John Snow Labs
PulseAugur coverage of John Snow Labs — every cluster mentioning John Snow Labs across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
外包敏感工作负载的安全控制
外包敏感工作负载的公司必须实施强有力的安全控制措施，而不仅仅依赖提供商的保证。关键措施包括现代化合同以明确数据访问和使用，通过客户管理的加密密钥验证对数据和模型（如 GPT-5、Claude 4.7、Gemini、Llama）的控制，并确保能够撤销第三方访问权限。组织还应要求数据主权、不可变的审计跟踪以及独立于提供商运行工作负载的能力，以保持控制并保护机密信息。
-
美国AI放松管制为企业制造合规迷宫 · 跟踪1个来源
尽管美国联邦政府在放松AI管制方面做出了努力，但由于州级AI法律激增，企业面临着复杂且分散的合规格局。这些州级法规涵盖了从隐私、医疗保健到自动化决策和对话式AI等领域，随着企业为简化运营而采纳最严格的要求，它们正日益影响国家层面的产品设计。因此，AI合规正演变成一项重大的测试挑战，需要在不同司法管辖区和用例中对系统行为、披露和风险评估进行严格验证。
-
John Snow Labs 对 20 亿条患者记录进行去标识化处理，树立新标准
John Snow Labs 与医疗系统 Providence 合作发表的一项研究，详细介绍了一种以前所未有的规模对患者记录进行去标识化处理的新方法。该研究在 HIPAA 的专家认定标准下处理了 20 亿条临床记录，显著超越了 UCSF 的 1.3 亿条记录等以往的努力。研究强调了去标识化系统的三个关键测试：针对人工审查员的准确性、跨不同人口统计群体的平等保护，以及识别重新标识化风险的严格红队测试方法。
-
FDA拓宽医疗器械真实世界证据指南，接受去标识化数据和主要证据
FDA已更新其关于医疗器械真实世界证据（RWE）的指南，引入了两项关键的结构性变更，拓宽了可允许提交的范围。首先，该机构现在将接受某些器械提交的去标识化数据，从而开放了大量先前无法访问的数据池，例如国家疾病登记处和大规模索赔数据库。其次，RWE现在可以作为监管决策的主要证据，而不仅仅是补充性背景，允许申办方围绕精心设计的真实世界分析来构建提交材料，而不是仅仅依赖随机试验。预计这些合并的变更将简化监管流程，降低成本，并能够解决新型研究问…
-
专家称医疗保健人工智能治理委员会未能扩展
医疗保健领域的中央人工智能治理委员会正成为官僚主义的瓶颈，阻碍了人工智能技术的广泛应用。这些委员会旨在减轻风险并确保遵守各种法规，但它们往往缺乏必要的专业知识，并且难以应对海量的人工智能提案。当前的 मैनुअल 审查流程跟不上人工智能发展的快速步伐，导致出现变通方法和“影子人工智能”。
-
AWS 支持药物发现和患者护理的多模态人工智能模型
Amazon Web Services (AWS) 正在支持使用多模态生物基础模型 (BioFMs) 来整合和分析多样化的医疗保健数据流。这些先进的人工智能模型预先在广泛的生物数据集上进行了训练，可以同时处理文本、图像和遗传信息等多种数据类型。通过克服传统碎片化数据分析的局限性，这种方法旨在为药物发现、临床开发和个性化医疗提供更深入的见解。