Harrison.ai推出世界领先的AI模型,改变医疗保健

Harrison.rad.1在放射学任务中显著优于其他主要模型
这一新模型正在向精选的医疗保健专业人士和监管机构开放,以启动关于在医疗保健中负责任使用AI的讨论
医疗保健AI技术公司Harrison.ai今天宣布推出Harrison.rad.1,这是一个针对放射学的视觉语言模型。图片{ width=60% }


它在应用AI解决全球医疗挑战方面取得了重大突破。该模型现在正向全球精选行业合作伙伴、医疗保健专业人士和监管机构开放,以激发关于安全、负责任和道德使用AI革新医疗保健访问和能力并改善患者结果的集体对话。
Harrison.ai董事会董事Robyn Denholm表示:“Harrison.rad.1模型是变革性的,对公司而言是一个激动人心的下一步。Harrison.ai正在实现帮助更有效可靠地解决现实问题并帮助挽救生命的承诺。”
Harrison.rad.1是一个针对放射学的视觉语言对话型模型。它可以执行各种功能,包括与X射线图像相关的开放式对话,检测和定位放射学发现,并生成报告,根据临床历史和患者背景提供纵向推理。临床安全性和准确性是该模型的主要重点。
Harrison.ai团队已经证明了他们对AI开发的负责任态度。他们现有的放射学解决方案Annalise.ai已在超过40个国家获得临床使用许可,并在全球各地的医疗机构中进行商业部署,每年影响数百万人的生活。凭借同样的严谨和关怀,Harrison.rad.1模型将接受全球领先专业人员的进一步开放和竞争评估。
Harrison.ai联合创始人兼首席执行官Aengus Tran博士表示:“AI的承诺取决于其基础 - 数据的质量,建模的严谨性及其道德发展和使用。基于这些参数,Harrison.rad.1模型是突破性的。”
这个模型不同于现有的生成式AI模型,后者在功能上是通用的,主要是在通用和开源数据上进行训练。Harrison.rad.1是使用真实世界、多样化和专有临床数据训练的,包括数百万张图像、放射学研究和报告。该数据集由大量医疗专家团队进行规模化注释,为Harrison.rad.1提供临床准确的训练信号。这使其成为迄今为止在放射学领域最具能力的专门化视觉语言模型。
医疗保健的重要性和高度监管性质迄今限制了其他AI模型的应用。然而,这个新模型及其应用在质量上有着显著的不同,为放射学创新和患者护理开启了一场全新的对话,以及对监管保证的潜力。
Aengus Tran博士指出:“我们已经对模型的表现感到兴奋。它在皇家放射学家学院(FRCR)2B考试中的表现优于主要LLM模型约2倍。此模型的推出以及我们计划通过专业人员进行进一步开放和竞争性评估,强调了我们对负责任AI开发的承诺。”
“Harrison.ai致力于成为在卫生保健AI未来方面帮助信息和做出重要贡献的全球领先声音。这就是为什么我们正在使Harrison.rad.1对研究人员、行业合作伙伴、监管机构和社区中的其他人开放,以便今天开始这一对话。”
Harrison.rad.1已经展示出了卓越的表现,在针对人类放射科医生设计的放射学考试中表现优异,并在基准测试中胜过其他基本模型。特别是在具有挑战性的皇家放射学院(FRCR)2B Rapids考试上,该考试只有40%至59%的人类放射科医生在第一次尝试时通过。当在通过后的一年内重新尝试时,放射科医生的平均得分为60分的50.88分[1]。Harrison.rad.1的表现与51.4的60分一样直逼获得认可和有经验的放射科医生,而其他竞争模型如OpenAI的GPT-4o、Anthropic的Claude-3.5-sonnet、Google的Gemini-1.5 Pro和Microsoft的LLaVA-Med平均得分低于30[2]。
此外,通过对Harrison.rad.1进行VQA-Rad基准测试,这是一个关于放射学图像的临床生成视觉问题和答案数据集,Harrison.rad.1在封闭问题上取得了令人印象深刻的82%准确率,超过其他领先基本模型。同样,在由Harrison.ai开发的全面且具有临床相关性的开源数据集RadBench上进行评估时,该模型取得了73%的准确率,是同行中最高的[2]。
借助Harrison现有Annalise产品线所取得的功效、准确性和有效性,Harrison.ai希望合作加速开发更多医疗保健AI产品,以帮助扩大能力和改善患者结果。
有关Harrison.rad.1与人类考试以及其他视觉语言模型的基准测试的更多详细信息,请参阅以下技术博客。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Harrison.ai推出世界领先的AI模型,改变医疗保健

https://www.gptnb.com/2024/09/05/2024-09-04-auto3-mx0uhV/

作者

ByteAILab

发布于

2024-09-05

更新于

2025-03-21

许可协议