Home / Archive by category "medicina"

medicina

TikTalk l’intelligenza artificiale AI incontra la logopedia

FORMAZIONE SCOLASTICAIl nuovo sistema AI accelera la logopedia TikTalk , un nuovo sistema basato sull'intelligenza artificiale (AI), può accelerare la logopedia con una personalizzazione delle lezioni senza precedenti e una formazione innovativa per i bambini di età compresa tra i 6 ei 6 anni che utilizzano videogiochi altamente coinvolgenti per incoraggiare una pratica domestica più frequente. TikTalk motiva i bambini con disturbi del suono del linguaggio a esercitarsi più a lungo e in modo più accurato utilizzando protocolli di allenamento comprovati in un ambiente di gioco divertente. Progettati da patologi del linguaggio del linguaggio (SLP) attraverso la ricerca clinica e l'apprendimento automatico , i regimi pratici ripetitivi e noiosi sono ora più eccitanti e gratificanti per SLP e pazienti. "Abbiamo sviluppato un assistente virtuale intuitivo e basato su cloud che fornisce feedback in tempo reale o di follow-up per motivare i bambini ed eliminare più efficacemente i problemi di linguaggio", afferma Nir Gamliel, responsabile dello sviluppo aziendale degli Stati Uniti presso TikTalk2me, la società che ha sviluppato TikTalk. "Sarà estremamente utile per i patologi del linguaggio del linguaggio impegnati che devono affrontare enormi sfide, dall'individuazione di sessioni pratiche pertinenti all'incoraggiamento di una pratica domestica accurata e coerente". Personalizzazione pratica senza precedentiPer la prima volta, gli SLP possono ora utilizzare la tecnologia AI per trattare individualmente l'articolazione specifica del paziente e i disturbi dell'elaborazione fonologica. TikTalk consente agli SLP di personalizzare digitalmente elenchi di parole di pratica con parametri di parole di destinazione esatti per garantire una pronuncia corretta. "Gli SLP apprezzeranno la capacità di creare rapidamente banchi di parole digitali personalizzati, cosa che ora fanno faticosamente tra una sessione e l'altra", afferma Gamliel. "TikTalk eliminerà l'uso di mat...
Continua a Leggere

I ricercatori del MIT costruiscono un nuovo modello di intelligenza artificiale per prevedere la fuga virale

“Ogni mammifero su questo pianeta sviluppa istintivamente un equilibrio naturale con l'ambiente circostante, ma gli esseri umani no. Ti sposti in un'area e ti moltiplichi e moltiplichi finché ogni risorsa naturale non viene consumata e l'unico modo per sopravvivere è diffondersi in un'altra area. C'è un altro organismo su questo pianeta che segue lo stesso schema. Sai che cos'è? Un virus ", ha detto l'agente Smith. La bomba della verità del franchise di Matrix non è mai stata più vera. Da tempo immemorabile, i virus sono stati la principale nemesi degli omosapieni. Sebbene gli esseri umani abbiano escogitato un equalizzatore nei vaccini per affrontare questo flagello, i virus trovano sempre un modo per sconfiggere noi in questo gioco whac-a-mole. La micro-minaccia muta rapidamente rendendo i vaccini impotenti. Il fenomeno si chiama "fuga virale". Ma ci sono buone notizie. I ricercatori del MIT hanno ora ideato un nuovo modo per modellare computazionalmente la fuga virale . Lo studio, pubblicato sulla rivista Science, può accelerare la produzione di vaccini per HIV, influenza e Coronavirus. La fuga virale è uno dei motivi principali per cui è difficile produrre vaccini per l'influenza e l'HIV, secondo Bonnie Berger, capo del gruppo di informatica e biologia del laboratorio di informatica e intelligenza artificiale del MIT. Qui cerchiamo di capire come i ricercatori hanno addestrato il modello per prevedere le mutazioni del virus e come può facilitare lo sviluppo efficace del vaccino. Come funziona?Il modello può prevedere le sezioni delle proteine ​​virali di superficie che hanno probabilità o meno probabilità di mutare, rendendole buoni bersagli per i vaccini. I ricercatori hanno utilizzato un algoritmo di apprendimento automatico, originariamente sviluppato per l'elaborazione del linguaggio naturale umano, per prevedere il comportamento del virus. I ricercatori hanno scoperto che il modello PNL potrebbe essere applicato a sequenze genetiche. ...
Continua a Leggere

