Search Results Nature

部屋温超伝導体の主張を支持する研究

研究者たちは、今年早期に行われた研究で他の科学者から疑問視されていた重要な測定を検証しました

重症患者のせん妄検知は、患者のケアや回復に重要な影響を与える複雑なタスクです。しかし、人工知能（AI）と迅速な反応型脳波（EEG）の進歩により、せん妄検知が変革されています。Natureに掲載された研究によると、科学者たちはNVIDIA GPUの力を借りてAIを活用し、驚くべき精度でせん妄検知を実現しました。このブレイクスルーには、重症患者のケアを革新し、患者アウトカムを改善し、せん妄に関連する財政的負担を減らす可能性があります。この興味深い研究の詳細について見ていきましょう。また読む：試行錯誤から精度へ：高血圧治療のAIの答えせん妄の理解せん妄は、医療状態、精神活性物質、または複数の原因による急性の混乱状態です。数時間から数日で発症し、注意、意識、高次の認知障害を伴います。せん妄の人は、他の神経精神症状、例えば、心理運動活動の変化、睡眠覚醒周期、感情や知覚の障害を経験するかもしれません。ただし、これらは診断に必要ではありません。せん妄検知の重要性せん妄は、重症患者の間で広く見られる急性の混乱状態であり、早期に検出することで適切なケアを提供し、回復を促進し、長期にわたるスキルの必要な介護を減らすことができます。米国では、NIHによると、せん妄の財政的影響は年間1人あたり最大で64,000ドルになることがあります。ブレークスルーの研究：AIとEEGによるせん妄検知最近のNatureの出版物「Supervised deep learning with vision transformer predicts delirium using limited lead EEG」において、研究チームはせん妄検知に対する画期的なアプローチを紹介しました。NVIDIA GPUによって加速されたディープラーニングモデルであるVision Transformerを、迅速な反応型EEGデバイスと組み合わせることで、驚異的なテスト精度率97％を達成しました。このブレークスルーにより、認知症を予測し、予防や治療方法の評価を容易にし、患者ケアを改善する可能性があります。また読む：ヘルスケアのMLの利用：予測分析と診断 NVIDIA…

研究者たちは、新しい量子光源を開発しました

その装置は単一光子のストリームを放出し、光量子コンピュータの基盤となる可能性があります

類似検索、パート5：局所性鋭敏ハッシュ（LSH）

類似度検索とは、クエリが与えられたときに、データベース内のすべてのドキュメントの中から、それに最も類似したドキュメントを見つけることを目的とした問題ですデータサイエンスにおいては、類似度検索はしばしば自然言語処理において現れます...

ExcelとPower BI – 意思決定においてどちらが優れているか？

現代の急速なビジネス環境においては、組織の成功のためには情報をもとにした意思決定が不可欠です。人気のあるビジネスインテリジェンスツールとそのユニークな機能を理解することが、真のポテンシャルを引き出す上で重要です。MS ExcelとPower BIの両方は、データ分析と意思決定に関する印象的な機能を提供しています。ただし、最適な選択を決定するには、具体的な要件に応じて決定する必要があります。この記事では、MS ExcelとPower BIの強みと特定のユースケースについて掘り下げ、ビジネスニーズに合わせてどちらのツールを選択するかをお手伝いします。 MS Excelとは？ Microsoft Excelは、データの整理、操作、分析、可視化が可能な強力かつ使いやすいツールです。データ処理、クリーニング、変換などの重要な機能を提供しています。データ分析と可視化には、データ分析ツール、ピボットテーブル、グラフなどの組み込み機能があります。また、Goal Seek、Solver、Decision Trees、Sensitivity analysisなどの機能により、要約されたデータに基づいて情報をもとにした意思決定が可能です。Power PivotやQueryは、データモデリングや変換を容易にすることで、意思決定に重要な役割を果たしています。Excelは、データを分析し、効果的な意思決定を行うための多目的なツールです。 Power BIとは？ Power BIは、Excelと同等の性能を持ち、データ変換、意思決定、さまざまなデータソースへの接続、統合、可視化、プレゼンテーションなどの機能を提供するMicrosoftが提供する別の意思決定テーブルです。Power BIには、動的でインタラクティブなレポートやリアルタイムダッシュボードを作成する機能など、独自の特徴があります。また、データモデリング、異なるデータ間の関係の形成、データ内の依存関係の検索なども含まれます。さらに、Power Queryを介したデータクエリは、直感的なグラフィカルインターフェースを使用して、クリーニング、整形、および変換などのデータ処理アクションを実行する興味深い機能です。Microsoftの製品として、包括的で使いやすいビジネスインテリジェンスツールとしてのコア機能とサービスを提供します。 Excelの最良の機能 1. データの整理に使用できるスプレッドシートソートおよびフィルタリング：ソートおよびフィルタリング機能を使用して、データを簡単に整理できます。…

