ສິນເຊື່ອຮູບພາບ: PhonlamaiPhotos

ທ່ານ ຈຳ ເປັນຕ້ອງໄດ້ກວດຫາພະຍາດ – ທ່ານຄວນຖ່າຍຮູບຂອງທ່ານ, ຫຼືຜ່ານການທົດສອບທາງພັນທຸ ກຳ ທີ່ກວ້າງຂວາງ, ລາຄາແພງແລະຮຸກຮານບໍ?

ສຽງດີເກີນໄປທີ່ຈະເປັນຄວາມຈິງ, ແຕ່ມັນເປັນຄໍາຖາມທີ່ແທ້ຈິງຍ້ອນຄວາມກ້າວຫນ້າໃນປັນຍາປະດິດແລະການເຮັດວຽກຂອງ Wael Abd Almagedຜູ້ອໍານວຍການຄົ້ນຄ້ວາທີ່ ສະຖາບັນວິທະຍາສາດຂໍ້ມູນຂ່າວສານຂອງ USC (ISI), ຜູ້ທີ່ເປັນ ໃຊ້ AI ແລະການວິເຄາະການຮັບຮູ້ໃບຫນ້າ ເພື່ອຄາດຄະເນໄດ້ຢ່າງຖືກຕ້ອງກ່ຽວກັບ hyperplasia adrenaline ແຕ່ກໍາເນີດ, ພະຍາດທີ່ເຮັດໃຫ້ເກີດການປ່ຽນແປງໃບຫນ້າເລັກນ້ອຍ.

ນີ້ແມ່ນພຽງແຕ່ຕົວຢ່າງຫນຶ່ງຂອງການເຮັດວຽກທີ່ເຮັດໂດຍນັກຄົ້ນຄວ້າຢູ່ ISI ທີ່ກໍາລັງມາຮ່ວມກັນເພື່ອສ້າງຕັ້ງສູນການຄົ້ນຄວ້າປັນຍາທຽມເພື່ອສຸຂະພາບ (AI4Health).

ສູນກາງ, ນໍາໂດຍຜູ້ອໍານວຍການ Michael Pazzaniນັກວິທະຍາສາດຫຼັກຂອງ ISI, ຈະເນັ້ນໃສ່ການຄົ້ນຄວ້າທີ່ຊ່ວຍໃຫ້ມີຄວາມເຂົ້າໃຈໃນວິທີການແລະລະບົບປັນຍາປະດິດທາງດ້ານຈັນຍາບັນເພື່ອປັບປຸງການດູແລສຸຂະພາບ, ຕໍ່ສູ້ກັບຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງແລະການວິເຄາະຂໍ້ມູນໃຫຍ່.

ຊອກຫາທາງຕັດຂອງ AI ແລະຢາ

Pazzani ກ່າວວ່າ, “ISI ໄດ້ໃຊ້ AI ສໍາລັບການຄົ້ນຄວ້າສຸຂະພາບແລ້ວ, ຫນຶ່ງໃນເປົ້າຫມາຍຂອງ AI4Health ແມ່ນເພື່ອເຮັດໃຫ້ມັນເປັນລະບົບຫຼາຍຂຶ້ນເພື່ອເຮັດໃຫ້ນັກຄົ້ນຄວ້າໂຮງຮຽນການແພດຊອກຫາຄົນທີ່ມີຄວາມຊໍານານໃນ AI ໄດ້ງ່າຍຂຶ້ນ.”

ດ້ວຍເປົ້າໝາຍນັ້ນຢູ່ໃນໃຈ, AI4Health ຈະຈັດກິດຈະກຳຫຼາຍຢ່າງໃນການຮ່ວມມືກັບ Keck School of Medicine ຢູ່ USC. ເຫດການທໍາອິດແມ່ນກໍານົດສໍາລັບວັນພະຫັດ, ເດືອນທັນວາ 1, 2022, 11 ໂມງເຊົ້າຫາ 1 ໂມງແລງທີ່ວິທະຍາເຂດວິທະຍາສາດສຸຂະພາບຂອງ USC. ໃນເຫດການນີ້, ນັກຄົ້ນຄວ້າຫົກຄົນຈາກ ISI ແລະນັກຄົ້ນຄວ້າຫົກຄົນຈາກ Keck ແຕ່ລະຄົນຈະໃຫ້ການສົນທະນາຫ້ານາທີກ່ຽວກັບວຽກງານຂອງພວກເຂົາ. ປຊຊນີ ອະທິບາຍເຫດການເຫຼົ່ານີ້ຈະຊອກຫາ “ຊອກຫາຈຸດຕັດກັນລະຫວ່າງ Keck ແລະ ISI ແລະເພີ່ມຈໍານວນການຮ່ວມມື.” ລົງທະບຽນຢູ່ AI4Health.isi.edu.

