约翰·斯诺实验室是将人工智能引入医疗和生命科学领域的领导者之一，该公司提供了先进的软件、模型和数据解决方案，使组织能够有效地使用AI。这家总部位于美国的公司一直致力于将AI用于善举，并开发了一些获奖工具，如医学LLMs、医学LLM推理器、医疗NLP、Spark NLP、生成式AI实验室无代码平台和医学聊天机器人。这些工具帮助领先的制药公司、学术医疗中心和健康科技公司实现AI转型。
最近对该公司首席执行官大卫·塔尔比的采访揭示了该公司的使命及其发展历程。让我们一起来看看。
约翰·斯诺实验室- 背景和影响
大卫·塔尔比透露，他的职业生涯主要致力于有效使用AI。在加入专注于帮助医疗和生命科学公司有效使用AI的职业之前，他曾在初创公司和大型软件平台工作，为微软的Bing在美国和欧洲做出贡献，并在美国和英国扩展亚马逊的财务系统。
谈到约翰·斯诺实验室，塔尔比提到，该组织建立在帮助“医疗和生命科学组织有效使用AI”的概念上。他们的获奖产品套件包括医学LLMs、医学LLM推理器、医疗NLP、Spark NLP、生成式AI实验室无代码平台和医学聊天机器人，所有这些都旨在控制医疗领域的AI力量。
旨在改变行业并普及AI
约翰·斯诺实验室的一个根本区别在于其坚定地致力于将AI用于善举。据塔尔比称，这种承诺体现在公司持续的产品开发、普及AI的努力以及负责任的AI解决方案的部署中。从一开始，约翰·斯诺实验室每两周发布一次更新，以确保客户能够访问基于最前沿研究的最新模型和软件。
最重要的是，他们的医学LLM在实际执业医生中的偏好超过了GPT-4o，在事实性、临床相关性和简洁性方面，任务如总结、信息提取和生物医学问题回答的偏好率高出45%至92%。
此外，约翰·斯诺实验室开创了可扩展的非结构化文本去标识化，并现在为PDF和DICOM文件提供相同服务。他们的工作范围从患者的旅程到匹配患者与指南和试验、评估风险、识别未报告的安全事件，以及回答关于肿瘤学和放射学患者的问题等，涵盖了需要注入医学文本的应用。
当讨论到通过免费软件普及AI时，公司首席执行官透露，约翰·斯诺实验室通过免费软件、开源贡献和知识共享推动AI的普及。由该组织发起的开源Spark NLP库下载量超过1.4亿次，主要用于全球大规模部署。他们还主办了免费的NLP峰会和医疗NLP峰会。下一次峰会定于4月1日至2日举行，旨在提高社区意识并推进全球AI社区的发展。
此外，他提到，“我们有免费的低代码和无代码软件”，这使得AI工具不仅对数据科学家，而且对新手和领域专家也变得易于访问。学术研究人员和教育工作者在无限期的时间框架内获得免费许可，从而增强了调查和教学生物技术，并恢复了基准。
确保负责任的AI并提供创新产品解决方案
在医疗保健领域，部署准确、稳健、可再现和可解释的AI解决方案至关重要，塔尔比承认这一点。因此，约翰·斯诺实验室创建了一个负责任的AI框架，通过该框架测试模型的稳健性、偏见、越狱问题、私有数据泄露和毒性。他们的开源LangTest库可以自动生成并在流行的模型和API上运行100多种类型的测试。
除了遵守行业监管指南和标准外，约翰·斯诺实验室还获得了太平洋AI治理认证，展示了对美国80多项不同法律、法规和标准的合规性。约翰·斯诺实验室的首席执行官提到，“我也是健康AI联盟（CHAI）的成员”，该联盟积极起草并发布了与行业、学术界和政府参与者合作的医疗保健负责任AI的公共框架。
作为约翰·斯诺实验室战略的一部分，该公司拒绝任何形式的外部资本或债务，这使公司能够更专注于照顾客户，作为生存和增长的手段。这也帮助公司在平衡投资者和客户利益或选择财务目标而不是客户利益之间保持一定距离。
该公司在研发方面投入巨大，以使其客户处于医学语言模型的前沿，每天都有研发计划，以保持在不断发展的生成式AI领域的领先地位。鉴于其多样化的客户基础——从医疗系统到制药公司、支付方和初创企业——约翰·斯诺实验室不断整合客户反馈，推动新发展。
开发医疗AI的挑战和未来前景
开发医疗保健领域的AI解决方案面临着独特的挑战，因为该领域的复杂性、敏感性和监管环境。与通用AI不同，处理高敏感度患者信息的医疗AI必须遵守严格的隐私法律，如HIPAA和GDPR。尽管高质量、特定领域的数据是主要支柱，但医疗数据通常是非结构化的，并且分散在各个系统中，可能包含偏见。
因此，在不完整或有偏见的数据集上训练AI可能导致错误预测并对患者造成潜在危害。任何来自医疗保健的错误都可能意味着患者的生死，因此应追求完全验证和可解释性。
此外，他还强调了实际应用的考虑。根据大卫的说法，许多AI工具面临采用挑战，因为它们会破坏现有的实践或增加医生的认知负担。因此，建立信任是关键。
最后，约翰·斯诺实验室的未来愿景包括公司致力于持续改进、创新，并在医疗保健领域树立负责任AI的典范。
(全文结束)
