StrokeID-NER:面向印尼患者的中风命名实体识别数据集
研究团队发布了StrokeID-NER数据集,包含1,742个非正式印尼患者查询,标注了6,765个实体,涵盖症状、诊断、时间与风险因素。使用多种系统进行基准测试,XLM-RoBERTa-large结合印尼NER训练和CRF解码器表现最佳,宏F1得分为0.792。该数据集有助于开发针对印尼患者的中风临床自然语言处理工具。
研究团队发布了StrokeID-NER数据集,包含1,742个非正式印尼患者查询,标注了6,765个实体,涵盖症状、诊断、时间与风险因素。使用多种系统进行基准测试,XLM-RoBERTa-large结合印尼NER训练和CRF解码器表现最佳,宏F1得分为0.792。该数据集有助于开发针对印尼患者的中风临床自然语言处理工具。
该研究提出了一种检索增强生成模型,用于提高临床症状与ICD-10-CM编码的匹配准确性。通过多嵌入模型检索候选代码,并结合生成模型进行上下文决策,结果显示该方法在匹配准确性和减少无效代码生成方面优于基线模型。
一项发表在《Nature Aging》的研究利用语言模型分析自填问卷,区分帕金森病患者与健康对照,AUROC达0.977,适用于跨问卷迁移。该模型在PPMI Online与Fox Insight两大队列上表现优异,可作为基层医疗的筛查工具。
推荐理由:AI模型通过分析健康问卷提前数年筛查帕金森病,为基层医疗提供了一种低成本的筛查工具。
澳大利亚研究者开发的AI热成像工具THERMUL利用智能手机与轻量热像仪拍摄糖尿病足溃疡初期影像,训练模型识别愈合成功与失败的的热模式,在12周时评估愈合结果以验证预测能力;该工具目前仍在进行额外验证开发。
推荐理由:原文报告AI热成像工具THERMUL在110例患者中的初步预测表现,读者可了解该类数字疗法工具的验证阶段。
本研究采用部署于本地的轻量级语言模型,从产科超声报告中以隐私保护方式完成妊娠状态分类,仅需少量标注即取得良好性能。
岛津在2026慕尼黑分析生化中国展发布多款分析仪器新品与服务,核心亮点为将生成式AI引入方法开发软件。新品包括Nexera X4超高效液相色谱仪、LCMS-8065XE三重四极杆液质联用仪及Nexis GC-2060气相色谱仪等,GC全系列产品已导入苏州工厂本地化生产。生成的AI智能助手Methodintelligence for LC可将文献调研与分析条件设定从数天压缩至数分钟。
生物科技公司Radical Numerics在《Medical Xpress》报道中称,使用Omnii AI模型设计的噬菌体首次应用于一名抗生素耐药感染者,该研究与Tabula Bioscience合作完成。
江南大学等团队开发的AI模型UpTCR能精准预测T细胞识别肿瘤抗原,已在乳腺癌和黑色素瘤样本中验证有效,有望加速肿瘤免疫疗法研发。
推荐理由:AI模型UpTCR能精准预测T细胞识别肿瘤抗原,有望加速肿瘤免疫疗法研发。
研究基于最近的 DHS 数据,开发并评估了预测东非地区使用改善水源家庭饮水服务受限情况的机器学习模型。结果显示,22.1%(95% CI: 21.4%-22.8%)的家庭受限于饮水服务。
卡尔两年前因右侧颞叶动静脉畸形切除术后出现面孔变形症(PMO),反复经历猫眼与人眼面部特征相互融合的体验。美国达特茅斯学院布拉德·杜申团队借助AI图像生成技术,经数月多轮修正还原了该患者的视觉错觉。这一病例与1986年报道的公交车贵宾犬脸案例特征相似,提示大脑右半球可能参与整合面部空间信息的专门化处理机制。
研究人员利用单细胞RNA测序技术分析454名肺癌患者,构建了LuCaS+单细胞图谱,并通过AI预测肿瘤细胞及其微环境的转移潜力,识别高风险患者,为精准治疗提供新方法。
推荐理由:研究利用AI技术构建肺癌单细胞图谱,识别高转移风险细胞类型,为精准治疗提供新视角。
西湖欧米与齐碳科技签署战略合作协议,利用纳米孔长读长测序平台提升AI虚拟细胞模型的预测精度,支持药物研发决策从实验试错迈向计算前置。
研究人员开发了一种训练策略,通过考虑细胞在组织中的排列,提高AI在病理图像中识别细胞的准确性。该方法在八个AI模型上测试,显著改善了细胞计数和定位,且无需增加计算成本。
一项研究发现,当AI模型在临床案例前看到药物广告时,可能会更倾向于推荐广告中的药物。这提示AI使用中需注意商业影响。
推荐理由:研究揭示了药物广告对AI治疗推荐的影响,提示需警惕商业影响。
Oraa 计划以 6.25 亿美元现金收购 AI 诊疗公司 Counsel Health,将其平台整合到其应用程序中,提供症状咨询和医生介入服务。该平台利用 AI 代理收集病史、检索指南、审查记录并检测紧急情况。收购预计年底前完成。