K Health raccoglie 132 milioni di dollari per lanciare un servizio pediatrico di telemedicina basato sull’intelligenza artificiale

K Health, con sede a New York, ha chiuso oggi un round di finanziamento di serie E da 132 milioni di dollari guidato da GGV Capital e Valor Equity Partners, portando il totale raccolto fino ad oggi a oltre 271 milioni di dollari. In concomitanza con la chiusura del round, K Health ha lanciato K for Parents, un programma che offre ai genitori l'accesso a un pediatra per diagnosticare e curare a distanza i bambini dai 3 ai 17 anni. La domanda di tecnologie di triaging come i robot conversazionali è aumentata notevolmente quando la pandemia raggiunge nuovi picchi spaventosi. Secondo uno studio pubblicato dai Centri statunitensi per il controllo e la prevenzione delle malattie (CDC), milioni di pazienti aspettano almeno due ore per vedere un operatore sanitario . Giganti della tecnologia come IBM, Facebook e Microsoft hanno collaborato con governi e industria privata per implementare soluzioni basate su chatbot in risposta, così come un certo numero di startup . Aziende come Current Health e Twistle hanno collaborato con Providence e altri fornitori di servizi sanitari per sperimentare piattaforme di monitoraggio della salute a domicilio. Anche prima della pandemia, nove in 10 anziani hanno detto preferirebbero rimanere nelle loro case per i prossimi 10 anni, evidenziando la necessità di soluzioni di monitoraggio sanitario a distanza. Il cofondatore Allon Bloch, in precedenza CEO di Wix e Vroom, ritiene che la telemedicina potrebbe aiutare a ridurre i costi spesso esorbitanti delle visite mediche regolari nella piattaforma statunitense K Health ingerisce storie mediche, risultati clinici e l'esperienza di oltre 10.000 medici per fornire informazioni sul trattamento centinaia di malattie. Negli ultimi anni, K Health si è notevolmente ampliata grazie alle partnership con compagnie assicurative come Anthem. L'azienda ha recentemente rilasciato i suoi servizi di telemedicina in spagnolo e ha collaborato con la Louisiana State University per estendere l'accesso...
Continua a Leggere

OncoHost raccoglie 8 milioni di dollari per sviluppare l’intelligenza artificiale che predice le risposte al trattamento del cancro

OncoHost , una società che sviluppa la tecnologia AI per caratterizzare, analizzare e prevedere la risposta del paziente al trattamento, ha annunciato oggi di aver raccolto 8 milioni di dollari. La società afferma che i fondi verranno utilizzati per finanziare le sperimentazioni cliniche in corso di OncoHost, aprire una filiale con sede negli Stati Uniti e prepararsi per il prossimo lancio della piattaforma di profilazione della risposta dell'host basata su AI dell'azienda. Il tasso di mortalità per cancro è diminuito del 2,2% dal 2016 al 2017, il più grande calo di un solo anno, secondo l' American Cancer Society . Ma c'è una tendenza al rialzo nell'incidenza del cancro. Le persone nate dal 1960 avranno almeno una possibilità su due di contrarre il cancro nel corso della loro vita, secondo uno studio recente . Mentre alcuni tipi di cancro, come il cancro al seno, hanno un tasso di sopravvivenza relativa a cinque anni di quasi il 100%, altri sono difficili da trattare e hanno alti tassi di recidiva. Ad esempio, il glioblastoma e il cancro ovarico si ripresentano in quasi tutti i pazienti, indipendentemente dal trattamento. OncoHost è una società di oncologia di precisione in fase clinica che sviluppa una piattaforma per prevedere la reattività alle terapie contro il cancro. Yuval Shaked, membro del dipartimento di biologia cellulare e ricerca sul cancro di Technion, ha cofondato OncoHost nel 2017 sulla base della sua ricerca che dimostra che le terapie antitumorali inducono una serie di effetti indesiderati nei tessuti sani, alcuni dei quali possono promuovere l'aggressività del tumore. Le modalità di trattamento del cancro tra cui immunoterapia, chemioterapia, farmaci mirati, radiazioni e chirurgia possono innescare una serie di reazioni fisiologiche nei pazienti, afferma Shaked. Questi effetti includono livelli elevati di citochine, una categoria ampia e sciolta di piccole proteine ​​importanti nella segnalazione cellulare, nonché fattori di crescita...
Continua a Leggere

Facebook afferma che la sua intelligenza artificiale aiutare i medici a prevedere come potrebbero svilupparsi le condizioni di un paziente COVID-19 usando i raggi X.

