺结节、心脏扩大等）的常见工具，但传统的诊断依赖放射科医生的人工判读，效率和准确性可能因医生的经验而异。CheXNet 旨在通过自动化分析达到甚至超过人类放射科医生的诊断水平，尤其是针对肺炎的检测。 技术原理 CheXNet 是基于 DenseNet-121（一种深度卷积神经网络架构）进行改进的模型。研究团队利用了 NIH（美国国立卫生研究院）发布的 ChestX-ray14 数据集，该数据集包含超过 10 万张胸部 X 光图像，标注了 14 种常见胸部疾病。CheXNet 在这个数据集上进行训练，能够同时预测这些疾病的存在与否。 具体来说： 输入：单张胸部 X 光图像。 输出：14 种疾病的概率分布（例如肺炎、肺气肿、胸腔积液等）。 创新点：通过微调 DenseNet-121 的最后一层，CheXNet 不仅能检测单一疾病，还能处理多标签分类任务（即一张图像可能同时存在多种疾病）。 在测试中，CheXNet 的表现尤其在肺炎检测上达到了放射科医生的水平，其 ROC 曲线下面积（AUC）超过了 0.76，显示出较高的敏感性和特异性。 应用与影响 CheXNet 的开发展示了 AI 在医学影像诊断中的潜力，尤其是在资源匮乏地区，自动化的工具可以辅助医生快速筛选和诊断。它也推动了后续研究，比如结合注意力机制、可解释性分析（如热力图，显示模型关注图像的哪些区域）以及与其他数据集的迁移学习。 局限性 尽管 CheXNet 表现优异，但它仍有局限性： 数据依赖性：模型的效果依赖于训练数据的质量和多样性，可能在不同人群或设备生成的 X 光片上表现不一致。 可解释性：作为深度学习模型，它的决策过程对人类来说仍是“黑箱”，需要进一步改进以获得医生的信任。 临床验证：虽然在研究中表现良好，但在真实临床环境中的广泛应用还需要更多验证。 后续发展 CheXNet 开辟了医学影像 AI 研究的新方向。斯坦福团队和其他研究者在此基础上开发了更先进的模型（如 CheXNeXt），并探索了与自然语言处理结合的系统，用于生成放射学报告。xAI 等公司也在类似领域推进研究，试图将 AI 更深入地融入医疗实践。
3 个月前
2025年2月18日，“2025医疗人工智能与精准诊疗发展论坛”在瑞金医院召开。此次盛会汇聚了众多行业专家、学者及华为代表，共同见证瑞智病理大模型RuiPath的发布。 近年来，AI技术在全球范围内蓬勃发展，为各行业带来了深刻变革，医疗领域也不例外。为有效提升病理切片检查的效率和诊断准确率，瑞金医院携手华为公司推进数字化智慧病理科建设并获得成果。此次活动线上、线下同步播出，由瑞金医院-上海市数字医学创新中心朱立峰主持。 致辞嘉宾： 宁光 中国工程院院士/瑞金医院院长 上海市医院协会副会长 看着台下爆满的会场，我深切感受到：这场技术浪潮已然到来。我也曾学习安装豆包、摸索Kimi、尝试DeepSeek——这些过程让我逐步思考：当AI重构社会的速度远超想象时，医院正面临更多机遇和挑战。 我们像活在玻璃瓶里的人，瓶外的铁锤随时可能落下。三年前讨论的“未来技术”，如今已成为基础工具。瑞金医院选择主动打碎瓶子，找到临床应用中的“刚需”，助力病理科图像分析，今天我们将一起见证瑞智病理大模型RuiPath的发布。除此以外，我们还将感受更震撼的多模态融合。 可以想见，如果华为的ICT基础设施、联通的传输能力这些技术若注入医疗场景，那将是怎样的盛宴。但比技术更重要的，是守住生命至上的底线——我们只用经得起验证的技术。在此向全国同仁发出邀请：瑞金医院愿意做医疗AI的“创新实验室”。