科学者たちは、AIと迅速な応答EEGを用いて、せん妄の検出を改善しました

うつ病を検出することは容易ではありませんが、それには大きな報酬があります。患者に必要な治療を迅速かつ確実に行うことで、より早く、より確実に回復することができます。改善された検出は、長期的な熟練したケアの必要性を減らし、患者の生活の質を向上させ、重要な財政的負担を減らすことができます。米国では、うつ病に苦しむ人のケアには、国立衛生研究所によると、年間6万4千ドルの費用がかかります。先月Natureに掲載された論文によると、研究者たちは、高齢者の重症患者におけるうつ病の検出に、NVIDIA GPUによって加速された深層学習モデルであるVision Transformerと、迅速な応答型脳波測定装置であるEEGを使用した方法を説明しています。この論文は、「限られたリードEEGを使用した監視付き深層学習モデルによるVision Transformerによるうつ病の予測」と題され、サウスカロライナ大学のマリッサ・マルキー、パデュー大学の黄河燃、東カロライナ大学のトーマス・アルバネーゼとSunghan Kim、およびパデュー大学のBaijian Yangが執筆しています。彼らの革新的なアプローチは、テスト精度率が97%という結果を得て、認知症の予測において可能性のあるブレークスルーを約束しています。そして、AIとEEGを活用することで、研究者たちは予防と治療方法を客観的に評価し、より良いケアを提供することができます。この印象的な結果は、NVIDIA GPUの高速パフォーマンスの一部によるものであり、CPUに比べてタスクを半分の時間で達成することができました。うつ病は、重症患者の80％に影響を与えます。しかし、従来の臨床的な検出方法では、症例の40％未満が確認されており、患者ケアの重要なギャップを表しています。現在、ICU患者のスクリーニングには、主観的なベッドサイド評価が必要です。携帯型EEG装置の導入により、スクリーニングをより正確かつ手頃な価格で実施できるようになる可能性がありますが、技術者と神経学者の不足は課題です。しかしながら、AIの利用により、神経学者が所見を解釈する必要がなくなり、患者が治療により受容的な2日前にうつ病に関連する変化を検出することができます。また、最小限のトレーニングでEEGを使用することが可能になります。研究者たちは、自然言語処理のために最初に作成されたAIモデルであるViTを、EEGデータに適用しました。これにより、データ解釈に新しいアプローチが可能になりました。大型EEGマシンや専門技術者が必要ない迅速なEEG装置の使用は、この研究の重要な発見の一つでした。この実用的なツールと、収集されたデータを解釈するための高度なAIモデルを組み合わせることで、重症ケアユニットにおけるうつ病のスクリーニングを効率化することができます。この研究は、病院滞在期間を短縮し、退院率を増加させ、死亡率を減少させ、うつ病に関連する財政的負担を減らすための有望な方法を提供しています。 NVIDIA GPUのパワーと革新的な深層学習モデル、実用的な医療機器を統合することで、この研究は技術が患者ケアを向上させる可能性を強調しています。 AIが成長し発展するにつれて、医療専門家は認知症などの状態を予測し、早期に介入するために、ますますそれに頼ることになるでしょう。これは、重症ケアの将来を変革することになります。全文を読む。

