The Path, founded by Tony Robbins and Calm alums, hopes to offer safer AI therapy
TechCrunch AI12d agoRelease由知名心靈導師 Tony Robbins 與冥想 App「Calm」前團隊成員共同創立的 AI 心理健康平台「The Path」正式亮相。該公司強調其 AI 模型在心理健康安全基準測試「Vera-MH」中獲得了 95 分的高分，遠高於一般消費級聊天機器人最高僅 65 分的表現。這項技術旨在解決當前 AI 進行心理諮商時可能產生的安全與倫理風險，提供更具臨床安全性的數位支持。
Strengthening Singapore’s AI Future: A New National Partnership★ 75
Google DeepMind Blog17d agoBusinessGoogle DeepMind 宣布與新加坡政府建立全新的國家級合作夥伴關係。雙方將攜手導入前沿 AI 技術，共同解決醫療保健、教育系統優化以及環境永續發展等複雜的社會與國家級挑戰。這項合作不僅強化了新加坡在亞太地區的 AI 領先地位，也展示了公私部門如何協同推動負責任的 AI 應用。
Accelerating discovery of liver disease mechanisms★ 80
Google DeepMind Blog17d agoReleaseGoogle DeepMind 分享了研究員 Filippo Menolascina 如何利用 AI 系統「Co-Scientist」來攻克複雜的肝臟疾病。該系統不僅協助識別出全新的肝臟疾病治療方案，還成功解釋了為何現有藥物只對部分患者群體產生療效。這項突破展示了 AI 代理（AI Agents）在生物醫學與精準醫療領域的巨大潛力，能大幅縮短科學假說的驗證週期。
AI-Native Healthcare: 100M Doctor Visits, 10–20 Hours Saved, Prior Auth in Minutes — Janie Lee & Chai Asawa, Abridge★ 80
Latent Space18d agoCommentary本期 Latent Space 專訪醫療 AI 領導品牌 Abridge 的產品副總裁 Janie Lee 與工程副總裁 Chai Asawa。Abridge 透過環境語音識別（Ambient AI）技術，將醫病對話自動轉化為結構化病歷，每週為醫生節省 10 至 20 小時。此外，他們正將應用擴展至「預先授權（Prior Auth）」等行政流程，致力將醫病對話打造為醫療系統的全新作業系統。
Enabling a new model for healthcare with AI co-clinician★ 75
Google DeepMind Blog33d agoReleaseGoogle DeepMind 正在研發「AI 協同臨床醫生（AI co-clinician）」系統，探索 AI 輔助醫療的新路徑。該研究專注於建立能與人類醫生協作的 AI 助手，協助進行臨床推理、病歷撰寫與醫患溝通。此舉旨在緩解全球醫療資源緊張問題，並在確保安全與倫理的前提下，提升醫療服務的品質與效率。
Protecting people from harmful manipulation★ 75
Google DeepMind Blog69d agoReleaseGoogle DeepMind 發表針對 AI 「有害操縱」風險的研究，特別聚焦於金融與醫療兩大高風險領域。隨著 AI 技術深入日常生活，如何防止 AI 系統對人類進行心理、經濟或健康決策上的惡意引導至關重要。對此，DeepMind 提出了新型的安全評估與防護機制，旨在建立更具韌性且安全的 AI 部署標準。
How OpenEvidence built a healthcare AI that physicians actually trust
Vercel Changelog97d agoBusiness醫療 AI 平台 OpenEvidence 分享了他們如何贏得醫生信任的關鍵。透過與 Vercel 合作，他們構建了一個結合 RAG（檢索增強生成）技術的決策支持系統，能針對醫學提問提供精確且附帶權威文獻引用的解答。Vercel 的高效能前端基礎設施與邊緣渲染技術，確保了醫生在臨床現場能以極低延遲獲取關鍵資訊，解決了醫療 AI 常見的幻覺與速度痛點。
Revealing a key protein behind heart disease★ 80
Google DeepMind Blog189d agoReleaseGoogle DeepMind 宣布，旗下 AI 蛋白質結構預測模型 AlphaFold 已成功解析出導致心臟病的一種關鍵蛋白質結構。這項突破解決了長期以來在結構生物學上的難題，有助於科學家深入理解心血管疾病的致病機制。此發現將為未來的標靶藥物開發與精準醫療奠定重要基礎，展現 AI 在生醫領域的巨大潛力。
