Google meluncurkan Yayasan Pengembang AI Health (Hai-DEF), sebuah yayasan pengembang yang bertujuan menyederhanakan konstruksi dan penyebaran model AI medis. Hai-Def bertujuan untuk mengurangi ambang batas untuk pengembangan AI medis dengan menyediakan model open source, tutorial dan dokumen, mempromosikan inovasi, dan pada akhirnya meningkatkan perawatan pasien. Pengembangan AI Medis menghadapi tantangan permintaan data besar, persyaratan pengetahuan profesional yang tinggi, dan konsumsi sumber daya komputasi yang besar.
Google baru-baru ini meluncurkan Yayasan Pengembang AI Health (Hai-DEF), yang merupakan fondasi pengembang AI yang sehat untuk memberi pengembang kemampuan untuk membangun dan mengimplementasikan model AI medis lebih efisien.
Tujuan dari tindakan baru ini adalah untuk demokrasi pengembangan AI di bidang medis, mempromosikan inovasi, dan meningkatkan perawatan pasien. Dalam pengembangan AI medis, tantangan unik yang dihadapi meliputi permintaan untuk set data yang besar dan beragam, kebutuhan AI dan pengetahuan profesional medis, dan sumber daya komputasi besar yang diperlukan untuk pelatihan dan penyebaran model AI yang kompleks. Hambatan -hambatan ini dapat menghambat inovasi dan membatasi pengembangan solusi AI dalam kebutuhan medis yang beragam.
HAI-DEF memberi pengembang model open source, buku catatan Colab tipe pengajaran dan dokumen komprehensif untuk mendukung seluruh proses pengembangan AI dari penelitian hingga komersialisasi. Sumber daya ini bertujuan untuk:
Tingkatkan Efisiensi: Menyederhanakan proses membangun dan menggunakan model AI medis.
Kurangi Ambang Masuk: Memungkinkan lebih banyak pengembang untuk berpartisipasi dalam inovasi AI medis.
Promosikan aplikasi yang beragam: Mendukung pengembangan solusi AI untuk berbagai kebutuhan medis.
Model pertama hai-def
Rilis pertama hai-Def mencakup tiga model tertanam khusus untuk pencitraan medis:
CXR Foundation: Untuk dada x -ray.
Derm Foundation: Untuk gambar kulit.
Yayasan Path: Untuk Patologi Digital.
Model -model ini telah menjadi pra -pelatihan pada set data yang besar dan beragam, dan dapat diselesaikan dengan baik untuk kasus penggunaan tertentu, memungkinkan pengembang untuk membangun aplikasi AI berkinerja tinggi tanpa data dan permintaan komputasi.
Dengan menyediakan model dan alat pra-pelatihan, HAI-DEF diharapkan untuk mempercepat pengembangan AI medis secara signifikan, memberikan pengembang dengan cara yang lebih nyaman, dan pada akhirnya menguntungkan pasien global. Ini menandai langkah penting dalam bidang pengembangan AI medis dan layak mendapat perhatian terus menerus pada perkembangan selanjutnya.