datagalore

“ຂໍ້ມູນສຸຂະພາບໄດ້ກາຍເປັນອຸດົມສົມບູນຫຼາຍໃນຊຸມປີທີ່ຜ່ານມາ,” Pazzani ເວົ້າ. ບັນທຶກສຸຂະພາບທາງອີເລັກໂທຣນິກ, ຂໍ້ມູນ genomic, ຂໍ້ມູນຈາກ sensors ແລະ wearables, ແລະຮູບພາບທາງການແພດ – ຂໍ້ມູນທັງຫມົດນີ້ແມ່ນສຸກແລ້ວສໍາລັບການວິເຄາະໂດຍ AI. ຂໍ້ມູນຍັງສາມາດເກັບກໍາໄດ້ຈາກການພິມວາລະສານວິທະຍາສາດແລະຂໍ້ຄວາມສື່ມວນຊົນສັງຄົມ, ທັງສອງຢ່າງສືບຕໍ່ເພີ່ມຂຶ້ນຢ່າງໄວວາໃນປະລິມານ.

ແລະລະດັບຂໍ້ມູນໃຫຍ່ນີ້ແມ່ນບ່ອນທີ່ AI ແລະການຮຽນຮູ້ເຄື່ອງຈັກເຮັດວຽກທີ່ດີທີ່ສຸດ: ຊອກຫາຮູບແບບພາຍໃນຂໍ້ມູນ, ດຶງຂໍ້ມູນຈາກຂໍ້ຄວາມ (ie. ວາລະສານແລະສື່ສັງຄົມ), ແລະເຮັດໃຫ້ການຄາດຄະເນໂດຍອີງໃສ່ການວິເຄາະຂໍ້ມູນ.

AI4Health ຈະໃຊ້ AI ເພື່ອໃຊ້ທຶນໃນປະລິມານທີ່ເພີ່ມຂຶ້ນຂອງຂໍ້ມູນສຸຂະພາບ, ເຊັ່ນດຽວກັນກັບຊອກຫາວິທີແກ້ໄຂສໍາລັບສິ່ງທ້າທາຍທີ່ມາພ້ອມກັບຂໍ້ມູນໃຫຍ່.

AI4 ຂົງເຂດການຄົ້ນຄວ້າສຸຂະພາບ

ການຄຸ້ມຄອງຂໍ້ມູນ
ເພື່ອໃຫ້ຂໍ້ມູນທີ່ເປັນປະໂຫຍດ, ນັກຄົ້ນຄວ້າຈໍາເປັນຕ້ອງສາມາດຊອກຫາມັນ; ມັນເປັນປະໂຫຍດຖ້າມັນຖືກຈັດລຽງ, ຈັດຕັ້ງແລະປະກອບຄໍາບັນຍາຍ; ແລະມັນຕ້ອງໄດ້ຮັບການເຂົ້າເຖິງຫຼືແຈກຢາຍໃຫ້ຜູ້ທີ່ສົນໃຈ. ການເຮັດໃຫ້ສິ່ງນັ້ນເກີດຂຶ້ນທັງໝົດແມ່ນສິ່ງທີ່ເອີ້ນວ່າ ການຈັດການຂໍ້ມູນແລະນັກຄົ້ນຄວ້າ ISI ຫຼາຍຄົນໄດ້ເຄື່ອນໄຫວຢູ່ໃນພື້ນທີ່ນີ້ຍ້ອນວ່າມັນໃຊ້ກັບສຸຂະພາບ.

carl Kesselman, ISI Fellow and ຫົວໜ້າພະແນກຄົ້ນຄວ້າລະບົບຂໍ້ມູນຂ່າວສານ, ສ້າງທໍ່ ແລະຂະບວນການເຮັດວຽກທີ່ເປີດໃຊ້ງານ FaceBase 3 Data Management and Integration Hub ເກັບກໍາແລະຈັດຊຸດຂໍ້ມູນຂະຫນາດໃຫຍ່ ກ່ຽວກັບການພັດທະນາ craniofacial ແລະແຂ້ວໃນຕົວແບບຂອງມະນຸດແລະສັດ. ທັງ​ຫມົດ​ທີ່​ມີ​ຢູ່​ໃນ​ຊຸມ​ຊົນ​ການ​ຄົ້ນ​ຄວ້າ craniofacial ກວ້າງ​ກັບ​ເປົ້າ​ຫມາຍ​ຂອງ ການຄົ້ນຄວ້າກ້າວຫນ້າທາງດ້ານການພັດທະນາ craniofacial ແລະການຜິດປົກກະຕິ.

