22:24techcrunch@Connie LoizosConnor Christou确诊癌症后,将血检结果、扫描数据、穿戴设备输出和日记全部输入Claude来辅助决策。Claude帮助他整合多模态健康数据,识别出传统医疗流程中易被忽略的模式。他通过AI对比不同治疗方案的临床试验数据,最终选择了定制化疗法。整个过程强调数据驱动而非猜测,并公开了具体操作流程。技巧Claude创始人癌症健康数据AI医疗推荐理由:有人把血检、扫描、手表数据全喂给Claude来治癌症,不是科幻,是他真这么干了。原文
14:29arXiv cs.AI@Aditya Tanna, Nassim Bouarour, Mohamed Bouadi, Vinay Kumar Sankarapu, Pratinav Seth精选表格基础模型在健康数据集上表现优异,但高推理成本和基础设施需求限制了实际应用。研究者提出通过知识蒸馏将预测能力转移至轻量表格模型,并针对上下文表格模型在推理时依赖训练集导致的上下文泄露问题,采用分层折叠教师标注策略。在19个医疗数据集、6个教师模型、4个学生模型家族及多教师集成实验中,蒸馏学生模型保留了教师AUC的至少90%,部分甚至超越教师,同时CPU推理速度提升至少26倍,且保持校准性和公平性。多教师平均并未持续优于最佳单教师。该研究为推理受限的健康场景部署高质量预测提供了可行路径。论文表格基础模型知识蒸馏健康数据推理效率公平性推荐理由:医疗AI团队终于有了低成本部署高精度表格模型的方案——蒸馏后模型保留90%性能且快26倍,做健康数据预测的开发者可以直接用。原文