I ricercatori di Facebook e della New York University (NYU) affermano di aver sviluppato tre modelli di apprendimento automatico che potrebbero aiutare i medici a prevedere come potrebbero svilupparsi le condizioni di un paziente COVID-19. I modelli open source, che richiedono tutti non più di una sequenza di raggi X, predicono apparentemente il deterioramento del paziente fino a quattro giorni in anticipo e la quantità di ossigeno supplementare (se presente) di cui un paziente potrebbe aver bisogno. La nuova pandemia di coronavirus continua a raggiungere nuove allarmanti vette negli Stati Uniti e in tutto il mondo. Negli Stati Uniti la scorsa settimana, per la prima volta dall'inizio della crisi sanitaria, le morti giornaliere hanno superato le 4.000. Numeri record di infezioni nell'ordine delle centinaia di migliaia al giorno hanno messo a dura prova i sistemi sanitari a livello nazionale, con stati come la California che lottano per mantenere lo spazio in unità di terapia intensiva sovraccariche. Huiying Medical, Alibaba , RadLogics , Lunit , DarwinAI , Infervision , Qure.ai e altri hanno sviluppato algoritmi AI che apparentemente diagnosticano COVID-19 dai raggi X con elevata precisione. Ciò che differenzia l'approccio adottato da Facebook e dalla NYU, tuttavia, è che tenta di prevedere le traiettorie cliniche a lungo termine. Stanford, Mount Sinai e i fornitori di cartelle cliniche elettroniche Epic e Cerner hanno sviluppato modelli che rivelano punteggi di rischio per le probabilità di un paziente di morire o aver bisogno di un ventilatore, ma pochi (se ce ne sono) fanno queste previsioni da una singola scansione o cartella clinica elettronica. Nell'ambito di una collaborazione in corso con l'Unità di analisi predittiva e il Dipartimento di radiologia della NYU Langone Health, i ricercatori di Facebook hanno pre-addestrato un sistema di intelligenza artificiale su due grandi set di dati radiografici del torace pubblici, MIMIC-CXR-JPG e CheXpert, util...
Continua a Leggere

Le migliori app per la salute mentale basate sull’intelligenza artificiale

L'anno 2020 è stato difficile per tutti in tanti modi in quanto il mondo è andato in blocco e le persone hanno dovuto abituarsi ad ambienti completamente nuovi. Sedute a casa, le persone si sentivano sole, ansiose e depresse, il che ha portato a un aumento vertiginoso del numero di problemi di salute mentale. I blocchi significavano anche che non si poteva cercare aiuto di persona dai propri psichiatri o terapisti. In tempi così difficili, molte persone ricorrevano all'uso di app di salute mentale per mantenere la calma. Le app per la salute mentale stanno facendo progressi significativi e stanno diventando più sofisticate. Molti di loro ora usano persino l'intelligenza artificiale . AIM ha raccolto queste app basate sull'intelligenza artificiale che sono state lanciate o hanno fatto notizia nel 2020 o sono state utilizzate prevalentemente durante i blocchi. WysaWysa è un chatbot conversazionale basato sull'intelligenza artificiale che è stato addestrato utilizzando 100 milioni di conversazioni dispari per comprendere gli input degli utenti. L'app fornisce tecniche ampiamente utilizzate e supportate dalla ricerca come la terapia cognitivo comportamentale (CBT), la terapia comportamentale dialettica (DBT) e il supporto della meditazione per gli utenti con depressione, stress, ansia, sonno e altri bisogni di salute mentale. A causa della pandemia, l'app ha registrato un aumento dell'80% delle installazioni rispetto allo scorso anno. Con il sostegno di Google nel finanziamento della serie A, Wysa ha creato i pacchetti di strumenti dell'app per l'isolamento e l'ansia, gratuitamente fino a quando non avremo superato la pandemia. Prezzo: gratuito WoebotWoebot aiuta un utente a pensare pragmaticamente attraverso varie situazioni fornendo una guida passo dopo passo utilizzando la CBT. Aiuta inoltre l'utente a conoscere meglio se stesso, utilizzando il monitoraggio intelligente dell'umore. Quest'anno, l'app ha lanciato un programma COVID-19 chiamato Persp...
Continua a Leggere