Yigal Arensຜູ້ອໍານວຍການບໍລິຫານອາວຸໂສ ISI ແລະຜູ້ອໍານວຍການພະແນກ AI ຊົ່ວຄາວ, ແລະທີມງານຂອງລາວໄດ້ເຮັດວຽກເປັນເວລາຫລາຍປີກັບສະຖາບັນສຸຂະພາບແຫ່ງຊາດແລະສະຖາບັນສຸຂະພາບຈິດແຫ່ງຊາດເພື່ອສ້າງ NIMH Repository ແລະຊັບພະຍາກອນພັນທຸກໍາ (NRGR). NRGR ແມ່ນການລວບລວມຕົວຢ່າງຊີວະພາບແລະຂໍ້ມູນຈາກຜູ້ທີ່ກວດພົບວ່າມີບັນຫາສຸຂະພາບຈິດແລະຍາດພີ່ນ້ອງຂອງພວກເຂົາ. ຊຸດຂໍ້ມູນຈາກ repository ແມ່ນມີໃຫ້ແກ່ນັກຄົ້ນຄວ້າໂດຍມີເປົ້າຫມາຍຂອງການກະຕຸ້ນການຄົ້ນຄວ້າແລະການພັດທະນາໂດຍການສະຫນອງການເຂົ້າເຖິງທັນເວລາກັບຂໍ້ມູນຕົ້ນຕໍແລະ biomaterials.

ວຽກງານທີ່ສໍາຄັນເຊັ່ນນີ້ – ວຽກງານທີ່ອໍານວຍຄວາມສະດວກໃນການນໍາໃຊ້ຂໍ້ມູນສຸຂະພາບຈໍານວນຫຼາຍທີ່ມີຢູ່ໃນນັ້ນ – ຈະສືບຕໍ່ເປັນສ່ວນຫນຶ່ງຂອງ AI4Health.

ການຄົ້ນພົບຄວາມຮູ້ ແລະການວິເຄາະຂໍ້ມູນ
ຂໍຂອບໃຈກັບຂໍ້ມູນສຸຂະພາບຫຼາຍຢ່າງ, ນັກຄົ້ນຄວ້າສາມາດໃຊ້ AI ເພື່ອຢັບຢັ້ງຮູບແບບທີ່ສາມາດນໍາໄປສູ່ຄວາມກ້າວຫນ້າ. ນີ້ມັກຈະຫມາຍເຖິງການວິເຄາະບັນທຶກສຸຂະພາບອີເລັກໂທຣນິກ, ຮູບພາບທາງການແພດ, ຫຼືຂໍ້ມູນຈາກເຊັນເຊີ wearable ເພື່ອຄົ້ນພົບຄວາມສໍາພັນໃຫມ່.

ນີ້ເບິ່ງຄືແນວໃດໃນການປະຕິບັດ? ວຽກ​ງານ​ຂອງ ISI ຜູ້​ນໍາ​ການ​ຄົ້ນ​ຄວ້າ​ອາ​ວຸ​ໂສ​ Greg Ver Steeg ທີ່ໄດ້ພົບເຫັນ ປັດໄຈທີ່ຄາດຄະເນສໍາລັບ Alzheimer’s ພະຍາດລະຫວ່າງຂໍ້ມູນທາງການແພດຂອງຄົນເຈັບ.

