На 28 май 2026 г. Nature Communications публикува документ, озаглавен „Мултимодален модел на задълбочено обучение за стратификация на функционален прогностичен риск, базирана на AI при пациенти, подложени на радикална нефректомия“. Wiener Intelligence, базирана в Хонконг AI компания, основана преди по-малко от две години, отговаряше за AI аспектите на работата в сътрудничество с Cancer Center на университета Sun Yat-sen и други медицински институции. Статията прави Wiener Intelligence първата китайска компания за генериране на данни и четвъртият стартъп за AI в световен мащаб, който се появява в списание Nature, след DeepSeek и ModelBest сред китайските фирми.
Изследването се занимава с критична клинична дилема при сложна хирургия на рак на бъбрека: частичната нефректомия запазва бъбречната функция, но носи по-висок хирургичен риск, докато радикалната нефректомия е технически по-безопасна, но жертва целия бъбрек. Екипът разработи модел за прогнозиране на бърз спад на GFR (RDPM), който повишава целта за оптимизиране от оценка на точката на краткосрочна постоперативна eGFR до стратификация на риска от дългосрочно бързо намаляване на бъбречната функция. Моделът използва мултимодални многоглави механизми за кръстосано внимание, за да слее 3D образни данни и клинични променливи, с контралатерален бъбречен кортекс и медула, автоматично сегментирани от UNest модел плюс преглед от лекар.
Обучен и валидиран върху многоцентрова група от 1621 пациенти в 15 институции, RDPM постигна външен многоцентров тест AUC от 0,788-0,873, предоставяйки количествено измерими доказателства за индивидуално вземане на хирургични решения.
Основната технология на Wiener Intelligence е „генериране на разсъждаващи данни“ — парадигма, при която големите модели генерират както въпроси, така и отговори, заедно с разсъжденията си по веригата от мисли. Вместо обучение върху статично структурирано знание като учебници, подходът използва данни за разсъждение въпрос-отговор като набори от предизвикателства, които водят до състезателна, богата на причинно-следствена връзка организация на знанията. Основателят и главен изпълнителен директор на компанията Liu Qifeng, също гост-професор в Хонконгския университет за наука и технологии, описва целта като обучение на AI модели не само да отговарят на въпроси, но и активно да ги задават – превръщайки се в агенти, способни на автономно учене.
Технологията на компанията е разгърната в различни области с високи залози: подравняване на стойността и безопасност, финансово застраховане, правителствени услуги на Хонконг и състезателни спортове — демонстрирайки прецизност от промишлен клас, без да разчита на масивна ръчна анотация или мащабиране на параметри. Подходът за генериране на данни за разсъждение използва четворен формат cQrA (контекст, Въпрос, разсъждение, Отговор), който позволява на моделите да учат чрез мислене, ръководено от въпроси, обратна връзка, базирана на отговор, и причинно-следствена връзка, подсилена от разсъждения.
Wang Yatian служи като съ-първи автор, съвместно ръководен от Liu Qifeng от Wiener Intelligence и Luo Wenhan от HKUST. Публикацията на Nature бележи важен крайъгълен камък за технологичния сектор за генериране на данни в Китай, потвърждавайки, че подходът за генериране на логически данни може да осигури публикувани научни резултати в силно разнородни области.