AI ทำลายอุปสรรคในการดูแลทารกคลอดก่อนกำหนด

Image: Dragos Gontariu

โครงข่ายประสาทเทียม (neural network) สามารถคาดการณ์ความเสี่ยงการเสียชีวิตของทารกที่คลอดก่อนกำหนดได้อย่างแม่นยำ เพื่อเป็นแนวทางในการดูแลของทารกได้ดีขึ้น ต้องขอบคุณนักวิทยาศาสตร์จาก James Cook University (JCU) ของออสเตรเลีย Stephanie Baker แห่ง JCU กล่าวว่าเครือข่าย Neonatal Artificial Intelligence Mortality Score (NAIMS) ประเมินความเสี่ยงในการเสียชีวิตของทารกที่คลอดก่อนกำหนดโดยพิจารณาจากข้อมูลประชากรทั่วไป และแนวโน้มของอัตราการเต้นของหัวใจและการหายใจ  Baker กล่าวว่า NAIMS สามารถทำนายความเสี่ยงต่อการเสียชีวิตของทารกได้ภายใน 3, 7 หรือ 14 วัน จากข้อมูลที่สร้างขึ้นในช่วง 12 ชั่วโมง โดยไม่ต้องอาศัยการตรวจร่างกาย หรือข้อมูลประวัติทางการแพทย์ Baker ยังกล่าวว่า "ด้วยความเรียบง่ายและประสิทธิภาพสูงของโครงการที่เราเสนอ NAIMS สามารถคำนวณใหม่อย่างต่อเนื่องและอัตโนมัติได้อย่างง่ายดาย ทำให้สามารถวิเคราะห์การตอบสนองของทารกต่อการรักษา และแนวโน้มด้านสุขภาพอื่นๆ"

อ่านข่าวเต็มได้ที่: James Cook University (Australia)

แฮกเกอร์ทำให้เครื่อง PC ของนักเล่นเกมติดเชื้อเพื่อทำเงินล้านจากคริปโต

Kevin Breuninger | CNBC

บริษัทรักษาความมั่นคง (security)  Avast พบว่าแฮกเกอร์ใช้ประโยชน์จากนักเล่นเกมด้วยมัลแวร์ "Crackonosh" เพื่อทำเงินเงินนับล้านโดยการขุดเงินเข้ารหัส (cryptocurrency)  โดยใช้คอมพิวเตอร์ของนักเล่นเกม นักวิจัยของ Avast กล่าวว่าอาชญากรซ่อน Crackonosh ไว้ในเกมเวอร์ชันดาวน์โหลดฟรี เช่น NBA 2K19, Grand Theft Auto V และ Far Cry 5 ที่มีอยู่ในไซต์ torrent  หลังจากติดตั้ง Crackonosh จะเริ่มทำการขุดบนพีซีของนักเล่นเกม  นักวิจัยประเมินว่า Crackonosh ถูกใช้เพื่อขุดเงินเข้ารหัส Monero มูลค่า 2 ล้านเหรียญตั้งแต่เดือนมิถุนายน 2018 Daniel Benes แห่ง Avast กล่าวว่ามีผู้ใช้ประมาณ 220,000 รายที่ติดเชื้อทั่วโลก โดยมีอุปกรณ์ติดเชื้อเพิ่มอีก 800 เครื่องต่อวัน Benes กล่าวว่าสิ่งบ่งชี้ว่าเครื่องติดมัลแวร์คือประสิทธิภาพของพีซีที่ช้าลงและค่าไฟฟ้าที่สูงกว่าปกติ

อ่านข่าวเต็มได้ที่: CNBC

แพทช์ฉุกเฉินของ Microsoft ไม่สามารถแก้ช่องโหว่วิกฤต "PrintNightmare" ได้

ภาพจาก Ars Technica

นักวิจัยเตือนว่าซอฟต์แวร์แพตช์ที่ Microsoft ออกในสัปดาห์ที่แล้วแก้ไขข้อบกพร่องอย่างไม่ได้โดยสมบูรณ์ในระบบปฏิบัติการ Windows ทุกรุ่นที่รองรับ ซึ่งทำให้แฮ็กเกอร์ยังคงควบคุมเครือข่ายที่ติดเชื้อได้  ช่องโหว่ PrintNightmare มีรากมาจากจุดบกพร่องในตัวจัดคิวงานพิมพ์ของ Windows ซึ่งรองรับฟังก์ชันการพิมพ์ในเครือข่ายเฉพาะที่ (local network) และผู้โจมตีสามารถใช้ความสามารถนี้จากระยะไกลเมื่อมีการเปิดใช้ออนไลน์ แฮกเกอร์ยังสามารถใช้ข้อบกพร่องเพื่อยกระดับสิทธิ์การใช้งานระบบ เมื่อพวกเขาแทรกซึมเครือข่ายที่มีช่องโหว่ผ่านจุดบกพร่องตัวอื่น โดยเข้าควบคุมตัวควบคุมโดเมน Benjamin Delpy ผู้พัฒนาโปรแกรมแฮ็กและยูทิลิตี้เครือข่าย Mimikatz ทวีตว่า Microsoft ล้มเหลวในการแก้ไขช่องโหว่นี้

อ่านข่าวเต็มได้ที่: Ars Technica

เครื่องมือการเรียนรู้ของเครื่องสามารถช่วยระบุความเสี่ยงการสูญเสียฟัน

Photo by Jonathan Borba on Unsplash

การศึกษาโดยนักวิจัยของ Harvard School of Dental Medicine พบว่าสามารถใช้เครื่องมือการเรียนรู้ของเครื่อง (machine learning) หรือ ML เพื่อระบุผู้ป่วยที่ต้องการการแทรกแซงในช่วงต้นเพื่อหลีกเลี่ยงหรือชะลอการสูญเสียฟัน นักวิจัยได้เปรียบเทียบอัลกอริธึม 5 แบบที่ออกแบบมาเพื่อประเมินความเสี่ยงโดยไม่ต้องตรวจทางทันตกรรม และพบว่าการใช้ตัวชี้วัดทางคลินิกทางทันตกรรมเพียงอย่างเดียวไม่ได้ผลดีเหมือนกับอัลกอริธึมที่พิจารณาลักษณะทางการแพทย์และตัวแปรทางเศรษฐกิจและสังคม เช่น เชื้อชาติ การศึกษา โรคข้ออักเสบ และโรคเบาหวาน การศึกษาโดยใช้ข้อมูลจากผู้ใหญ่เกือบ 12,000 คนที่เข้าร่วมการสำรวจตรวจสุขภาพและโภชนาการแห่งชาติ พบว่าอัลกอริธึมสามารถอำนวยความสะดวกในการตรวจคัดกรองในสถานพยาบาลต่างๆ และโดยผู้เชี่ยวชาญที่ไม่ใช่ทันตแพทย์ หัวหน้านักวิจัย Hawazin Elani กล่าวว่า "งานนี้เน้นย้ำถึงความสำคัญของปัจจัยทางสังคมของสุขภาพ การรู้ระดับการศึกษาของผู้ป่วย สถานะการจ้างงาน และรายได้ของผู้ป่วยนั้นมีความเกี่ยวข้องกับการคาดการณ์การสูญเสียฟันพอ ๆ กับการประเมินสถานะทางทันตกรรมทางคลินิกของพวกเขา" 

อ่านข่าวเต็มได้ที่: News-Medical Life Sciences

ความก้าวหน้าอย่างมากในการสแกน 3 มิติ ให้ผลลัพธ์แม่นยำขึ้น 4,500 %

ภาพจาก Loughborough University (U.K.)

นักวิทยาศาสตร์จากมหาวิทยาลัยลัฟบะระแห่งสหราชอาณาจักรและมหาวิทยาลัยแมนเชสเตอร์ ได้เพิ่มความแม่นยำของการสแกนร่างกายสามมิติ (3D) ขึ้น 4,500% ผ่านอัลกอริธึมฟรีที่สามารถใช้กับระบบสแกนใดๆ ก็ได้ รหัส Gryphon สามารถระบุและกำจัดข้อผิดพลาดในจำนวนการสแกนได้ ในการสแกน 121 ครั้งจากผู้เข้าร่วม 97 คน Gryphon มีกรอบของข้อผิดพลาดอยู่ที่ 0.3 เซนติเมตร เทียบกับค่าเฉลี่ย 13.8 เซนติเมตรสำหรับเครื่องสแกน 3 มิติ ในปัจจุบันเมื่อข้อมูลถูกอ่านแบบไม่ต่อเนื่องกัน Chris Parker แห่ง Loughborough กล่าวว่า "เราหวังว่าสิ่งนี้จะช่วยให้การสแกนร่างกาย 3 มิติเร็วขึ้น โดยไม่จำเป็นต้องมีผู้ปฏิบัติงานที่ได้รับการฝึกอบรมมาอย่างดีในการแก้ไขข้อผิดพลาด และในท้ายที่สุดก็ช่วยให้การสแกนร่างกาย 3 มิติ ในการตัดเสื้อผ้าให้กับทุกคนโดยไม่ต้องยุ่งยาก" 

อ่านข่าวเต็มได้ที่: Loughborough University (U.K.)