新研究表明，谷歌与英国国家卫生服务系统合作的AI技术能提高乳腺癌早期筛查的准确性，发现25%的漏检病例，减轻放射科医生负担，提升患者护理时间，促进早期诊断，拯救生命。

在湖诺纳影响论坛上，我讨论了AI在改善医疗和推动科学方面的潜力。AI使医疗信息更易获取，促进个性化医疗。我们开发了Med-Gemini等模型，提升了诊断能力，并在资源匮乏地区推广早期疾病筛查。AI还加速了科学发现，推动医疗和科学的进步。

本研究提出了一种基于图神经网络的多光谱视图学习模型（GNN-MSVL），用于从彩色视网膜照片中检测糖尿病性黄斑缺血（DMI）。该模型通过重建多光谱图像并利用ResNeXt101进行特征提取，实现了84.7%的准确率，显示出在DMI早期筛查中的潜力。

本研究引入“拥抱雨人”数据集，分析自闭症谱系障碍（ASD）儿童的非典型面部表情。该数据集包含手动注释的面部动作单元，揭示ASD儿童在情感表达中的不规则和多样化表情模式，为ASD的早期筛查提供了潜在工具。

通过步态分析，提出了基于视频的非侵入式脊柱侧弯分类方法，为早期筛查提供新解决方案。使用Scoliosis1K数据集，开发了ScoNet和ScoNet-MT两个模型，证明步态可作为非侵入式的脊柱侧弯生物标志物，革新了筛查实践。数据集和代码可公开获取。

COVID-19早期筛查和诊断对于减少传播和降低死亡率至关重要。研究使用大规模的COVID-19胸部X射线数据集和CoVScreen卷积神经网络进行训练和测试，证明了该方法在COVID-19感染筛查方面的有效性。