我们深知机器必然替代部分人力，但人文关怀永远不可替代，让我们共同构建“技术-人文”双螺旋，为你的梦想插上一双“理性的翅膀”。 冯骏 上海市卫生健康委员会（信息化管理处）副主任 当前AI技术推动医疗向智能化、精准化迈进，国家积极推进卫生健康行业“人工智能+”应用创新发展，上海致力于打造医学人工智能高地，已发布相关方案，将推进医疗健康数据新型基础设施建设等工作。本次论坛聚焦病理诊断中AI应用创新，该技术有望缓解病理医生资源短缺，提升检查效率和诊断准确率。此次瑞金医院与华为合作，发布的大模型是重要一步，期待此次大会医生、专家共同探讨未来方向，为健康中国建设贡献力量。 王育 上海申康医院发展中心副主任 国家妇产疾病临床医学研究中心上海分中心负责人 近年来，AI技术在全球蓬勃发展，在医疗领域带来变革，国家重视并出台文件推进医疗AI创新应用。上海作为前沿阵地积极响应，申康医院发展中心推动市级医院医学AI部署应用。病理AI发展有着重要意义，期待此次论坛为医疗AI发展注入动力，助力公立医院高质量发展。同时，也希望通过此次论坛能够进一步加强产学研用的深度融合，促进人工智能技术在医疗领域的转化与落地。 胡建平 国家卫生健康委统计信息中心原副主任 中国卫生信息与健康医疗大数据学会副会长 当前健康中国与数字中国战略深度融合，我们正推动经验医学向精准医学的历史性跨越。在此进程中，病理诊断作为临床金标准，其革新意义尤为重大。AI不仅提升病理诊断效率和准确性，更能将专家经验转化为普惠资源。瑞金医院与华为的合作具有示范价值——通过百万级病理数据与先进数据存力的融合，实现了从数字化病理到智能化诊疗的突破。 瑞智病理大模型RuiPath发布 王朝夫 上海交通大学医学院病理学系主任 瑞金医院病理科主任 自2021年底启动以来，瑞金医院病理科在院领导支持下，与合作伙伴紧密协作，实现了从信息化到数字化再到智能化的跨越。2023年3月，端到端数字化智慧病理系统上线，标志着我们迈入新时代。我们坚持“以场景驱动技术，以技术赋能场景”的理念，汇聚多方力量，攻克难题。今天，瑞智病理大模型RuiPath的发布，标志着瑞金病理科在智能化领域迈出了更加坚实的一步，也为我国病理诊断的均质化、高效化发展注入了新的潜能。 笪倩 瑞金医院病理科主任助理 当前，病理面临数字化程度低、数据质量参差不齐等挑战。瑞金医院病理科依托医院大模型布局，基于百万级数字切片库，打造了瑞智病理大模型RuiPath。RuiPath实现4大创新，包括场景与应用创新、模型与算法创新、存算协同创新和AI工具链创新。RuiPath覆盖了中国每年90%癌症发病人群罹患的癌种，并且亚专科知识问答深度达到专家级知识水平，改变传统病理医生的工作模式，提升了诊断效率与质量。未来，我们将继续技术创新，推动标准建立，打造“无人病理科”，复制瑞金模式，服务更多患者。 周跃峰 华为公司副总裁、数据存储产品线总裁 AI正在重构千行万业，造就数据的黄金时代，然而AI进入各行业仍面临着三大挑战。首先，从通用大模型到行业场景大模型，需要进行针对性训练；其次，行业场景模型训练和应用落地难，项目开发难度大，人员技术要求高，开发周期不可控；最后，AI集群可用度往往不足50%，需要不断提升全系统调度效率。基于以上挑战，华为提供DCS AI解决方案，构筑行业大模型根基。 （信息来源：华夏病理网）
Minimax（海螺AI）已由大模型名Minimax替换原海螺AI。现海螺AI为Minimax视频生成产品名。
海螺AI