蚂蚁灵波开源触觉预训练模型LingBot-Touch,提升灵巧手操作能力
蚂蚁灵波开源LingBot-Touch,能统一处理不同类型的触觉信号,提升多种策略模型在灵巧手上的操作成功率。测试结果显示,接入该模型后,四种策略模型在两款灵巧手上的平均任务成功率均有所提升。
蚂蚁灵波开源LingBot-Touch,能统一处理不同类型的触觉信号,提升多种策略模型在灵巧手上的操作成功率。测试结果显示,接入该模型后,四种策略模型在两款灵巧手上的平均任务成功率均有所提升。
ADA-SAM(自动适应性医学分割任何模型)是一种新的多任务学习框架,用于医学图像分割,通过辅助分类器的类激活图指导半监督分割分支的预测,并利用分割梯度改进分类预测。该模型在有限标签设置下显著优于完全监督和半监督基线方法。
力辰集团将在 analytica China 2026 期间发布徕乔新一代真空冷冻干燥机,并推出全新品牌“拓扑未来”,进军智能实验室基础设施。新产品线包括智能称量机器人、定容机器人及复合机器人,旨在提供更智能、高效的实验室解决方案。
该研究提出并评估了一种混合深度信念网络-门控循环单元(DBN-GRU)算法,用于基于心电图-心率变异性的心认知负荷分类。在WESAD和SWELL数据集上的实验结果显示,该模型在留一参与者验证下的准确率为68.4%,平衡准确率为62.8%,宏F1值为0.614,优于多数类预测器。参与者相关的特征改善了13名参与者中的13名的表现,但掩蔽参与者身份并未提升分类效果。
一项多中心研究对比了AI自动分割与资深临床医师手动分割的左心室射血分数测量结果,发现AI算法在全因死亡率预测上略优于人工测量,且不受年龄和性别影响。
推荐理由:AI算法在心功能测量上的精度提升,有助于更准确地预测患者预后。
文章综述了AI驱动的多组学方法在解析小细胞肺癌异质性中的应用,包括影像组学、液体活检和深度学习模型。研究指出,AI多组学整合有助于捕捉肿瘤演化信号,但目前仍需更多数据支持。
推荐理由:综述文章系统梳理了AI在解析小细胞肺癌异质性中的应用,为临床研究提供了新思路。
一项国际研究利用AI分析社会经济和行为因素,预测牙洞风险。研究发现财富和家庭密度是主要预测因素,有助于识别高风险群体。该方法可帮助优化公共卫生资源分配。
推荐理由:研究利用AI预测牙洞风险,有助于公共卫生资源的精准分配。
本研究开发了一种人工神经网络模型,利用18个临床参数预测阻塞性睡眠呼吸暂停(OSA)的存在及其严重程度。该模型在不同严重程度的OSA分类中表现出良好的区分性能,AUC值范围为0.89至0.96。研究结果支持基于机器学习的工具在资源有限的环境中用于筛查和早期风险分层。
Sanofi、Biolojic Design和A-Alpha Bio等公司正在利用AI加速蛋白质设计,优化药物开发流程。这些公司通过构建基础模型、预测性质和虚拟筛选,以及进行多特异性分子的设计,展示了AI在提高药物发现效率方面的潜力。
推荐理由:文章详细介绍了多家公司在AI辅助蛋白质设计领域的进展,展示了AI在药物研发中的潜力。
一项新研究发现,AI工具PREVIA能准确识别急诊患者中PTSD风险较高的个体,其准确率超过95%。该工具通过分析患者的创伤叙述,识别早期预警信号,为急诊环境下的早期筛查提供了可能。
推荐理由:AI工具通过分析急诊患者的故事,准确预测PTSD风险,为早期干预提供了新方法。
皮尔法伯集团与晶泰科技宣布合作,将在肿瘤领域联合开展多个研发项目,利用晶泰科技的AI+机器人技术发现新型小分子治疗药物,皮尔法伯集团则提供疾病生物学和药物发现经验。双方合作旨在加快高质量临床候选药物的发现,惠及未满足医疗需求的患者。
该研究提出了一种名为 SkinFusionNet (SFN) 的新型混合深度学习模型,结合了 MobileNetV2 和 Vision Transformer 的优势,用于基于皮肤镜图像的皮肤癌自动分类。
猿声科技获得五源资本、线性资本等多家市场化VC和产业巨头投资,其多维触觉传感器已实现车规级量产,进入多家客户定点批量供货阶段。
美国伦斯勒理工学院研究人员开发的Quest2Dx AI模型,通过分析健康问卷,提高了帕金森病筛查的准确性和可操作性。该模型在两个数据集上的AUROC均超过0.97,且跨问卷验证表现稳健,为基层医疗提供了一种低成本、非侵入性的筛查工具。
推荐理由:AI模型通过分析健康问卷,有望提前数年筛查帕金森病,为基层医疗提供低成本、非侵入性工具。
微软开发的DxO工具在复杂病例诊断测试中准确率达83.2%,远超单个医生的36.1%。研究指出,尽管AI表现优异,但在实际医疗环境中仍需进一步验证。
推荐理由:研究展示了AI工具在复杂病例诊断中的显著优势,但强调了其在实际应用中的局限性。
该研究比较了20种机器学习和深度学习模型在劳动活动识别任务中的表现,包括二分类生产/非生产性识别和三分类特定生产性任务识别。研究使用Empatica E4和Zephyr BioHarness 3设备收集了29,187个同步生理读数,最终模型在二分类任务中达到最高准确率为86.25%,多分类任务中准确率为98.73%。
该研究分析了孟加拉国2022年人口健康调查中2540名发热儿童的数据,发现咳嗽和呼吸急促与抗生素使用增加相关,而年龄和经济障碍则与使用减少相关。最终模型在未见过的样本中表现不佳,预测性能有限,表明该模型在不同样本中的适用性有限。
该研究指出,人工智能的大规模监控可能成为影响健康的新因素。研究团队认为,应关注此类监控对个人隐私和健康数据使用的影响。
AFK AI团队早在2026年初就推出了Comma,实现了DeepSeek提出的Super-agent架构设想,包括连续上下文、多Worker并行工作和长期在线等功能。
华大智造发布C6单细胞产品,启动“智元细胞数字化百亿联盟”,并与元示科技和艾凯生物合作,推动AI制药模型迭代和产业落地。
推荐理由:展示了华大智造在AI制药领域的全链条布局,涵盖数据供给、模型迭代和产业落地。
五种大型语言模型(ChatGPT-4.1、ChatGPT-4o-mini、Claude、Copilot、Gemini)在药学课程传染病相关问题上的准确率范围为89.4%至91.2%,其中ChatGPT-4o-mini表现最佳,Claude和Copilot表现最差。模型在药理学和治疗学方面表现最佳,而在微生物学和化学方面表现较差。图像解释能力也较弱。
该研究使用机器学习技术预测不同预备深度下的牙齿颜色变化,通过测量预备前的牙齿颜色,利用线性回归、多项式回归等模型预测预备后的颜色,以提高美学修复的可预测性。研究共分析了106颗牙齿,结果显示AI模型在预测预备后牙冠颜色方面表现良好。
一项发表在《柳叶刀数字健康》的研究显示,AI评估心脏功能MRI比临床医生更准确,有助于更好地预测患者生存率。
推荐理由:AI在预测心脏功能MRI中的表现优于临床医生,有助于识别高风险患者。
该研究评估了在随机森林链式插补过程中使用固定迭代预算的可解释初始化规则。通过596名患者和2,112次访问的数据,研究比较了12种插补方法,发现适应性MICE方法在某些条件下表现较好,但并非在所有条件下都优于其他方法。研究结果表明,直接插补准确性和下游预测性能应分别评估。
临床病理学家迈克尔·拉普奥斯塔博士解释了其团队如何训练并使用大型语言模型来提升诊断管理团队的生产力。该系统在执行过程中取得了令人瞩目的成果。
一项随机对照试验表明,使用AURA工具评估自身免疫风险,可将确诊时间缩短约70%,从阳性抗核抗体测试到确诊平均只需43天,而非常规护理需138天。
推荐理由:研究显示,AI工具能显著缩短自身免疫疾病的确诊时间,有助于优化临床诊疗流程。
研究利用AI算法分析智能手表数据,检测高血压的敏感度与传统诊室血压测量相当。该方法可作为识别高血压迹象的工具,有助于早期诊断和干预。
推荐理由:AI算法在智能手表上检测高血压的准确度与传统诊室血压测量相当,有助于早期诊断。
韩国科学家开发了可解释的机器学习模型,直接从分子结构预测植物化合物的肠道吸收特性,无需实验。该模型在预测渗透性和外排比方面表现优异,有助于筛选功能性食品和新药候选物。
研究发现,尽管用户对在线健康平台的隐私和数据安全有顾虑,但他们仍因便利性和缺乏替代选择而选择信任这些平台。参与者普遍认为大型公司与普通用户之间的不平衡导致了信任问题,但大多数用户仍接受cookies以换取使用体验和功能。研究呼吁医疗专业人员理解推荐给患者的系统中的数据使用和隐私,并平衡人与数字健康服务的支持。
在线分析仪表与实验室仪器各有优势,互补提升数据一致性与运维效率。曾维俊主任表示,两套检测体系应优先考虑检测原理一致的设备,实现数据有效对标。国产在线分析仪器技术日趋成熟,但在关键元器件上仍需改进。
在这项探索性分析中,25 名中重度阻塞性睡眠呼吸暂停患者接受了多级睡眠手术,术前和术后使用深度学习管道进行 CT 扫描分割。手术后,8 个形态参数显著变化,但无术前参数能预测手术反应。该研究提示,自动 CT 分析能可靠量化上呼吸道重塑,但需进一步独立验证。
研究评估了三种大型语言模型(GPT-4.1-mini、Gemini 2.5 Flash和Claude Haiku 4.5)在未提及xABCDE优先级的情况下,自发生成创伤管理动作的顺序一致性。在150个模型-案例-人物查询中,至少一次运行中出现顺序混乱的比例为72.7%(95% CI 65.0–79.2),表明这些模型在处理依赖顺序的紧急护理任务时,顺序一致性可能是一个有用的衡量指标。
欧世盛科技推出微波消解前处理平台,实现元素样品检测的自动化,通过双机械臂并行操作,减少人工干预,提高数据质量。平台支持与AI优化平台无缝对接,确保每份样品过程数据可追溯,提升检测结果的准确性和可靠性。
仪器优选对“工业在线及过程控制仪器”分类体系进行系统性优化,现已正式上线。优化后分类体系包含过程检测仪表、在线水质分析仪、在线气体分析仪等六大分类方向及数十个细分类别,显著提升用户选型效率。厂商产品归类准确后,将获得更靠前的展示位置。
研究开发了一款名为FOD-Diffusion的AI工具,用于填补dMRI信号空洞,提升纤维追踪准确性。在英国生物银行和寿命人类连接组计划老龄化研究数据中,该工具显著改善了脑干和眶额叶的纤维追踪结果。
推荐理由:研究开发了一款基于扩散模型的生成式AI工具FOD-Diffusion,用于填补dMRI信号空洞,提升纤维追踪准确性。
专家认为,随着人工智能技术的发展,独立临床实验室将从中受益,特别是在收入周期管理和临床价值展示方面。会议讨论了AI如何克服授权障碍,增强诊断服务的临床价值证明能力。
剑桥大学和DIOSynVax团队开发的AI设计广谱禽流感疫苗在动物试验中提供了对多种H5Nx变异体的完全保护,优于现有储备疫苗。该研究发表在《Cell Reports Medicine》上,展示了计算设计多价抗原疫苗的潜力,可应对不断演变的生物威胁。
推荐理由:AI设计的广谱禽流感疫苗在动物试验中表现优于现有储备疫苗,展示了计算设计多价抗原疫苗的潜力。
一项新研究发现,AI聊天机器人可能引导用户获取由私人医疗机构提供的潜在误导性健康信息。研究显示,四分之一的链接来自营利性医疗服务提供者,而非可信的健康机构。
一项多中心回顾性队列研究纳入 4367 名不稳定性心绞痛合并心衰保留射血分数 (HFpEF) 患者,开发并外部验证了多时间点机器学习框架,用于心衰住院 (HFH) 风险分层。模型在不同时间点表现出良好的区分度和校准性,糖尿病、TyG-BMI 和 NT-proBNP 是最显著的预测因子。该研究为临床决策提供了潜在的实用工具,但仍需进一步的前瞻性验证。
研究对外部验证了一款商业图像仅超声深度学习模型在智利四家公立医院的产前日期预测能力,该模型在64,235帧图像中预测的平均绝对误差为6.9天,优于传统预产期11.6天,但误差主要源于妊娠时间较短。模型在预设的里程碑分析中区分早产的AUC为0.86,优于单独使用妊娠年龄的0.52。