AI模型DINO和SAM在宾夕法尼亚大学革新医疗分诊
realtime news Dec 19, 2025 02:14
根据Meta AI，先进的AI模型如DINO和SAM正在通过提高自动化和效率，在紧急情况下改变急诊医疗分诊。
根据Meta AI的一项突破性倡议，宾夕法尼亚大学正在利用先进的AI模型来革新急诊医疗分诊。该倡议使用如DINO和SAM的AI模型，旨在提高紧急响应场景中的自动化和有效性。
分诊实践的演变
分诊（Triage）来源于法语动词“trier”，意为“分类”。它从拿破仑时期的根源发展成为急诊医疗响应的关键组成部分。传统上，分诊依赖于标准化协议来指导急救人员在关键决策过程中。然而，在混乱的大规模伤亡事件（MCI）中，遵守这些协议可能具有挑战性。
计算机视觉、机器人和机器学习的最新进展正在重塑这一领域。这些技术正在推动医疗AI的界限，特别是在军事环境中，通过改善快速而有效的分诊操作。
DARPA的挑战和PRONTO的角色
美国国防高级研究计划局（DARPA）发起了一项为期三年的挑战，以推动该领域的创新。该挑战包括在自主系统上使用远程传感器，以检测即使在连接有限的环境中也能指示危重病情水平的生理特征。
宾夕法尼亚大学的机器人无接触分诊和观察（PRONTO）团队，包括来自宾夕法尼亚医学院和宾夕法尼亚工程学院的专家，处于这一挑战的前沿。通过将最先进的机器人技术与Meta的SAM和DINO模型相结合，PRONTO正在开发用于灾难场景中快速伤害检测和评估的自主系统。
技术创新和部署
在挑战的初始阶段，PRONTO部署了一种系统，使用无人机和地面机器人对灾难现场进行调查，获取用于伤害评估的重要数据。这些数据通过Meta的Segment Anything Model 2（SAM 2）进行处理，该模型可以高效地分割图像和视频中的物体。
此外，使用DINO不需要标记数据，增强了系统的效率和可扩展性。该模型在各个领域中进行概括化，包括医学图像，使得通过专门的神经网络提取视觉特征以识别伤害。
通过与SAM和Grounding DINO模型合作，PRONTO利用文本提示如“伤口？”和“血液？”来检测与伤害相关的特征，从而提供全面的分诊解决方案。
欲了解更详细的信息，请访问Meta AI博客。
Image source: Shutterstock.jpg)
