MedTech医疗科技双周报第39期:耶鲁大学打造通用模型MindLLM,可将大脑影像讯号直接转文字

来自耶鲁大学、剑桥大学和达特茅斯学院的研究员打造一款MindLLM,透过分析脑部功能性磁振造影讯号,可直接转换为文字,且表现比现有其他方法更好。

重点新闻(0215~0228)

 MindLLM   fMRI   神经义肢 

耶鲁大学打造一款通用模型MindLLM,可将大脑影像讯号直接转文字

最近,来自耶鲁大学、剑桥大学和达特茅斯学院的研究员发表一项研究成果MindLLM,能将脑部的功能性磁振造影(fMRI)转换为文字,且在多个基准测试中,表现比现有方法如UMBRAE、BrainChat和UniBrain等还要好。

MindLLM由fMRI编码器和大型语言模型(LLM)组成,能分析fMRI扫描的立体像素(Voxels),来解析脑部活动。其中,fMRI编码器采用神经科学注意力机制,可适应不同的输入讯号形状,进而能处理多种分析。再来,研究团队还使用脑部指令调整(BIT)方法,能加强模型从fMRI讯号中获取不同语义的能力,让模型能执行更多种解码任务,如影像描述、问答推理等。

经测试,在文字解码、跨个体泛化和新任务适应性等基准测试中,MindLLM表现都比现有方法要好,分别达提高了12.0%、16.4%和25.0%。也就是说,MindLLM比传统模型更能适应新的受试者和未知语言的推理。不过,该模型目前只能分析静态图像讯号,未来若进一步改良,可发展出即时fMRI解码器,能进一步应用于神经控制、脑机介面和认知神经科学等研究领域,有利于修复感知能力的神经义肢(Neuroprosthetics)、精神状态追踪和脑机介面等应用。 癌症研究   AI   药物发现 

美国顶尖癌症研究中心联手公云业者,要加速癌症研究和药物发现

美国顶尖癌症研究机构纪念斯隆凯特琳癌症中心(MSK)找上公云业者AWS,要用AI服务、高效能运算(HPC)等云端技术来加速癌症研究。进一步来说,双方将整合去识别化的基因组、影像和临床资料,来建立一个能追踪长期变化的高品质资料库、推动MSK的AI基础建设和流程,进行癌症研究和个人化治疗。在AI部分,MSK将采用AWS的生成式AI基础模型托管服务Amazon Bedrock,以及全托管机器学习平台Amazon SageMaker来运用大型语言模型(LLM),希望更精确追踪患者癌症的变化轨迹并呈现。

同时,双方也将扩展MSK的创新中心、新创企业生态系、推动AI在药物发现领域的应用。就创新中心来说,双方要以专用资金来建立一个AI创新团队、推动技术试点专用,来改善和验证癌症领域的创新应用。就生态系而言,AWS会提供云端服务和辅导,来支援MSK新的创业和新创孵化器计划,至于AI药物发现,则是要打造临床阶段治疗药物研发管道,包括以AWS药物发现工作台(AWS Drug Discovery Workbench)来加速筛选上百万种化合物、锁定潜在候选药物,以及以高效能运算资源,如开放原始码丛集管理工具AWS ParallelCluster,来大幅加速复杂模拟和冷冻电子显微镜的资料处理。生物分子   Evo 2   Nvidia 

Nvidia在自家平台上架超强生物分子模型Evo 2

日前,Nvidia在其BioNeMo生物分子加速运算平台上,上架一款基因组AI模型Evo 2,供全球开发者使用。进一步来说,这个Evo 2是由非营利生物医学研究组织Arc Institute与史丹佛大学联手,在Nvidia DGX Cloud平台上开发而成,是目前规模最大的公开基因组资料AI模型。

这款Evo 2模型的训练资料包括近9兆个核苷酸(DNA和RNA的组成部分)的庞大资料集,可用来理解DNA、RNA和蛋白质,特别是生物分子研究应用领域,如根据基因序列预测蛋白质的形式和功能、识别用于医疗和工业的新型分子,或是评估基因突变如何影响其功能等,在医疗、农业生物技术和材料科学都可发挥作用。另一方面,使用者若以Nvidia NIM微服务使用Evo 2,则能用来产生各种生物序列,还能设定调整模型参数。若想以自己的资料来微调Evo 2,开发者也能在开源的Nvidia BioNeMo框架中下载模型。台北荣总   动作捕捉   远距复健

台北荣总联手阳明交大,发表新AI动作捕捉技术

台北荣总日前与阳明交大联手揭露一项新AI技术:轻量化无标记动作捕捉系统(Markerless Motion Capture System),由阳明交大脑科技计划记忆痕迹团队研发,只需几台高解析度相机,就能准确捕捉受试者的三维关节位置,让受试者不必穿戴感测器或贴任何标记物,穿著日常服装就能完成测试,有别于传统测试的繁琐装备。

团队还发现,加上脑部和肌肉讯号记录,该系统可帮助医生更理解人体行走时的各脑部区域神经讯号变化,以及行走中肌肉讯号的调控。团队认为,该研究对神经退化性疾病的诊断和治疗有潜在帮助,而该技术未来还可应用于云端远距复健、跌倒风险评估和脊椎退化疾病研究等领域,甚至是结合外骨骼设备,提供支援给行动受限的患者。图片来源/耶鲁大学、希伯来大学、台北荣总 

  MedTech医疗科技近期新闻 

1.

资料来源:iThome整理,2025年3月