Gerardo Hermosillo Valadez | 西门子年度发明家 | 终身成就
几十年来，X射线、CT扫描和核磁共振成像等成像技术一直为医生提供患者体内骨骼和组织结构的详细图像，为他们提供帮助。“所有这些技术都为我们提供了图像数据，只有在能够正确解释的情况下，这些数据才有助于诊断。例如，必须有人明白，X射线图像中的细线显示骨折，或者注意到磁共振成像扫描的大量数据中有异常的质量。” 西门子健康公司（SHS）的杰拉尔多·埃莫西洛·瓦拉德斯说，他是2024年终身成就类别的年度发明家。“我的部门正在研究可以解释医学图像的人工智能流程，从而减轻和支持医务人员的负担。”
杰拉尔多·埃莫西洛·瓦拉德斯是 2024 年度发明家：他的发明开发了解剖智能
人们通常非常擅长在照片中发现事物。例如，大多数人会发现在X射线图像中很容易识别出脊柱，即使由于患者的不同姿势、拍摄照片的角度不同、骨头大小或小，或者脊柱健康与变形的脊柱而导致图像差异很大。计算机只能使用人工智能（通过深度学习）来做到这一点，而且前提是它们已经接受了许多适当的样本训练。杰拉多说：“人工智能就是这样发展解剖智能，这样它就可以通过医学图像找到出路，正确地对不同的骨骼、器官和组织进行分类。”“同样，人工智能可以学会区分正常和异常组织。”
在医院和医生办公室的日常生活中，人工智能驱动的图像识别有许多不同的应用：例如，系统可以学会显示正确的图像数据以响应 “显示右肩骨” 之类的指令。它还可以为放射学检查提供自动支持，以确定注射的造影剂何时到达待检查器官，并分析图像数据以了解可能的致病变化。杰拉尔多一直在推动的许多创新在整个SHS产品系列中无处不在。
杰拉尔多强调说：“只有经过训练的数据，人工智能才有效。”“为了识别核磁共振成像中的肿瘤，它必须首先从我们提供给它的数千张健康人和病人的图像中吸取教训。”训练人工智能有三种基本方法：监督学习、弱监督学习和自监督学习。在监督学习中，人工智能会获得每个数据集的精确信息：例如，“图像的右上角有一个肿瘤”。在弱监督学习中，只给出了几个信息标签：例如，肿瘤或无肿瘤。在自监督学习中，数据根本没有标签，人工智能独立学习：例如，通过隐藏现有样本图像中的部分并 “猜测” 它们长什么样。
他的发明塑造了整个 Siemens Healthineers 产品系列
人工智能可以学会通过医学图像找到出路并对其进行正确分类。
监督学习是 AI 最快、最高效的学习方式，但是要获得考虑到所有相关方面的足够训练数据既耗时又昂贵。自监督学习需要最多的学习时间，但是人工智能可以独立工作，无需昂贵的数据标签。杰拉尔多说：“最近，我们一直专注于最新的自我监督学习技巧，例如ChatGPT使用的技术。”“这极大地推动了我们的发展，尤其是在解剖学智能领域。现在，我们的人工智能几乎和解剖图集一样聪明。它可以区分大约 200 个不同的地标（身体部位），并将它们定位在成像材料中。