ຫຼືຜູ້ນໍາການຄົ້ນຄວ້າ ISI ອາບີເກລ ຮອນວຽກງານຂອງ ເພື່ອເຂົ້າໃຈພຶດຕິກໍາທີ່ນໍາໄປສູ່ພະຍາດທີ່ກ່ຽວຂ້ອງກັບອາຫານ. Horn ໄດ້ເຊື່ອມຕໍ່ຈໍານວນຫຼວງຫຼາຍຂອງ ຂໍ້​ມູນ​ການ​ເຄື່ອນ​ໄຫວ​ໂທລະ​ສັບ​ມື​ຖື​ແລະ​ ຂໍ້​ມູນ​ດ້ານ​ສຸ​ຂະ​ພາບ​ເພື່ອ​ສະ​ແດງ​ໃຫ້​ເຫັນ​ວ່າ​ສະ​ພາບ​ແວດ​ລ້ອມ​ສະ​ບຽງ​ອາ​ຫານ​ມີ​ການ​ພົວ​ພັນ​ຢ່າງ​ແຂງ​ແຮງ​ກັບ​ພະ​ຍາດ​ທີ່​ກ່ຽວ​ຂ້ອງ​ກັບ​ອາ​ຫານ​. ການຄົ້ນຄວ້າຍັງໄດ້ວິເຄາະເມນູຮ້ານອາຫານດິຈິຕອນເພື່ອກໍານົດຄຸນນະພາບຂອງອາຫານທີ່ມີຢູ່ໃນຊຸມຊົນ, ຫວັງວ່າຈະປູ ວິທີການສໍາລັບນະໂຍບາຍດ້ານສຸຂະພາບສາທາລະນະທີ່ມີປະສິດທິພາບຫຼາຍຂຶ້ນຫຼືການແຊກແຊງສໍາລັບກຸ່ມປະຊາກອນທີ່ໄດ້ຮັບຜົນກະທົບຈາກອາຫານທີ່ບໍ່ດີ.

ແຕ່ມີຂໍ້ມູນສຸຂະພາບບາງຢ່າງທີ່, ຢູ່ glance ທໍາອິດ, ອາດຈະບໍ່ເບິ່ງຄືວ່າ “ຂໍ້ມູນສຸຂະພາບ.” ຂໍ້ຄວາມສື່ມວນຊົນສັງຄົມ, ສໍາລັບຕົວຢ່າງ. Emilio Ferrara, ຫົວໜ້າທີມວິໄຈຂອງ ISI, ໄດ້ເຮັດວຽກເພື່ອຕ້ານການຫມູນໃຊ້ສື່ມວນຊົນສັງຄົມ ແລະ ຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງກ່ຽວກັບບັນຫາສາທາລະນະສຸກຈໍານວນຫນຶ່ງ: ການສົມຮູ້ຮ່ວມຄິດຂອງ COVID-19; ການໂຄສະນາຕ້ານ vax; ການສົ່ງເສີມຢາສູບ; ແລະຄວາມບໍ່ສົມດຸນທາງດ້ານການເມືອງ ແລະນະໂຍບາຍສາທາລະນະສຸກທາງອອນລາຍ.

ຊຸດຂໍ້ມູນອື່ນທີ່ສຸກແລ້ວສໍາລັບການຄົ້ນພົບແລະການວິເຄາະຄວາມຮູ້ແມ່ນຮ່າງກາຍທີ່ເຕີບໃຫຍ່ຢ່າງຕໍ່ເນື່ອງຂອງສິ່ງພິມວາລະສານເອເລັກໂຕຣນິກ. ດ້ວຍ AI, ເຫຼົ່ານີ້ສາມາດຖືກວິເຄາະເພື່ອສ້າງຖານຂໍ້ມູນຂອງຂໍ້ມູນການດູແລສຸຂະພາບ.

ສຸຂະພາບທີ່ຊັດເຈນ
“ການຄົ້ນພົບຄວາມຮູ້ຫມາຍເຖິງການຄົ້ນຄວ້າວິທີການນໍາໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອຊອກຫາຮູບແບບໃນຂໍ້ມູນ,” Pazzani, ຜູ້ທີ່ຕິດຕາມໂດຍການອະທິບາຍວ່າ. ສຸຂະພາບຊັດເຈນ ມັນຫມາຍເຖິງ “ການຊອກຫາຄວາມສ່ຽງຂອງພະຍາດແລະການປິ່ນປົວທີ່ຈະເຮັດວຽກທີ່ດີທີ່ສຸດສໍາລັບແຕ່ລະຄົນ.”

ບູລິມະສິດສໍາລັບ Keck School of Medicine ຢູ່ USC, ສຸຂະພາບທີ່ຊັດເຈນໃຊ້ການກໍານົດຂໍ້ມູນ genomic ຫຼືປັດໃຈອື່ນໆເພື່ອປັບປຸງສຸຂະພາບຂອງກຸ່ມຍ່ອຍຂອງປະຊາກອນ. ນີ້ສາມາດຫມາຍຄວາມວ່າການປັບແຕ່ງການປິ່ນປົວໃຫ້ກັບກຸ່ມຄົນເຈັບ, ເບິ່ງເຊື້ອໄວຣັສທີ່ມີ genome ສະເພາະ, ແລະອື່ນໆ.