Building a Healthcare Robot from Simulation to Deployment with NVIDIA Isaac★ 75
Hugging Face Blog216d agoTutorial本文介紹 Hugging Face 開源機器人庫 LeRobot 與 NVIDIA Isaac 平台的整合應用。透過 Isaac Sim 的高保真物理模擬環境進行安全訓練，再將模型無縫遷移至實體醫療機器人上。此方案降低了醫療自動化設備的開發門檻，為手術輔助、照護等場景提供高效的端到端開發路徑。
How to Build a Healthcare Robot from Simulation to Deployment with NVIDIA Isaac for Healthcare★ 70
Hugging Face Blog216d agoTutorialNVIDIA 介紹如何利用其 Isaac 機器人平台開發醫療照護機器人。文章詳細說明了從 Isaac Sim 虛擬醫院環境的建立、利用 AI 與強化學習訓練機器人安全互動，到最終透過 NVIDIA Jetson 或 IGX 邊緣運算平台進行「模擬到真實（Sim-to-Real）」部署的完整工作流，為醫療自動化與輔助照護提供安全且高效的開發路徑。
MedGemma: Our most capable open models for health AI development★ 82
Google DeepMind Blog220d agoReleaseGoogle DeepMind 宣布在 MedGemma 系列中推出全新的多模態模型，這是目前用於醫療 AI 開發最強大的開源模型。該系列基於 Gemma 架構構建，旨在協助醫療研究人員與開發者進行臨床問答、醫學影像分析等任務。透過開放權重，Google 期望能加速全球醫療 AI 的創新與安全應用。
The Open Medical-LLM Leaderboard: Benchmarking Large Language Models in Healthcare★ 75
Hugging Face Blog774d agoReleaseHugging Face 與 Open Life Science AI 等機構合作推出「Open Medical-LLM Leaderboard」。該排行榜整合了 MedQA、MedMCQA、PubMedQA 及 MMLU 醫學子集等基準測試，旨在客觀評估 LLM 在醫療與臨床任務上的表現。這為醫療領域的 AI 研究人員與開發者提供了一個公開、標準化且易於比較的評估平台，有助於推動安全且精確的醫療 AI 發展。
Ryght’s Journey to Empower Healthcare and Life Sciences with Expert Support from Hugging Face
Hugging Face Blog777d agoBusiness生醫 AI 平台 Ryght 宣布與 Hugging Face 專家支援團隊合作。面對醫療領域嚴格的 HIPAA 合規性、複雜的醫學術語與高昂的模型微調成本，Ryght 透過 Hugging Face 的技術指導，優化了開源模型的微調與推理效率。此合作成功讓 Ryght 快速推出專為臨床研究與數據分析設計的安全 AI 助理，大幅降低運算成本並縮短產品上市時間。
Creating Privacy Preserving AI with Substra
Hugging Face Blog1147d agoNew ToolOwkin 開源的聯邦學習框架 Substra 已託管於 LF AI & Data 基金會。該框架允許開發者在分散且不公開的數據集上協同訓練 AI 模型，特別適合醫療等高隱私需求領域。本文介紹如何結合 Substra 與 Hugging Face 生態系，實現可追溯、安全且合規的隱私保護機器學習。
How Sempre Health is leveraging the Expert Acceleration Program to accelerate their ML roadmap
Hugging Face Blog1475d agoBusiness醫療科技公司 Sempre Health 透過加入 Hugging Face 的專家加速計畫（EAP），加速了其機器學習技術的落地。在 Hugging Face 專家的指導下，Sempre Health 成功將先進的 Transformer 模型應用於患者簡訊互動的意圖識別，不僅縮短了模型開發與部署週期，更大幅優化了推理延遲與雲端基礎設施成本，有效提升患者的服藥遵從率。