NYUとNVIDIAが協力して、患者の再入院を予測するための大規模言語モデルを開発する

退院は患者にとって重要なマイルストーンですが、時には回復への道のりの終わりではありません。米国では、初回退院後30日以内に約15％の入院患者が再入院することがあり、患者と病院の両方にとってより悪い結果や高いコストが伴うことがしばしばあります。ニューヨーク大学の学術医療センターであるNYUランゴーンヘルスの研究者は、NVIDIAの専門家と協力して、患者の30日間の再入院リスクや他の臨床的な結果を予測する大規模言語モデル（LLM）を開発しました。 NYUランゴーンヘルスの6つの入院施設に展開されたNYUTronモデルは、今日発表された科学誌ネイチャーに掲載され、AIによる洞察力を提供することで、再入院の可能性を低減する臨床介入が必要な患者を特定する医師を支援します。「患者を退院させる際には、再入院が必要になることは予想されません。また、もしそうだった場合は、病院に長く入院させる必要があるかもしれません」と、NYUグロスマン医学部の放射線科と脳神経外科の助教授であり、NYUTronの主要な協力者の一人であるエリック・オーマン博士は述べています。「AIモデルの分析を使用することで、私たちはクリニシャンに再入院のリスクを予測し、防止または解決するための手段を提供できるようになるでしょう。」このモデルはNYUの医療システムで50,000人以上の患者に適用され、再入院リスクの予測結果が医師に電子メール通知で共有されています。オーマン氏のチームは、NYUTronの分析に基づく介入が再入院率を減らすかどうかを検証する臨床試験を計画しています。急速な再入院の脅威に立ち向かう米国政府は、30日間の再入院率を医療の質の指標として追跡しています。再入院率が高い医療機関には罰金が科され、これにより病院が退院プロセスを改善するように刺激されます。最近退院した患者が再び入院する必要がある理由はたくさんあります。例えば、感染症、抗生物質の過剰処方、早すぎる手術ドレーンの除去などがあります。これらのリスク要因が早期に発見されれば、医師は治療計画を調整したり、患者を長期入院させたりすることで介入することができます。「患者の再入院を予測する計算モデルは、1980年代から存在していますが、これを自然言語処理のタスクとして、臨床テキストの健康システム規模のコーパスが必要となるものとして扱っています」と、オーマン博士は述べています。「私たちは、電子健康記録の非構造化データを使用してLLMをトレーニングし、人々が以前に考慮していなかった洞察力を捕捉できるかどうかを確認しました。」 NYUTronは、NYUランゴーンヘルスの10年間の健康記録、約4十億語の臨床ノート、約40万人の患者を表す大量のデータによって事前トレーニングされました。このモデルは、再入院を予測するための最先端の機械学習モデルよりも10％以上の精度改善を達成しました。 LLMが初期の使用ケースで30日間の再入院を予測するためにトレーニングされた後、チームは1週間ほどで他の4つの予測アルゴリズムを展開することができました。これには、患者の入院期間の長さを予測すること、入院中の死亡リスク、患者の保険請求が拒否される可能性などが含まれます。「病院を運営することは、ある意味ではホテルを管理することに似ています」と、オーマン博士は述べています。「病院がより効率的に運営できるようにする洞察力は、より多くの患者により多くのベッドとより良いケアを提供することを意味します。」トレーニングから展開までのLLM NYUTronは、数億のパラメータを持つLLMで、NVIDIA NeMo Megatronフレームワークを使用して、NVIDIA A100 Tensor Core GPUの大規模クラスターでトレーニングされました。「言語モデルに関する話題の多くは、数百または数千のGPUを使用して、汚いデータセットでトレーニングされた数十億のパラメータを持つ巨大で汎用的なモデルについてです」と、オーマン博士は述べています。「私たちは、高度に洗練されたデータでトレーニングされた中程度のサイズのモデルを使用して、医療特化のタスクを達成しています。」現実の医療現場で推論を最適化するために、チームはNVIDIA Tritonオープンソースソフトウェアの変更バージョンを開発し、NVIDIA TensorRTソフトウェア開発キットを使用してAIモデルの展開を簡素化しました。…

