量子软件与服务公司QC Ware昨日宣布，其与世界领先的生物技术公司之一进行的一项联合研究在医学成像分析和诊断方面取得了新的发现，他们的研究表明利用量子计算可以更好地检测糖尿病视网膜病变的存在和类型。该研究表明，在某些情况下，新型模拟量子计算机器学习算法在分析开源的视网膜医学图像库以检测糖尿病视网膜病变方面要优于经典计算。

这项名为“量子视觉转换器”的研究发现，这种量子转换器模型与经典模型相匹配，而且往往优于经典模型。更重要的是，量子模型比经典模型基准更小，因此更容易训练且资源密集度更低，同时提供了一致或更好的结果。这项研究是使用IBM 27量子比特超导量子计算机进行的，研究人员使用了其中6个量子比特进行了直接实验，并在具有多达100个量子比特的模拟系统上测试了该算法。

该研究作者、QC Ware量子算法高级副总裁Iordanis Kerenidis说：“这些结果非常令人鼓舞，我们很高兴能够领导这项研究，它说明了量子计算在加速图像分析和医学诊断方面的潜力。我们期待开展更多研究以推动这项重要工作向前发展，并希望能够提供更快、更准确的诊断工具，从而缩小医疗保健的平等差距。”

将转换器(Transformer)架构与其他神经网络区分开来的一个主要区别因素是注意力机制，它会在其全局上下文中对每个数据元素(在自然语言处理中是一个词，在图像分析中是图像的一部分)进行权衡，而不是仅仅关注在其直接的上下文里。通过在注意力机制上利用量子计算，研究人员能够获得与经典模型相似或更好的结果，同时只需使用不那么复杂且更容易训练的系统。

该研究将新设计的量子视觉转换器神经网络架构的性能与经典计算的对应物进行了比较。为了衡量其性能，研究团队将他们的量子方法应用在了标准化、公开可用的医学图像数据集上，并主要关注在可用于检测和诊断糖尿病视网膜病变的视网膜图像。

QC Ware首席执行官Matt Johnson说：“这是首次严格定义这些类型的量子神经网络架构。其结果暗示了量子方法在医疗保健领域可以发挥越来越大的作用——无论是在医疗诊断还是药物发现方面。我们很自豪能够为接下来的事情打好基础。如果我们能够在像这样的小型量子系统上看到这样的性能，那么我对未来非常乐观。”（编译:Qtech）