今天在《科學》期刊上：來自微軟研究AI for Science的BioEmu。這種生成式深度學習方法模擬蛋白質平衡集群——這對於大規模理解蛋白質功能至關重要。

與生成式 AI 的第一次相遇可能會令人難忘。在「重新審視醫學中的 AI 革命」 的第 7 集中，@BillGates 和 @SebastienBubeck 講述了他們的早期經歷，並分享了他們如何看待技術在現在和未來改變醫療保健。

Microsoft Research 邀請各種規模的組織加入 DFT Research 早期訪問計劃，以探索我們新的 Skala 泛函的潛力，並通過更快、更準確的密度泛函理論加速跨行業的創新。

很高興分享兩項進展，讓我們更接近醫療保健 AI 的實際影響： SDBench 引入了一個新的基準測試，可將 304 個 NEJM 病例轉換為互動式診斷類比。AI 必須提出問題、訂購測試並權衡成本，這反映了實際臨床決策的複雜性。 MAI-DxO 是一個與模型無關的編排器，用於類比一組虛擬醫生。它實現了 85.5% 的診斷準確率，是經驗豐富的醫生的四倍，同時降低了診斷成本。 這些進步共同為 AI 如何幫助在醫療保健領域提供精確性和效率提供了藍圖，我們期待與醫療保健合作夥伴和整個生態系統合作，利用這些進步產生影響。

在“AI測試與評估”中，生物技術治理專家Alta Charo探討了基因組編輯的演變前景及其監管影響，而Microsoft總經理Daniel Kluttz則在AI治理的背景下反思了這些見解。

我們正在向醫療超級智慧邁出一大步。AI 模型在多項選擇體檢中取得了優異成績，但真正的患者沒有 ABC 答案選項。現在，MAI-DxO 可以以更高的準確性和更低的成本解決一些世界上最棘手的開放式案件。

世界上第一個多模態、雙語放射學數據集可以重塑放射科醫生和 AI 系統理解 X 射線的方式。PadChest-GR 由阿利坎特大學與 Microsoft Research 共同開發，有可能在未來幾年內推進整個領域的研究。

我們只是觸及了 AI 改變醫療保健的潛力的皮毛。@BillGates 和 @SebastienBubeck 在「重新審視醫學中的 AI 革命」的第 7 集中討論了他們對未來的願景以及需要做什麼才能實現這一目標。

在“AI 測試和評估：從科學和工業中學習”的介紹集中，主持人 Kathleen Sullivan 和 Amanda Craig Deckard 討論了 Microsoft 如何利用其他領域的經驗來推進 AI 治理政策和實踐。

在「醫學領域的 AI 革命，再訪」 的第 7 集中，@BillGates 和 @SebastienBubeck 探討了生成式 AI 在醫學領域的現狀、“醫療智慧”在醫療保健領域為人們提供支持的潛力，以及下一步會發生什麼。