星辰心流：AI搜索助手新星升起，卓越长文本解析与摘要能力革新信息获取方式

近日消息，一款专为科研工作者、大学教师和学生量身定制的AI助手“星辰心流”震撼发布，旨在革新科研和教育领域的信息检索与知识管理方式。

“星辰心流”凭借其强大的多功能服务，如智能搜索、知识问答、智能阅读和辅助创作等，正逐步成为用户工作和学习中的得力助手，有效提升效率与成果质量。

"心流"的官网展示了这款产品的多项功能。在学术研究领域，阅读和分析长篇论文是一项基础而关键的工作。为此，"心流"构建了一个包含千亿级知识点的专业知识图谱，能够从海量信息中进行深度学习，并通过图谱进行知识推理，以高效解答用户的各种复杂问题。

无论是日常的新闻资讯还是专业的学术论文，"心流"都能够提供AI搜索和问答服务。用户可以通过它进行智能搜索和对话交流。此外，"心流"还支持AI阅读分析，尤其擅长对学术论文等长文本进行检索、阅读、分析和总结，甚至能够梳理出论文的大纲结构，非常适合专业研究人员使用。

目前，"心流"的网页版已经正式上线，而小程序和APP版本也即将与用户见面。

革新AI模型精准预测阿尔茨海默病，准确率高达82%，助力早期诊断精确性飞跃

近日消息，英国剑桥大学科学家近期研发出一种AI预测工具，该工具能以超80%的准确率预测痴呆症患者的病情进展是否会导致阿尔茨海默病，有望减少昂贵且侵入性的诊断程序，促进早期干预及治疗，提高患者生活质量。

全球有超过 5500 万人患痴呆症，其中 60-80% 的类型就是阿尔茨海默病，每年造成 8200 亿美元的经济损失。预计未来 50 年，痴呆病例数将增加近两倍。

早期检测对于阿尔茨海默病至关重要，因为此时治疗效果最佳。然而，如果没有侵入性或昂贵的检查（如正电子发射断层扫描（PET）或腰椎穿刺），早期痴呆症的诊断和预后可能不准确，而这些检查并非所有记忆障碍诊所都能提供。因此，多达三分之一的患者可能被误诊，其他患者则可能在治疗有效期过后才被诊断出来。

剑桥大学心理学系领导的一个团队开发了一种机器学习模型，能够预测患有轻度记忆和思维问题的个体是否以及以多快的速度发展为阿尔茨海默病。该团队在发表在《电子临床医学》杂志上的研究中表明，该模型比目前的临床诊断工具更准确。

基于美国研究小组收集的 400 名大脑灰质萎缩患者的认知测试和核磁共振扫描数据，研究团队利用机器学习算法建立了一个 AI 预测模型，并使用英国、新加坡等多个诊所的真实世界数据测试该模型。

测试结果显示，该模型识别三年内会患上阿尔茨海默病的人的准确率达 82%，识别三年内不会患上阿尔茨海默病的人的准确率达 81%。

该算法在预测阿尔茨海默病进展方面的准确率是当前标准护理（即标准临床标志物，如灰质萎缩或认知评分）或临床诊断的三倍左右，这表明该模型可以显著减少误诊。

未来，研究团队希望将该模型扩展到预测其他类型的痴呆症，如血管性痴呆和额颞叶痴呆，并使用不同类型数据，如血液检测中的标记物等。

我国科研团队领跑健康AI，DeepDR-LLM：国际首个多模态糖尿病诊疗大模型问世

7月25日消息，上海交通大学医学院附属第六人民医院的贾伟平与李华婷教授团队，联合上海交通大学电院及清华大学、新加坡国立大学的科研队伍，在医学与工程学的交叉领域取得重大突破。他们共同研发了DeepDR-LLM系统，这是全球首个专为糖尿病诊疗设计的视觉-大语言模型多模态集成智能平台。

该研究成果已于2024年7月19日在《Nature Medicine》杂志上发表，论文题为《基于图像的深度学习与语言模型在初级糖尿病护理中的集成应用》，标志着糖尿病治疗与管理进入了一个全新的智能化时代。