Pazzani ໄດ້ຍົກຕົວຢ່າງ, “ມີຢາຈໍານວນຫນຶ່ງສໍາລັບພະຍາດ Parkinson, ແຕ່ຫນ້າເສຍດາຍ, ມີພຽງແຕ່ປະມານ 25 ສ່ວນຮ້ອຍ, ແຕ່ສໍາລັບບາງກຸ່ມຂອງຄົນເຈັບ, ພວກມັນມີປະສິດທິພາບ 90 ສ່ວນຮ້ອຍ.”

ນີ້ແມ່ນບ່ອນທີ່ AI ເຂົ້າມາ. ທ່ານກ່າວຕື່ມວ່າ, “ດັ່ງນັ້ນຖ້າທ່ານສາມາດເຂົ້າໃຈຄວາມສໍາພັນລະຫວ່າງຄວາມເປັນມາທາງພັນທຸກໍາຂອງຄົນເຈັບແລະຢາ, ຫຼັງຈາກນັ້ນທ່ານສາມາດປັບຢາໃຫ້ເຫມາະສົມກັບຄົນເຈັບຫຼືກຸ່ມສະເພາະຂອງຄົນເຈັບ.”

ແລະປະເພດຂອງການວິເຄາະນີ້ສາມາດມີຜົນສະທ້ອນທີ່ເຫັນໄດ້ຊັດເຈນ: “ການໄດ້ຮັບບາງສິ່ງບາງຢ່າງທີ່ມີປະສິດທິພາບ 25 ເປີເຊັນທີ່ໄດ້ຮັບການອະນຸມັດໂດຍ FDA ແມ່ນມີຄວາມຫຍຸ້ງຍາກ. ການໄດ້ຮັບບາງສິ່ງບາງຢ່າງທີ່ໄດ້ຮັບການອະນຸມັດທີ່ມີປະສິດຕິຜົນ 90 ເປີເຊັນສໍາລັບຄົນທີ່ມີ genome ທີ່ແນ່ນອນແມ່ນງ່າຍຂຶ້ນຫຼາຍ.”

ການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອສຸຂະພາບ
AI ແລະການຮຽນຮູ້ເຄື່ອງຈັກ (ML) ຍັງສາມາດຖືກນໍາໃຊ້ສໍາລັບການຕັດສິນໃຈທາງດ້ານຄລີນິກໂດຍການແນະນໍາການວິນິດໄສຫຼືແນະນໍາການແຊກແຊງກັບແພດ. ການເຮັດວຽກຂອງ AbdAlmaged ໂດຍໃຊ້ ການວິເຄາະການຮັບຮູ້ໃບໜ້າ ເພື່ອຄາດຄະເນ hyperplasia adrenaline congenital ເປັນຕົວຢ່າງ, ແລະນັກຄົ້ນຄວ້າຈໍານວນຫຼາຍຂອງ ISI ແມ່ນມີສ່ວນຮ່ວມຫຼາຍໃນພາກສະຫນາມນີ້.

Pazzani, ຜູ້ທີ່ມີພື້ນຖານຢ່າງກວ້າງຂວາງໃນການຮຽນຮູ້ເຄື່ອງຈັກ, ໄດ້ເຮັດວຽກເພື່ອນໍາໃຊ້ ML ເພື່ອກວດຫາຄວາມບົກຜ່ອງທາງດ້ານສະຕິປັນຍາ, ແນະນໍາການປິ່ນປົວສໍາລັບຄົນເຈັບ HIV, ວິເຄາະ x-rays ຫນ້າເອິກ, ກວດຫາໂຣກ glaucoma, ແລະອື່ນໆ. ນັກຄົ້ນຄວ້າ AI4Health, ລວມທັງ Pazzani, ຈະສືບຕໍ່ເຮັດວຽກກັບ ML ສໍາລັບສຸຂະພາບ, ໃນຂະນະທີ່ຍັງຊອກຫາໂອກາດແລະຄໍາຮ້ອງສະຫມັກໃຫມ່ສໍາລັບ ML ໃນພື້ນທີ່ສຸຂະພາບ, ໂດຍມີເປົ້າຫມາຍທີ່ຈະສ້າງປະສົບການຂອງຄົນເຈັບທີ່ດີຂຶ້ນແລະຜົນໄດ້ຮັບດ້ານສຸຂະພາບທີ່ດີຂຶ້ນ.