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。
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。
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。
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。
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。
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。
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。
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。
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。
该研究评估了两阶段迁移学习策略在儿童结肠息肉分类中的效果,使用ConvNeXt-Small模型在CP-CHILD-A和CP-CHILD-B数据集上的准确率分别提高至99.77%和99.88%。跨数据集评估显示了较强的数据迁移能力,但外部评估揭示了显著的领域差异。研究强调了数据多样性、患者级别分离和独立儿科验证的重要性。
该研究提出了一种分层机器学习框架,利用声学特征自动分类八种良性喉部疾病及其对照组。该框架在15,132个录音样本上进行了测试,展示了优于平面多类分类器和通用自监督模型(HuBERT, HeAR)的性能。通过结合深度频谱学习和可解释的声学特征,该方法为临床验证和外部测试提供了潜在的诊断工具。
Rensselaer Polytechnic Institute的研究团队开发了AI模型Quest2Dx,能更准确地分析健康问卷,识别帕金森病早期迹象。该模型能处理缺失答案,适用于不同问卷,并能为每位患者计算最相关的问卷和答案对。研究结果显示,Quest2Dx比其他模型更准确。
推荐理由:AI模型Quest2Dx能更准确地分析健康问卷,识别帕金森病早期迹象,有助于简化筛查流程。
该研究提出了一种结合轻量级 CNN 和多种不确定性估计策略的肺部 CT 切片分类框架。使用 IQ-OTH/NCCD 数据集,通过 Monte Carlo Dropout、深度集成和集成 Monte Carlo Dropout 评估不确定性估计方法,计算置信度、归一化预测熵等指标,定义了选择性接受或转介规则。研究结果显示,该方法在分类性能、校准分析和风险覆盖方面表现良好。
研究人员开发的AI模型MANTIS能根据每个儿童肿瘤的独特生物学特性提供个性化的生存预测,有助于更精准地匹配治疗强度。该模型还可能帮助减少某些儿童接受放射治疗的剂量,而不会显著影响生存率。
推荐理由:AI模型MANTIS能根据每个儿童肿瘤的独特生物学特性提供个性化的生存预测,有助于更精准地匹配治疗强度。
文章总结了31篇论文,强调AI在精准医疗中的应用需结合生物知识,实现可解释性、人性化设计和公平性。视频分析、信号分析、可穿戴设备和多组学集成展示了AI在诊断、预测和干预方面的进步。
研究团队搭建病理分析体系,用肝癌苏木精-伊红染色切片预测血管生成、干细胞特性与自噬三类转录表型,成果刊于 Journal of Advanced Research。
研究发现,非超声专家在AI辅助下可以在偏远地区进行高质量心脏扫描,由远程专家审核。该方法有助于提高偏远地区的心脏影像学服务。
一项初步研究发现,结合可穿戴设备和AI分析可提前3天预测高血压危象,但研究团队表示需更多研究验证。该研究涉及4190名成人,结果显示AI工具能有效区分高风险患者。
华厦眼科开发的智能化阅片平台通过AI技术实现眼病初筛,已在30余家医院落地,累计筛查20万张眼底图像,有助于解决优质医疗资源分布不均的问题。
推荐理由:介绍了华厦眼科的智能化阅片平台如何通过AI技术弥补基层眼科医疗资源不足,为患者提供标准化筛查服务。
广州医科大学附属第一医院与金域医学联合发布DeepGEM 2.0,升级后的模型可预测12个基因变异,覆盖国内肺癌靶向药,1分钟出结果,未来将在超500家医疗机构部署,有望降低检测费用。
推荐理由:AI病理技术有望降低肺癌基因检测成本,提升基层诊疗能力。
四名骨科医生对ChatGPT、Gemini、Copilot、Claude与DeepSeek回答15个股骨头坏死患者常见问题共75条回答评分,Claude的JAMA与DISCERN得分最高,DeepSeek的DISCERN优于ChatGPT、Gemini和Copilot。