据介绍，DeepDR-LLM 系统融合了大语言模型和深度学习技术优势，实现了医学影像诊断与诊疗意见的多模态生成功能，能提供糖尿病视网膜病变辅助诊断结果及个性化糖尿病综合管理意见。

该系统在覆盖亚非欧三大区域七个国家的多中心队列中进行了回顾性验证，以及针对中国基层医疗实际开展了前瞻性真实世界验证，首次向全球提供了面向糖尿病医疗垂直领域的多模态大模型应用成效的高质量循证证据。研究团队表示，研究证明 DeepDR-LLM 系统可有效改善 DR 筛查和基层糖尿病管理水平，为未来全球糖尿病治理提供了革命性的数字解决方案。

既往的 AI 系统研发主要集中在糖尿病的并发症筛查或辅助管理的单一领域。随着全球范围内以 ChatGPT 为代表的生成式人工智能技术的迅猛发展，多模态大模型正不断推动医疗领域的新应用场景和模式的涌现，但这些模型尚不能根据患者的医学影像和具体病情，提供准确且安全的糖尿病综合诊疗建议。

针对当前的技术空白和临床的实际需求，该团队成功研发了全球首个面向糖尿病基层诊疗的视觉-大语言模型多模态集成智能系统 DeepDR-LLM。

其可适配包括 LLaMA 在内的大语言模型，LLM 模块将训练网络层与大语言模型的固有权重参数相融合，突破低算力资源约束下的多模态大模型优化的瓶颈，并进一步基于 37.2 万条基层慢病诊疗和慢病管理数据和知识实现了高效优化训练，使 DeepDR-LLM 系统可基于患者个体的临床信息生成精准糖尿病管理意见。

中国震撼发布“谛听”：全球首个人工智能地震波模型，参数量破亿

近日消息，在成都市科学技术局、成都市经济和信息化局以及市新经济发展委员会的指导下，国家超级计算成都中心与中国地震局地球物理研究所日前携手成功举办“谛听大模型发布会”。此次活动在成都圆满落幕，标志着前沿的大模型技术研究与应用迈入了新的发展阶段。

会上，“谛听”地震波大模型正式发布，标志着中国在地震监测、预警和前兆识别等关键技术方面迈出了坚实一步。

该大模型由国家超级计算成都中心、中国地震局地球物理研究所以及清华大学联合开发，是首个亿级参数量的地震波大模型。

在大模型展示环节，来自清华大学自动化系的助理研究员刘畅老师从超算平台对接、地震数据适配、算法参数调优、模型规模放大四方面介绍了大模型研发的经历。

中国科学院地质与地球物理研究所的肖卓伟博士现场演示了大模型用于前震识别和预警的示例、中国地震局地球物理研究所的副研究员赵明老师介绍了大模型在余震识别的应用与前景。

中国地震局地球物理研究所副所长陈石介绍称，“谛听”大模型依托中国地震观测网的海量数据，通过先进的人工智能技术，已经显著提升了地震信号的识别准确率和速度。

短期来看，“谛听”地震波大模型将应用于地震信号识别、地震活动监测、大地震快速响应等领域。长期来看，地震学是一门观测科学，重大的突破往往来自对观测数据的深刻理解。目前，传统方法和中小模型均无法充分利用 TB、PB 级别的地震观测数据，而这些数据蕴含许多重要的地震学问题，因此，“谛听”地震波大模型有望长期为地震科学研究带来重大突破。

据介绍，“谛听”数据集是国内首个，同时也是目前国内外最大规模、样本类型和标注最为全面的地震学专业 AI 训练数据集之一。

从官方获悉，目前该模型已可投入使用，同时十亿参数量级的版本预计 2024 年 8 月完成预训练，进一步为新时代防震减灾事业现代化提供科技支撑。

未来，该模型的应用场景还可用于矿震监测、页岩气开采、城市地下空间结构探测、海底地震监测等多个领域。