ສຸຂະພາບທາງໂທລະສັບ
ການປັບປຸງປະສົບການຂອງຄົນເຈັບຍັງສາມາດເຮັດໄດ້ໂດຍຜ່ານ ສຸຂະພາບທາງໂທລະສັບ ໂດຍການນໍາໃຊ້ລະບົບ AI ເພື່ອຊ່ວຍໃນການດູແລສຸຂະພາບຫ່າງໄກສອກຫຼີກ. AI ສາມາດວິເຄາະຂໍ້ຄວາມໃນການສົນທະນາ, ສຽງແລະຮູບພາບເພື່ອໃຫ້ຄໍາຄຶດຄໍາເຫັນໄວກັບແພດຫມໍຫຼືຄົນເຈັບ. ອີກເທື່ອ ໜຶ່ງ, ການວິເຄາະຂອງການປ່ຽນແປງໃບ ໜ້າ ເຫຼົ່ານັ້ນທີ່ເຮັດໂດຍ AbdAlmaged ແມ່ນຕົວຢ່າງທີ່ດີຂອງເລື່ອງນີ້, ຢ່າງໃດກໍຕາມ, ມີຄວາມຫລາກຫລາຍຂອງວິທີທີ່ telehealth ສາມາດປັບປຸງດ້ວຍ AI.

Pazzani ກ່າວວ່າ, “ນີ້ອາດຈະເປັນການໄປຢ້ຽມຢາມຂອງທ່ານ ໝໍ ໃນການສົນທະນາເພື່ອຕັດສິນໃຈວ່າທ່ານ ໝໍ ປະເພດໃດທີ່ເຈົ້າຕ້ອງການໄປພົບ. ຫຼືບາງທີເຮົາສາມາດໃຫ້ຄວາມໝັ້ນໃຈແລະເວົ້າວ່າ ‘ເອົາແອດສະໄພລິນສອງອັນແລ້ວໂທຫາຂ້ອຍໃນຕອນເຊົ້າ’ ສໍາລັບບາງຄົນ. ແລະຄົນອື່ນ, ພວກເຮົາອາດຈະເຫັນວ່າມັນເປັນການສຸກເສີນແລະພວກເຮົາຈະນໍາພວກເຂົາໄປຫາຜູ້ຊ່ຽວຊານທີ່ຖືກຕ້ອງ.

Catalyzing ການຄົ້ນຄວ້າແລະຊອກຫາສໍາລັບ breakthroughs

ນັກຄົ້ນຄວ້າຫຼາຍກວ່າສິບຄົນທີ່ເຮັດວຽກກ່ຽວກັບການຄົ້ນຄວ້າ AI ຍ້ອນວ່າມັນໃຊ້ກັບສຸຂະພາບຈະເຂົ້າຮ່ວມການລິເລີ່ມ AI4Health. ຄຽງຄູ່ກັບ Pazzani ເປັນຜູ້ອໍານວຍການ, ສູນດັ່ງກ່າວຈະໄດ້ຮັບການຊີ້ນໍາໂດຍ ISI’s Wael Abd Almaged, Jose-Luis Ambite, ອາບີເກລ ຮອນ ແລະ Greg Ver Steeg ເປັນຜູ້ອໍານວຍການຮ່ວມ. ທີມງານນີ້, ພ້ອມກັບນັກຄົ້ນຄວ້າຈາກ ISI ແລະທົ່ວ USC ຈະເຮັດວຽກເພື່ອກະຕຸ້ນການຄົ້ນຄວ້າ, ຊອກຫາຄວາມກ້າວຫນ້າ, ແລະສໍາຄັນທີ່ສຸດ, ເຮັດວຽກເພື່ອປັບປຸງຜົນໄດ້ຮັບດ້ານສຸຂະພາບສໍາລັບຄົນເຈັບ.

ຈັດພີມມາໃນວັນທີ 22 ພະຈິກ 2022

ອັບເດດຫຼ້າສຸດໃນວັນທີ 22 ພະຈິກ 2022

Categories: AiHome

0 Comments

Leave a Reply

Avatar placeholder

Your email address will not be published. Required fields are marked *