データサイエンティストのためのジオコーディング

この記事では、データサイエンスパイプラインの一部としてジオコーディングを紹介しています楽しく興味深い例を用いて、手動とAPIベースのジオコーディングをカバーしています

Data science

AIを使って若返る方法：新しい抗加齢薬が発見される

AIアルゴリズムが突破口を開き、老化や年齢関連疾患と戦う可能性のある潜在的な薬剤を特定するのに重要な役割を果たしました。この先駆的な方法により、さまざまな年齢関連疾患に関連する不良細胞を対象とする3つの化合物が研究者に導かれました。さらに、従来のスクリーニング方法よりもかなりコスト効果が高く、抗老化薬市場を完全に変える可能性があります。この興奮を持っている突破口について掘り下げてみましょう。また読む：AIのジェンフォーマー：生命の設計図を解読する AIの力を薬剤探索に解き放つエディンバラの専門家を率いる研究チームは、AIの力を活用して、老人細胞を標的とする薬剤を発見しました。老人細胞は、がん、アルツハイマー病、視力低下、および運動能力低下などの状態と関連する不良細胞です。また読む：AIが発見した、致死性の細菌に対抗する抗生物質機械学習モデルのトレーニング研究者たちは、老化防止活性を持つ化学物質の主要な特徴を認識するようにトレーニングすることで、機械学習モデルの開発に着手しました。彼らは、以前の研究から抽出された2,500以上の化学構造からのデータを利用しました。この包括的なトレーニングにより、AIモデルは、潜在的な抗老化特性に関連するパターンや特徴を識別できるようになりました。また読む：試行錯誤から精度へ：高血圧治療へのAIの回答数千の化学物質のスクリーニングトレーニングされたAIモデルを手に入れた研究チームは、4,000以上の化学物質をスクリーニングしました。その目的は、さらなる実験的検討のための有望な薬剤候補を特定することでした。この厳格なスクリーニングプロセスを通じて、AIアルゴリズムは、老化防止活性を示す21の有望な薬剤をフラグ付けしました。ヒト細胞試験での有望な結果特定された化学物質の有効性を検証するために、研究者は、ヒト細胞を用いた実験を行いました。その試験により、ジンクゲチン、ペリプロシン、オレアンドリンの3つの化合物が、健康な細胞を傷つけることなく老人細胞を除去できることがわかりました。驚くべきことに、これら3つの化学物質はすべて、伝統的なハーブ薬に見られる天然の製品であり、自然が老化と戦う可能性を示しています。このうち、オレアンドリンは特に効果的であり、同種の既存の老人細胞除去薬の性能を上回っています。また読む：画期的なニュース：人間の試験のためにエロン・マスクのニューラリンクがFDAの承認を受けるサポートと共同作業この研究は、権威ある学術誌Nature Communicationsに掲載され、医療研究評議会、がん研究UK、イギリス研究イノベーション（UKRI）、およびスペイン国立研究評議会を含むさまざまな組織から支援を受けました。カンタブリア大学（スペイン）とアラン・チューリング研究所の研究者たちが協力し、このプロジェクトの成功に貢献しました。また読む：J＆K政府は人工知能で医療を革命化する予定私たちの意見薬剤探索の分野でAIアルゴリズムを統合することにより、科学者たちは、老化や年齢関連疾患と戦う可能性のある潜在的な薬剤を特定する上で重大な進歩を遂げています。ジンクゲチン、ペリプロシン、オレアンドリンが有望な抗老化化合物として発見されたことにより、効果的な治療法を開発する新しい可能性が開かれました。AIの継続的な進歩と世界中の研究者たちの協力により、私たちは健康を向上させ、人間の寿命を延ばすための突破口を開くかもしれません。

Learn more about Search Results Nature - Page 13