跨七个精神病学研究领域综述显示:大数据带来机制洞见与跨学科协作,但样本量本身并不保证更精确的估计,临床转化仍存差距
这篇综述横跨社区与登记调查、队列与生物样本库、电子健康记录、数字表型、脑影像、基因组学及其他组学、随机对照试验七个领域,梳理大数据在精神病学中的进展、约束与未来方向,指出大数据推动了跨学科研究并揭示了精神障碍机制的复杂性、异质性与变异性,但样本量大并不保证估计更精确,从大数据到临床应用的转化仍存在差距,未来需在数据质量与方法严谨性、概念模型与临床问题上同等用力。
4 篇关联报道
这篇综述横跨社区与登记调查、队列与生物样本库、电子健康记录、数字表型、脑影像、基因组学及其他组学、随机对照试验七个领域,梳理大数据在精神病学中的进展、约束与未来方向,指出大数据推动了跨学科研究并揭示了精神障碍机制的复杂性、异质性与变异性,但样本量大并不保证估计更精确,从大数据到临床应用的转化仍存在差距,未来需在数据质量与方法严谨性、概念模型与临床问题上同等用力。
该研究用2018至2019年Google Trends周搜索量与澳大利亚国家法定传染病监测系统(NNDSS)的流感周报数对比,为除首都领地外的各州和领地分别训练弹性网、支持向量回归、随机森林和前馈神经网络四种监督回归模型,做当周(nowcast)及提前一至两周的预测,发现搜索量与流感报告率随时间相关,随机森林与弹性网总体表现较好,除北领地和塔斯马尼亚外每个建模辖区都至少有两个搜索词与流感通报呈中度至强Pearson相关,最佳模型预测准确度(Pearson相关系数)因辖区而异(-0.353至0.977),且提前一至两周的准确度更低,人口较少的辖区准确度也更低。
《自然》新闻报道梳理了教育者与认知研究者对生成式AI削弱学生批判性思维的担忧,并援引一项《自然综述:心理学》评论的核心论点——生成式AI能提升学习者的任务表现,却未必带来高质量学习所需的深层认知与元认知加工,同时介绍了OECD等机构在批判性思维教学与测评上的长期工作。
该工作提出ISDS-MRI统一框架,利用图神经网络与序列特异性特征建模,从多序列MRI中完成缺血性卒中的检测、病灶分割与病灶体积估计,并可在MRI序列组合不完整时工作;在多个公开MRI数据集及新构建的孟加拉国三医院532例扫描数据集BGD-MRIS上评估,取得分割Dice 0.725、检测AUC 0.962、体积估计相对误差8.4%,相较对比方法Dice提升3.2%、检测提升2.6%、体积相对误差降低1.9%。
已读完全部报道