人工智能医疗，谁能引领新篇章？六股深度解析，投资机遇何在？
AI医疗引领行业变革，东软、久远、山大地纬等公司受关注；易联众有望补涨，网络软件股表现分化；卫宁健康信息化管理强劲，创业健康有补涨需求；万达信息量能增大但长线堪忧，朗玛信息短线强势。极简版：AI医疗引领变革，多公司受瞩目，易联众或有机会，传统科技股需审慎，信息化龙头卫宁健康表现亮眼，创业健康有反弹潜力，万达信息短期看好但长期堪虑，朗玛信息短期内强劲。
全科医学AI系统，看病难真要成历史？
作为计算生物学杰出实践代表，飞瀑智能团队一直致力于通过通用人工智能技术实现智能医学的梦想。 飞瀑团队首次让人工智能无创体检变成现实，当然这一切也都与时代的发展息息相关，没有半导体技术的持续发展和IoT世界的突飞猛进，尤其是MEMS等发展，就不会有大量种类丰富、性能卓越的高精度传感产品；没有人工智能的迅猛发展，就不会有深度学习对计算机辅助的降维打击和对传统数学分析的高维提升，就没有直接构建高维模型快速解决高维、整体级、系统级问题的机会；正是因为这一系列的基础，加上飞瀑科学家团队在计算生物学领域20多年的潜心研究成果，传统需要通过有创，检测单项生物标记物的做法，得以通过多模态高精度人脸光学3D成像，全面、整体、多层次联合检测，对健康和疾病问题多层次表达尤其是面部的表达进行深度和系统性挖掘，并通过飞瀑全球开创性的人脸计算生物学健康预测模型，将血糖、血压、血脂、血红蛋白、高密度脂蛋白、BMI、皮肤年龄等多项生理指标实时量化出来，模型依据医院黄金体检标准打造，综合指标的平均准确度达到85%以上，少数指标准确度达到95%以上，接近或达到二类医疗器械水平，可用于大规模健康筛查和常态化健康管理，形成“轻量级互联网医院”检测平台。 在全球主要发达国家和发展中国家人口加速老龄化，各类生活方式不合理引起慢病、亚健康、免疫力问题高发，健康意识人群和美丽人群基数成倍成长的当今中国和世界，有一款即插即用、无创无痛、无接触避免交叉感染、无辐射也无一次医疗垃圾产生、准医疗级实现多指标高精准度联合预测的智能化健康和美丽管理工具来得恰到好处，将智能健康和美丽服务无限前置到用户身边，未来用户可以在家里、小区、药店、超市、公司、酒店、商场、公共服务场所都可以使用这一服务，单次使用成本几乎可以忽略不计，完成对全龄人群身心健康、检疗一体、健康与美丽高度整合的一体化健康管理工具，让生活的美与好触手可及，14亿人群的互联网分组诊疗、10亿人群的全龄社区健康生活、5亿慢病人群的健康管理、3亿人群的居家健康养老、以及全社会国家级公民健康基础设施及数字化终生健康档案的建设的美好蓝图得以真正实现。 除了人工智能无创体检，人工智能在大医疗大健康领域有很多富有价值的应用，比如AI辅助诊断、AI病理分析、AI智能决策、AI手术规划、AI药物发现、手术机器人、DTx数字疗法、AI医疗数字人、AI医生、AI职业健康顾问、AI4S……等。下面由飞瀑的小盆友们给大家分享一项与普通人息息相关的，关于人工智能全/专科医生的文章，希望在我们共同朝夕相生的世界里，健康乐活，看病不难！ 以下文章由飞瀑转载，飞瀑非专业性小编进行非专业性审核，并不代表飞瀑公司观点，本文仅做知识传播，读者请做辨证阅读，不当之处，欢迎大家批评指正： 「看病难」在全世界范围内都是一个难题，想要成为一位优秀的专科、全科医生不仅需要耗费大量时间来进行知识学习，还需要经历足够多的病例来获取实操经验。 如果医学AI系统足够强大，在常见病的处理上完全可以取代人类医生，医疗服务紧缺现象也会得到极大缓解。 美国哈佛大学、斯坦福大学、耶鲁医学院、加拿大多伦多大学等多所顶尖高校、医疗机构的研究人员在Nature上联合提出了一种全新的医学人工智能范式，即「全科医学人工智能」（generalist medical artificial intelligence, GMAI），可以灵活地编码、整合和大规模解释医学领域的多模态数据，比如文本、成像、基因组学等，有可能颠覆现有的医疗服务形式。 