目前人工智能对乳腺癌的诊断与人类专家一样好！你选哪个？
2019年7月18日讯 /生物谷BIOON/——乳腺癌是英国最常见的癌症。它占全国所有新病例的15%，大约八分之一的妇女将在一生中被诊断出患有该病。在英国国家医疗服务体系(NHS)中，乳腺癌筛查通常包括乳房x光检查。但是，随着能够阅读这种早期测试的专家数量减少，这种测试的未来将面临风险。虽然这种技能短缺无法立即弥补，但人工智能领域有望取得的进步可能会有所帮助。图片来源：http://cn.bing
药监局发布医疗AI产品审批要点 人工智能企业是否准备就绪？
在药监局进行“人工智能类医疗器械注册申报公益培训”半年之后，关于审批要求相关的官方详细文件终于下达。半年前的会议上，药监局细致入微的分析了影响医疗人工智能器械审批的每一个过程，细化到对每个指标进行了详尽的讲解。这一次，药监局正式向AI企业发布了审批相关文件《深度学习辅助决策医疗器械软件审批要点》（以下简称《要点》），以文件的方式将审批相关的具体指标确立下来。相比上一次会议，
“天泽”脑血管病诊疗辅助决策系统发布：由“诊”到“疗”到“愈”全面助力国家神经系统疾病质控工作--
6月29日，国家神经系统疾病临床医学研究中心、国家神经系统疾病质量控制中心、中国卒中学会、神经疾病人工智能研究中心在北京国家会议中心召开发布会，联合发布BioMind™“天泽”脑血管病诊疗辅助决策系统，这是继2018年BioMind™发布全球首款神经影像AI辅助诊断产品后的又一力作。脑卒中防控形势严峻《2018中国卫生健康统计提要》数据显示，2017年脑血管病占我国居民疾病死亡比例在农村人群为23
研究利用人工智能预测蛋白质“光学指纹”
蛋白质是生命的基石，生物的功能依赖于既稳定而又灵活可变的蛋白质结构。蛋白质的光谱响应信号，尤其是紫外光谱，可以称之为蛋白质骨架的“指纹”。这个“光学指纹”，经过理论模拟的解读，可以揭示出精确的蛋白质结构，为生命科学和医学诊断提供极其重要的信息。然而，蛋白质的结构极其复杂多变，需要做大量的高精度的量子化学理论计算。由于计算量太大，即使是最厉害的超级计算机轻易也“吃不消”。所以蛋白质的光谱的理论解读是
新款人工智能应用Veeva Andi现已上市
Veeva Systems（纽交所代码：VEEV）近日推出一款全新的人工智能应用 Veeva Andi，它将定制化洞察和建议内置于 Veeva CRM，以实现智能客户互动。 Veeva Systems 近日推出一款全新的人工智能应用 Veeva Andi，它将定制化洞察和建议内置于 Veeva CRM，以实现智能客户互动。 &n
AI病理诊断解释方案或解决人工智能CFDA三类申报获批关键难点
深度卷积神经网络（CNNs）已在实践中被证明是一种可以辅助生物医学图像诊断的技术，并已广泛运用于肺结节、眼底等放射影像识别。近日，病理领域的AI研究也有了新的进展。2019年5月，国内杨林团队的论文《Pathologist-level Interpretable Whole-slide Cancer Diagnosis with Deep Learning》 被《Nature Mach
强生医疗：人工智能加速医疗创新
5月18日，强生医疗心血管和专业解决方案事业部总经理王金鹤应邀出席“2019年上海科技节 -- 预见未来·人工智能医疗专场”活动，就医疗与创新发表主旨演讲，介绍强生医疗投资于创新，加速人工智能引领医疗创新的愿景、战略和举措。在嘉宾论坛环节，王金鹤与来自沪上知名院校和医疗机构的专家们一起，共同探讨人工智能在医疗等广泛领域的应用和发展方向，向公众描绘未来人工智能支持医疗发展的蓝图，并回答了现场观众的提
Nat Med：利用人工智能准确地诊断肺癌，准确率高达94%
2019年5月29日讯/生物谷BIOON/---在一项新的研究中，软件工程师和临床研究人员之间的合作产生了一个人工智能程序，该程序使用图像来预测哪些人将患上肺癌，准确率为94％。这个研究团队发现这个算法与放射科医师基于同一个人的多次计算机断层扫描（CT）来筛查癌症一样准确，并且当它仅能从一个人那里获得一次扫描时，它的表现优于医生。相关研究结果于2019年5月20日在线发表在Nature Medic
开发出具有人类能力的人工智能软件 或能分析显微镜图像中宿主与病原体的相互作用
2019年5月28日 讯 /生物谷BIOON/ --称之为神经网络的计算系统基于生物大脑的学习过程，其能够实现一种机器学习形式，有助于帮助研究人员解读生物和医学成像，如今研究病原体与宿主细胞相互作用的科学家们已经开始利用这种这种技术从事相关研究了。图片来源：GEORGE RETSECK来自英国克里克研究所的研究者Eva Frickel表示，从事病原体-宿主相互作用研究领域的大部分人群都只是手动计数
Nat Commun：人工智能促进阿尔兹海默症的研究
2019年5月16日 讯 /生物谷BIOON/ --加州大学戴维斯分校和加州大学旧金山分校的研究人员已经找到了一种方法来训练计算机精确检测人类大脑组织中阿尔茨海默病的生物标志物。淀粉样斑块是阿尔茨海默病患者大脑中蛋白质碎片的团块，可破坏神经细胞的连接。加州大学科学家团队开发的机器学习工具可以“看到”脑组织样本是否有一种类型的淀粉样蛋白斑块，并且很快就能完成。该研究结果于5月15日发表在Nature