Tether Meluncurkan AI Compact Edge untuk Model Penalaran Medis

• Tether meluncurkan model AI MedPsy ringkas yang berjalan secara lokal, mengurangi ketergantungan pada sistem cloud.
• Model MedPsy baru menunjukkan hasil tolok ukur yang kuat sambil berfokus pada privasi dan penalaran medis yang lebih cepat.
• Desain AI berbasis tepi bertujuan untuk memangkas biaya, meningkatkan kecepatan, dan mendukung rumah sakit yang menangani data sensitif.

Tether telah merilis model AI medis baru yang dapat berjalan langsung di ponsel, laptop, dan server lokal tanpa bergantung pada sistem cloud. Tim peneliti AI perusahaan memperkenalkan QVAC MedPsy dalam versi 1,7 miliar dan 4 miliar parameter, yang dirancang untuk menangani tugas penalaran medis sambil menyimpan semua data di perangkat.

Dalam rilis resmi, perusahaan mengatakan bahwa model tersebut terutama menargetkan rumah sakit, klinik, dan pengembang yang membutuhkan pemrosesan lebih cepat dan kontrol yang lebih ketat atas informasi pasien.

Tether mengatakan model tersebut bersaing dengan sistem berbasis cloud yang lebih besar dalam tes medis meskipun ukurannya lebih kecil. Itu juga menyatakan bahwa versi 1.7B mengungguli beberapa pesaing menengah dalam tolok ukur klinis. Selain itu, model 4B mencatat hasil yang lebih kuat daripada beberapa sistem yang jauh lebih besar dalam evaluasi medis yang dipilih.

Terobosan AI Edge dalam Penalaran Medis

Tether merancang model MedPsy untuk berjalan langsung di perangkat edge tanpa bergantung pada infrastruktur cloud. Perusahaan mengatakan pengaturan ini mengurangi penundaan dan meningkatkan privasi saat menangani data perawatan kesehatan. Model 1,7B juga mengungguli MedGemma-1.5-4B-it Google sebesar 11,42 poin dalam pengujian benchmark. Selain itu, menunjukkan hasil yang kuat dalam HealthBench dan evaluasi penalaran klinis lainnya.

Versi 4B juga memberikan skor yang lebih tinggi daripada MedGemma-27B-text-it di beberapa tes medis. Ini juga mencatat peningkatan dalam tolok ukur MedXpertQA dan HealthBench Hard. Tether mengatakan pihaknya melatih model menggunakan pembelajaran penguatan yang dikombinasikan dengan data klinis yang dikurasi. Pendekatan ini, menurut perusahaan, meningkatkan akurasi dalam tugas penalaran medis yang kompleks.

Keuntungan Tolok Ukur Dibandingkan Model Yang Lebih Besar

QVAC MedPsy memberikan hasil yang kuat di beberapa tolok ukur medis, termasuk MedQA, MedMCQA, dan PubMedQA. Ini juga berkinerja baik pada kumpulan data kesehatan AfriMedQA dan MMLU, yang menguji pengetahuan medis di berbagai wilayah dan kasus penggunaan.

Tether mengatakan sistem menggunakan lebih sedikit token per respons, yang membantu mengurangi biaya komputasi dan meningkatkan kecepatan. Model 1,7B rata-rata sekitar 1.110 token per respons, sedangkan versi 4B rata-rata sekitar 909 token dalam pengujian. Akibatnya, perusahaan mengatakan model dapat berjalan secara efisien pada perangkat keras rumah sakit standar. Ini juga menyediakan versi terkompresi untuk penyebaran perangkat seluler dan edge.

Dampak pada Privasi dan Biaya Perawatan Kesehatan

Tether mengatakan menjalankan model AI secara lokal dapat mengurangi risiko privasi yang terkait dengan sistem medis berbasis cloud. Ia menambahkan bahwa pemrosesan di tempat membantu rumah sakit mengelola data pasien yang sensitif tanpa mengirimkannya ke server eksternal.

Secara terpisah, perusahaan baru-baru ini melaporkan kinerja keuangan yang kuat dan sirkulasi stabil dari stablecoin USDT-nya. Ia juga mengatakan terus bekerja dengan regulator, termasuk tindakan seperti pembekuan dompet dan persiapan untuk audit.

Terkait: UEA Membangun Rel Teregulasi untuk Menukar Stablecoin Dirham dan Dolar