论文链接：https://www.nature.com/articles/s41586-023-05881-4 今年，Google Research和Google DeepMind共同发布了一篇论文，对全科医学人工智能概念进行了实现、验证。 论文链接：https://arxiv.org/pdf/2307.14334.pdf 研究人员首先策划了一个全新的多模态生物医学基准数据集MultiMedBench，包含100多万条样本，涉及14个任务，如医疗问题回答、乳腺和皮肤科图像解读、放射学报告生成和总结以及基因组变异识别。 然后提出了一个新模型Med-PaLM Multimodal（Med-PaLM M），验证了通用生物医学人工智能系统的可实现性。 Med-PaLM M 是一个大型多模态生成模型，仅用一组模型权重就可以灵活地编码和解释生物医学数据，包括临床语言、成像和基因组学数据。 在所有MultiMedBench任务中，Med-PaLM M的性能都与最先进的技术相差无几，在部分任务上甚至还超越了专用的SOTA模型。 文中还报告了该模型在零样本学习下可以泛化到新的医学概念和任务、跨任务迁移学习以及涌现出的零样本医学推理能力。 文中还进一步探究了Med-PaLM M的能力和局限性，研究人员对比了模型生成的及人类编写的胸部X光报告进行了放射科医师评估，在246份病例中，临床医生认为Med-PaLM M的报告在40.5%的样本中比放射科医生编写的要更好，也表明Med-PaLM M具有潜在的临床实用性。 MultiMedBench 为了训练和评估大模型在执行各种临床相关任务的能力，谷歌的研究人员收集了一个多任务、多模态的全科医疗基准数据集MultiMedBench 该基准由12个开源数据集以及14个独立任务组成，包含100多万条样本，涵盖了医疗问答、放射学报告、病理学、皮肤病学、胸部X光、乳房X光和基因组学等多个领域。 任务类型：问题回答、报告生成和总结摘要、视觉问题回答、医学图像分类和基因组变异识别（genomic variant calling） 模态：模式：文本、放射学（CT、MRI 和 X-射线）、病理学、皮肤病学、乳房X射线检查（mammography）和基因组学。 输出格式：所有任务（包括分类任务）都是开放式生成（open-ended generation） 纯语言任务包括医学问题回答（MultiMedQA任务）和放射学报告总结，可以测试模型是否具有理解、回忆和操作医学知识的能力。 多模态任务包括医学视觉问题解答 (VQA)、医学图像分类、胸部X光报告生成和基因组变异识别，非常适合评估模型的视觉理解和多模态推理能力。 Med-PaLM...
🎉揭秘！科技巨头为何突然大手笔投资环保？🌍
作为一名文章撰写专家，经过对虎嗅APP上所载文章的提炼总结，该内容主要探讨了当前科技领域的热点话题——人工智能对未来工作方式的影响。文章深入解析了AI技术如何改变传统产业，强调其带来的效率提升与职业转型需求，同时提及政策监管和数据隐私保护的重要性。
华为医疗赋能，润达医疗AI成长之路：医疗AI巨头的崛起与未来展望
润达医疗作为A股公司，通过与华为医疗AI合作，实现了产品端的突破，B端订单上亿，C端有“良医小慧”模型，涵盖多领域服务。公司利用自身在IVD领域的广泛布局和稳定的盈利能力，尽管2022年受新冠检测影响，但预计2024年主业将稳健增长。引入国资后，公司的基本面改善，融资成本下降，未来估值约22倍PE。然而，相比同行业公司，其盈利和负债水平仍有提升空间。
谷歌AI医疗新动向？巨头押注万亿蓝海，医疗产业迎来革命性变革?
