Borstkanker treft één op de acht vrouwen in het VK, en vroege detectie is cruciaal. ⚕️ Ons nieuwste onderzoek in @NatureCancer toont aan hoe AI de inspanningen voor vroege detectie van borstkanker kan versterken. In studies met @imperialcollege en de @NHSuk identificeerde ons experimentele AI-gebaseerde screeningsysteem 25% meer "intervalkankers" - gevallen die doorgaans gemist worden door traditionele screening - terwijl de werklast van de screening met naar schatting 40% werd verminderd. Belangrijkste bevindingen uit de studies in de thread🧵⤵️

Om fundamentele AI vooruit te helpen, moeten we doorlopend leren en catastrofaal vergeten oplossen. Nieuw onderzoek van ons team introduceert Nested Learning (NL), een paradigma dat een ML-model beschouwt als een systeem van geneste optimalisatieproblemen. Deze benadering verenigt architectuur en optimalisatie, waardoor een diepere rekencapaciteit voor leren ontstaat. Dit is een cruciale stap in de richting van het creëren van modellen met de doorlopende leervermogens die we in de menselijke hersenen zien. Meer in de blog van Vahab Mirrokni en Ali Behrouz: Lees het NeurIPS 2025-paper:

De verschuiving naar AI op apparaten vereist een hogere privacy-norm. We introduceren Provably Private Insights (PPI) om essentiële ontwikkelaarsanalyses van GenAI-functies mogelijk te maken met een verifieerbare garantie dat ruwe gebruikersgegevens nooit worden blootgesteld. Dit systeem is een kerncomponent van verantwoord AI-ontwerp. PPI maakt gebruik van een open-source Gemma LLM binnen een Trusted Execution Environment (Confidential Federated Analytics) om ongestructureerde gegevens te categoriseren en inzichten te verkrijgen. Alleen geaggregeerde, differentieel privé-statistieken verlaten de veilige omgeving. We hebben de code vrijgegeven om externe verificatie van de end-to-end privacygaranties mogelijk te maken. Lees meer over de implementatie in Recorder en ons blauwdruk door Artem Lagzdin en Daniel Ramage: Preprint: