老齡化認知障礙雙增 腦動極光LLM可突破
根據世界衛生組織（WHO）的研究指出，全球人口正快速老齡化，到2050年，65歲及以上人口將佔全球人口的16%至22%，老齡化趨勢在各地區普遍存在。隨着老齡化持續，各類與衰老伴隨的疾病亦相應增加。近日，由華盛頓大學（University of Washington）的學者領導、刊登在國際醫學期刊《刺針》（The Lancet）的一項研究指出，預計將來全球的認知障礙症（dementia）患者數目會增加，到2050年將會增加至現時的3倍，約有1.53億人患認知障礙。
眾所周知，截至目前，認知障礙症、柏金遜病等均是無法根治之症，藥物亦只能控制病情惡化，且具有抗藥性，對病患者及家人或造成長期沉重負擔。因此，歐美等發達國家更強調採用非侵入式腦機模式，通過訓練去改善患者的病情，且根據臨床實驗顯示，其成效遠較藥物治療為佳。
近日，據公司官網介紹，腦動極光（06681）的技術團隊發表的論文《Dual-Enhancement Product Bundling: Bridging Interactive Graph and Large Language Model》被國際權威期刊Electronics收錄，腦動極光CEO蔡龍軍及算法總監王鵬為共同通訊作者，並獲評「Best Researcher Award」。
據了解，研究首次提出了一種大模型雙增強訓練方法，將交互圖知識學習與基於大語言模型（LLM）的語義理解相結合，用於任務組合推薦。該論文提出動態概念綁定機制（DCBM），構建了一種從圖結構數據到自然語言指令數據轉換的範式。DCBM在將領域特定實體與LLM分詞對齊方面發揮着關鍵作用，從而能夠有效理解任務組合的約束優化問題，緩解了任務推薦時的冷開機難題。
該論文根據實況場景提出了一個用於微調LLM的雙增強訓練框架，包含兩階段訓練目標：交互知識增強和基於LightGCN的結構表示學習。據此，該方法在三個組合任務推薦數據上均一致優於所有基準方法，取得了6.3%至26.5%的相對提升，展示了優越的組合推薦能力，為大型語言模型（LLMs）在推理系統應用領域的進步與研究作出了寶貴貢獻。
這篇論文正顯示出，雖然通用大模型能力越來越強，但是在垂直領域具體應用仍然有很多「卡脖子」問題亟待解決，比如在組合任務的推薦場景中，如何克服海量的組合計算問題，以及緩解冷開機難題。而這對於採用非侵入式腦機模式訓練治療認知障礙症、柏金遜病、活躍症等均有巨大的幫助。
腦動極光是中國以至全球應用AI人工智能的認知障礙數字療法先驅，2025年，該公司收入錄得強勁同比增長79.9%至約2.2億元人民幣，合作醫院已增至206家，用戶活躍度及使用時長顯著提升。除了在中國市場擁有絕對的領導性市場份額外，近年亦持續拓展海外市場，並已穩步推進落地新加坡、印尼、馬來西亞，以至歐美等市場，具亮麗前景。