科技巨头谷歌以Google Research和Fitbit两大部门的研发为核心，发布了一系列AI医疗新举措，包括从运动腕带收集用户数据评估健康状况及与Apollo Radiology International合作提供人工智能筛查。谷歌对AI医疗的深度布局凸显其重塑健康产业的决心，通过AI技术有望解决复杂疾病早期检测和治疗问题，但同时也面临数据隐私、算法创新和监管挑战。AI医疗领域展现出巨大潜力和增长，已成为全球科技巨头关注的焦点。
ChatGPT：谷歌的终结者？未来AI生活助手你想要吗？🔥🎉
ChatGPT，由OpenAI最新推出，一款功能强大的聊天AI，能生成代码、诊断问题、写诗甚至是设计游戏。其出色的实用性颠覆了谷歌，引发用户对其付费使用前景的热议，尽管存在一些短语重复和冗长回答的问题，但研究人员认为这将是未来AI交互的趋势。试用链接：[点击这里](链接)
收藏宝藏！20个AI绘画必备网站，这里有你想要的一切艺术prompt
这篇文章主要介绍了作者收藏的20个AI绘画提示词网站，涵盖了多个主题和生成器，如Prompthero、ArtHub AI、PublicPrompts等。每个网站都有其特色内容，如DALL-E2、Stable Diffusion的大量作品关键词，以及专门针对不同需求如像素艺术或动漫肖像的提示。此外，文章中还提到了一些特别的网站，如KREA ai的prompt搜索引擎和B站up主@kozzor的关键词集，以满足创作者的各种AI绘画需求。
「掌握这些秘密！U1到V4全解析：一图四用，重置面板的超级操作」
本文介绍了一堂关于生成和重置面板的课程内容，主要讲解了U1到U4作为图片查看功能，对应画面1至4，能放大查看老版本512*512图片至1024*1024，并强调其主要用于日常图片检查。通过U2~U4可按需重生成当前提示下的图像，V1~V4则基于现有图片进行变化性操作。点击重置面板可将基础信息回传并重新生成，这相当于清除提示框中的内容并重新开始。课程重点包括这些功能的操作方法和它们在生成图像中的应用，即1、2、3、4号及V系列的基本用途。
人工智能如何引领医疗保健行业翻开新篇章？
人工智能技术正在引领医疗保健行业转型，科技巨头的参与带来更多创新可能，未来AI有望提供更个性化和高效的健康服务，改善人们生活质量。
AIGC教程：如何用Stable Diffusion生成完美的像素美术？
过去这几个月，相信很多同行都已经见识到了AIGC强大的风格化绘图能力，不仅能够做出高品质的美术资产，还可以将制作效率大幅提高，这也是AI概念如今在资本市场受热捧的重要原因。 不过，目前我们所见到的大部分图形，都更偏写实、二次元、卡通等品质较高的风格。对于中小团队来说，如果没有资深的美术人才，很难将AI风格化绘图的能力真正用到项目研发当中。 作为几乎与游戏行业同时起步的一种美术形式，从雅达利上的《PONG》到红白机上的《马里奥》，像素风伴随了整个游戏行业的发展过程。它的画面虽然看起来没有其他风格那么高的品质，但反而是更适合中小团队的美术表现形式。 《星露谷物语》截图 对于中小团队而言，尤其是想要做大项目或者网络游戏的工作室，采用其他美术风格除了人才的要求之外，还需要面临硬件提升导致画质升级带来的美术迭代成本。以主机游戏为例，绝大多数情况下，不同代际的产品画面差别明显。 像素风则不会遇到这种困扰，虽然游戏业图形技术一直在快速发展，但这种风格却从未过时。从早期的《菲斯（FEZ）》、销量数百万套的《星露谷物语（Stardew Valley）》、视觉效果酷炫的《八方旅人（Octopath Traveler）》，以及用3D渲染的《死亡细胞（Dead Cells）》，像素风独立游戏爆款从来没有间断过。 