Come il cervello legge il codice del computer e la rete a domanda multipla

I neuroscienziati acquisiscono informazioni su come il cervello legge il codice del computer I neuroscienziati del Massachusetts Institute of Technology (MIT) hanno acquisito informazioni preziose su come il cervello legge il codice del computer. Hanno scoperto che invece di fare affidamento sulle regioni del cervello coinvolte nell'elaborazione del linguaggio, viene attivata la "rete a domanda multipla". Questa rete è anche responsabile di compiti cognitivi complessi come problemi matematici. È facile capire perché si potrebbe pensare che le aree coinvolte nell'elaborazione del linguaggio siano le stesse per la programmazione del computer, poiché i due compiti sono simili in vari modi. Ad esempio, la codifica del computer richiede anche l'apprendimento di nuovi simboli e termini, che devono poi essere organizzati in modo che la macchina sappia cosa fare. Anche il codice del computer deve essere estremamente chiaro, consentendo ai programmatori di comprenderlo. Nonostante ciò, le cose diventano ancora più complesse in quanto la lettura del codice del computer con la rete a domanda multipla non richiede le stesse esigenze cognitive della matematica. Anna Ivanova è una studentessa laureata del MIT e l'autore principale dello studio. “La comprensione del codice del computer sembra essere una cosa sua. Non è la stessa cosa della lingua e non è la stessa della matematica e della logica ", dice Ivanova. La ricerca ha coinvolto anche l'autrice senior Evelina Fedorenko, professore associato di neuroscienze e membro del McGovern Institute for Brain Research, nonché ricercatori del Computer Science and Artificial Intelligence Laboratory del MIT e della Tufts University. Il documento è stato pubblicato su eLife questo mese. Il lavoro di Fedorenko si concentra sulle funzioni che si basano sulla rete linguistica del cervello, che si trova nell'emisfero sinistro del cervello. Alcuni dei suoi lavori precedenti hanno dimostrato che la rete linguistica sembr...
Continua a Leggere

L’intelligenza Artificiale su FacebooK rileva segni di malattie mentali analizzando i messaggi degli utenti

I ricercatori utilizzano l'intelligenza artificiale addestrata sui dati di Facebook per rilevare i segni di malattie mentali Un gruppo di ricercatori ha recentemente pubblicato uno studio su Nature , descrivendo in dettaglio i loro tentativi di utilizzare i dati di Facebook per identificare possibili malattie psichiatriche. Come riportato da Wired , i ricercatori sono stati in grado di costruire un modello di IA in grado di prevedere con successo una diagnosi di una malattia mentale sulla base di messaggi inviati fino a 18 prima che la diagnosi fosse ufficializzata. Per creare il modello predittivo, il team di ricerca ha raccolto dati da 223 volontari. I volontari hanno accettato di dare ai ricercatori l'accesso ai messaggi che avevano inviato e alle immagini che avevano pubblicato. I ricercatori hanno addestrato un modello di foresta casuale sulle caratteristiche estratte dai messaggi e dalle immagini raccolti. L'obiettivo dei modelli era determinare se un partecipante avesse una diagnosi di salute mentale, raggruppando i casi in diagnosi di disturbi dell'umore, diagnosi dello spettro della schizofrenia o nessuna diagnosi di salute mentale. Quando i ricercatori hanno analizzato i risultati, hanno scoperto che diverse caratteristiche erano correlate a disturbi di salute mentale. Quando si trattava di immagini, i colori blu erano associati a una diagnosi di disturbi dell'umore. L'uso elevato di parolacce era generalmente indicativo di malattia mentale, mentre parole come sentire, sentire e vedere (parole di percezione) erano associate a una diagnosi di schizofrenia. Per determinare il successo del modello di intelligenza artificiale, i ricercatori hanno confrontato falsi positivi e falsi negativi. Il team di ricerca ha riferito che il loro tasso di successo era compreso tra 0,65 e 0,77, con 1 un punteggio perfetto e 0,5 il successo medio di un modello che indovina casualmente. Più recenti erano i messaggi, migliore era il successo del modello. Tuttavia, ...
Continua a Leggere

