Futuros
Acesse centenas de contratos perpétuos
TradFi
Ouro
Plataforma única para ativos tradicionais globais
Opções
Hot
Negocie opções vanilla no estilo europeu
Conta unificada
Maximize sua eficiência de capital
Negociação demo
Início em Futuros
Prepare-se para sua negociação de futuros
Eventos de futuros
Participe de eventos e ganhe recompensas
Negociação demo
Use fundos virtuais para experimentar negociações sem riscos
Lançamento
CandyDrop
Colete candies para ganhar airdrops
Launchpool
Staking rápido, ganhe novos tokens em potencial
HODLer Airdrop
Possua GT em hold e ganhe airdrops massivos de graça
Launchpad
Chegue cedo para o próximo grande projeto de token
Pontos Alpha
Negocie on-chain e receba airdrops
Pontos de futuros
Ganhe pontos de futuros e colete recompensas em airdrop
Investimento
Simple Earn
Ganhe juros com tokens ociosos
Autoinvestimento
Invista automaticamente regularmente
Investimento duplo
Lucre com a volatilidade do mercado
Soft Staking
Ganhe recompensas com stakings flexíveis
Empréstimo de criptomoedas
0 Fees
Penhore uma criptomoeda para pegar outra emprestado
Centro de empréstimos
Centro de empréstimos integrado
Centro de riqueza VIP
Planos premium de crescimento de patrimônio
Gestão privada de patrimônio
Alocação premium de ativos
Fundo Quantitativo
Estratégias quant de alto nível
Apostar
Faça staking de criptomoedas para ganhar em produtos PoS
Alavancagem Inteligente
New
Alavancagem sem liquidação
Cunhagem de GUSD
Cunhe GUSD para retornos em RWA
Oxford Pilots TrustedMDT: IA Multi-Agente Integrada no Microsoft Teams para Apoiar o Planeamento do Tratamento do Cancro
Resumido
Oxford, em colaboração com a Microsoft, pilotou um assistente de IA multi-agente no Microsoft Teams para apoiar a tomada de decisões em conselhos de tumores de câncer no mundo real nos Oxford University Hospitals.
A Universidade de Oxford lançou o TrustedMDT, um sistema de IA multi-agente projetado para ajudar especialistas médicos durante reuniões de planeamento de tratamento de câncer.
Desenvolvido em colaboração com a empresa de tecnologia Microsoft, a ferramenta de IA foi integrada no Microsoft Teams e será pilotada nos Oxford University Hospitals NHS Foundation Trust, representando um dos primeiros usos de IA agentic num ambiente de conselho de tumores clinicamente realista.
As reuniões do Conselho Multidisciplinar de Tumores no Reino Unido reúnem radiologistas, patologistas, cirurgiões e oncologistas para revisar resultados diagnósticos e desenvolver planos de tratamento. No entanto, o aumento dos casos está a colocar uma pressão crescente na capacidade dos especialistas.
Pesquisas da Cancer Research UK indicam que as equipas muitas vezes gastam menos de dois minutos a discutir cada paciente, com lacunas de informações críticas que contribuem para atrasos em 7% dos casos, o que pode afetar os prazos de tratamento, oportunidades de pesquisa e carga de trabalho dos clínicos.
O TrustedMDT foi concebido para enfrentar essas pressões automatizando a síntese e análise de dados através de três agentes de IA coordenados.
O Agente de Resumo Clínico revisa registos eletrónicos de saúde — incluindo dados de radiologia, patologia e biomarcadores — para gerar resumos concisos específicos para cada tumor. O Agente de Estadiamento do Câncer avalia a progressão da doença usando padrões internacionais de estadiamento, enquanto o Agente de Planeamento de Tratamento produz recomendações de tratamento baseadas em evidências, alinhadas com as diretrizes profissionais.
Juntos, estes agentes visam melhorar a eficiência e precisão na tomada de decisões do conselho de tumores.
Oxford University Hospitals Pilota TrustedMDT, Ajudando Decisões no Conselho de Tumores Oncológicos
O Dr. Andrew Soltan, Investigador Principal e Regente de Especialidade em Oncologia Médica nos Oxford University Hospitals, explicou que os chatbots tradicionais são insuficientes para a complexidade da oncologia, levando ao desenvolvimento de um sistema hierárquico de múltiplos agentes. Nesta arquitetura, cada agente é composto por sub-agentes focados em conjuntos de dados específicos e equipados com ferramentas relevantes, exigindo que o sistema raciocine através de diretrizes clínicas e verifique recomendações com os históricos dos pacientes para reduzir erros.
A equipa de Oxford implementou estes agentes personalizados no Microsoft Teams usando o orquestrador de agentes de saúde, integrando a IA diretamente nos fluxos de trabalho existentes do conselho multidisciplinar de tumores.
O Dr. Soltan destacou que o sistema foi concebido para apoiar os processos clínicos sem interrupções, funcionando como um ‘colaborador digital’ que permite aos clínicos fornecerem input em tempo real e revisarem a lógica por trás das recomendações geradas pela IA, mantendo as decisões finais sob controlo humano.
Os Oxford University Hospitals receberam aprovação para realizar um estudo piloto em duas fases para avaliar a precisão, usabilidade e desempenho técnico do TrustedMDT. A primeira fase compara as saídas da IA com decisões de especialistas usando casos de câncer anonimizados, enquanto a segunda fase simula reuniões do conselho de tumores para avaliar quão eficazmente o sistema resume informações, apoia discussões e elabora planos de tratamento dentro de fluxos de trabalho clínicos realistas. O suporte clínico é fornecido por médicos residentes do OUH.
O Dr. Ben Attwood, Diretor Digital do OUH, observou que o hospital está comprometido em explorar inovações que melhorem a preparação e operações do MDT, enquanto adere às normas estabelecidas de governança e segurança da informação.
David Ardman, Vice-Presidente Corporativo da Microsoft Health and Life Sciences, descreveu o sistema de múltiplos agentes como uma abordagem inovadora na IA para saúde, permitindo que os clínicos interajam de forma dinâmica com agentes especializados dentro do Teams para reduzir a carga cognitiva e melhorar o suporte à decisão.
Se validado, o TrustedMDT poderá melhorar a comunicação entre especialistas, encurtar os prazos de tratamento e ampliar o acesso a ensaios clínicos. O estudo piloto representa um passo inicial para demonstrar o potencial do sistema, gerando evidências para orientar o desenvolvimento técnico adicional e futuras avaliações de maior escala antes da implementação clínica.