《风之国度：燕》游戏截图 就连韩国大厂Nexon，也用像素风打造了《风之国度：燕》手游，并迅速进入韩国畅销榜前三。 像素风并非一成不变的，近些年来，有不少团队也在尝试将像素风与其他风格融合到同一个项目中。比如魔兔网络的《马赛克英雄》，就在像素风的基础上，为角色打造了品质相当高的Live 2D立绘。 在此之前，Gamelook还专门介绍过比较实用的像素风艺术制作软件，有付费的Aseprite，也有免费的GraphicsGale、Piskel，甚至实用Photoshop也能实现像素美术创作。只是，哪怕是再简单的像素风制作软件，仍然需要同行们学习上手和持续探索，制作效率虽然比从头开始更高，但仍然需要相当多的时间投入。 随着AIGC技术的发展，用AI生成像素风艺术作品不仅将门槛降到了最低，也大幅提升了研发效率。有了AI技术加成，对于想要制作Roguelike、模拟经营、平台游戏、银河恶魔城以及飞行射击等类型产品的中小团队而言，能够快速量产像素美术无疑可以带来巨大的帮助。 最近，一位开发者，就展示了用Stable Diffusion生成完美像素风美术的教程，不少同行评论称“效率非常棒，尤其是对于新手独立开发者”。 对于AI生成的图片，还有一个比较大的担忧是侵权问题，比如模仿某个画师是否需要得到授权、做出的图片能否商用等等。像素风则不会遇到这种困扰，这位开发者在回复同行担忧的时候提到，“AI技术复杂的多，它的模型通常是在数以百万计的图片数据上训练，不太可能画出数据集里已经有的东西（因此法律风险很低）”。 以下是Gamelook听译的完整教程： 之前介绍了用AI生成风格化游戏物品之后，很多人想知道Stable Diffusion能否生成像素风美术，做了大量的研究之后，我找到了一个比较可行的方式。不过，个人认为，AI技术的绘图能力并非为像素艺术打造，所以未来会怎么样还需要进一步观察。 了解这些前提之后，我接下来分享如何实现图片里这样的结果： 如果你在做一款模拟经营类游戏，我认为这张图作为创意原型是非常不错的。你们或许会说，我见过AI画出过更好看的像素图，但我觉得我这个方法比较好的一点是，它生成的图片不只是看起来像是像素风，而是实实在在的像素图片。 解释一下，这张图实际上是一个320×180像素的场景，你们都知道，Stable Diffusion往往默认设定大小是512×512，即便是有很多人生成了“看似”像素风的图片，但实际上并不是。所以，我要分享的是，如何做出真正能用在你游戏里的像素美术？ 做到这一点，你只需要准备两样东西：第一个是Stable Diffusion，如果没有高配显卡，也可以使用网络方案。第二是Photoshop或者类似的图片处理软件，由于我们不会用到很高级的功能，所以第二种工具的替代方案有很多。 我们从Photoshop开始，我新建了几个文件，第一个是整合所有元素的主场景（320×180），其次是128×128像素的画布、32×32，以及一个16×16的画布，这些是今天要处理的尺寸。最大的用于树木、建筑等更大的元素；32×32用来画角色，我们今天会画一个农场主；最小的一个用于动物、蔬菜或者你可以捡起来的物品。 接下来我们打开Stable Diffusion，我发现有一些指令可以生成比较好的结果，你会发现它们当中并不总是出现像素艺术这个关键词，因为Stable Diffusion并不是为了像素风美术训练的，所以我们需要做一些调整才能得到想要的结果。 像素建筑生成 不过，我们首先从最简单的开始，我认为是建筑。我们可以对建筑生成的指令使用像素艺术，比如我的指令是：Pixel art of a house, colorful, warm and cozy, nintendo, pokemon, stardew valley, harvest...