ReceptorNet sistema di apprendimento automatico AI di Salesforce che individua i segni di cancro al seno con una precisione del 92%

Salesforce afferma che la sua intelligenza artificiale può individuare i segni di cancro al seno con una precisione del 92% Salesforce ha aperto oggi il sipario su ReceptorNet , un sistema di apprendimento automatico sviluppato dai ricercatori dell'azienda in collaborazione con i medici del Lawrence J. Ellison Institute for Transformative Medicine della USC della University of Southern California. Il sistema, che può determinare un biomarcatore critico per gli oncologi al momento di decidere il trattamento appropriato per i pazienti con cancro al seno, ha raggiunto una precisione del 92% in uno studio pubblicato sulla rivista Nature Communications . Il cancro al seno colpisce più di 2 milioni di donne ogni anno, con circa una donna su otto negli Stati Uniti che sviluppa la malattia nel corso della propria vita. Nel 2018, solo negli Stati Uniti, ci sono stati anche 2.550 nuovi casi di cancro al seno negli uomini . E i tassi di cancro al seno stanno aumentando in quasi tutte le regioni del mondo. Nel tentativo di affrontare questo problema, i ricercatori di Salesforce hanno sviluppato un algoritmo, il già citato ReceptorNet, in grado di prevedere lo stato dei recettori ormonali da immagini di tessuti poco costose e ubiquitarie. In genere, le cellule di cancro al seno estratte durante una biopsia o un intervento chirurgico vengono testate per vedere se contengono proteine ​​che agiscono come recettori degli estrogeni o del progesterone. (Quando gli ormoni estrogeni e progesterone si attaccano a questi recettori, alimentano la crescita del cancro.) Ma questi tipi di immagini bioptiche sono meno disponibili e richiedono una revisione da parte di un patologo. In contrasto con il processo immunoistochimico favorito dai medici, che richiede un microscopio e tende ad essere costoso e non facilmente disponibile in alcune parti del mondo, ReceptorNet determina lo stato del recettore ormonale tramite la colorazione dell'ematossilina e dell'eosina (H&E), che tie...
Continua a Leggere

DeepMind la previsione della forma delle proteine e L’intelligenza artificiale mette il boost ai nuovi farmaci

La previsione migliorata del ripiegamento delle proteine ​​di DeepMind potrebbe accelerare la scoperta di farmaci Quando si tratta delle aspettative dei clienti, la pandemia ha cambiato tuttoScopri come accelerare il servizio clienti, ottimizzare i costi e migliorare il self-service in un mondo incentrato sul digitale.La ricetta per le proteine ​​- grandi molecole costituite da aminoacidi che sono i mattoni fondamentali di tessuti, muscoli, capelli, enzimi, anticorpi e altre parti essenziali degli organismi viventi - sono codificate nel DNA. Sono queste definizioni genetiche che circoscrivono le loro strutture tridimensionali, che a loro volta determina le loro capacità. Ma il "ripiegamento" delle proteine, come viene chiamato, è notoriamente difficile da capire solo da una sequenza genetica corrispondente. Il DNA contiene solo informazioni sulle catene di residui di amminoacidi e non sulla forma finale di tali catene. Nel dicembre 2018, DeepMind ha tentato di affrontare la sfida del ripiegamento delle proteine ​​con un sistema di apprendimento automatico chiamato AlphaFold. Frutto di due anni di lavoro, la sussidiaria di Alphabet disse all'epoca che AlphaFold poteva prevedere le strutture in modo più preciso rispetto alle soluzioni precedenti. Dando credito a questa affermazione, il sistema ha battuto 98 concorrenti nella competizione di ripiegamento delle proteine ​​CASP (Critical Assessment of Structure Prediction) a Cancun, dove ha previsto con successo la struttura di 25 proteine ​​su 43. DeepMind ora afferma che AlphaFold ha superato per la seconda volta i metodi di previsione del ripiegamento delle proteine ​​concorrenti. Nei risultati della 14a valutazione CASP, una versione più recente di AlphaFold - AlphaFold 2 - ha un errore medio paragonabile alla larghezza di un atomo (o 0,1 di un nanometro), competitiva con i risultati dei metodi sperimentali. "Siamo rimasti bloccati su questo problema - come si ripiegano le proteine ​​- per quasi 50 a...
Continua a Leggere
Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi