University of North Carolina at Chapel Hill

4 篇关联报道

Lifetime Data Analysis 2026年10月15日
抽样偏了，生存预测还能准吗：加权提升机在铀矿工数据上与Cox模型打平
在按结局抽样的队列里，协变量只对部分受试者采集，直接套用常规生存模型会让预测偏离目标人群。一种带抽样权重的梯度提升机把权重并入训练与调参，用加权积分Brier分数选择迭代次数，并证明该经验风险收敛到对应的积分Brier风险。模拟中它在高维与非线性设定下优于Cox模型，在铀矿工癌症数据上测试集C指数为0.803，与Cox模型的0.801接近。
在按结局抽样的队列里，协变量只对部分受试者采集，直接套用常规生存模型会让预测偏离目标人群。一种带抽样权重的梯度提升机把权重并入训练与调参，用加权积分Brier分数选择迭代次数，并证明该经验风险收敛到对应的积分Brier风险。模拟中它在高维与非线性设定下优于Cox模型，在铀矿工癌症数据上测试集C指数为0.803，与Cox模型的0.801接近。
University of North Carolina at Chapel Hill Boston University Haibo Zhou Jianwen Cai Haolin Li
发表出处待核验 2026年10月1日
45人改良德尔菲共识：GLP-1受体激动剂用药前应筛查进食障碍，活动性厌食症与贪食症患者一般应避免使用
该研究采用三轮改良德尔菲法，由45名糖尿病、肥胖和/或进食障碍领域的临床医生与研究者以及有亲身经历者组成的小组，就GLP-1受体激动剂在进食障碍情境下的使用达成平均91.7%的共识，提出用药前筛查、按风险分层监测、标准化教育材料、合并循证心理治疗等临床建议，并明确在活动性进食障碍（尤其厌食症、非典型厌食症及伴明显饮食限制和/或显著体重抑制的贪食症）中一般应避免使用GLP-1受体激动剂，同时列出流行病学、监管与暴食障碍临床试验的研究优先事项。
该研究采用三轮改良德尔菲法，由45名糖尿病、肥胖和/或进食障碍领域的临床医生与研究者以及有亲身经历者组成的小组，就GLP-1受体激动剂在进食障碍情境下的使用达成平均91.7%的共识，提出用药前筛查、按风险分层监测、标准化教育材料、合并循证心理治疗等临床建议，并明确在活动性进食障碍（尤其厌食症、非典型厌食症及伴明显饮食限制和/或显著体重抑制的贪食症）中一般应避免使用GLP-1受体激动剂，同时列出流行病学、监管与暴食障碍临床试验的研究优先事项。
NYU Langone Health University of Pennsylvania Sanford Research Johns Hopkins University University of North Carolina at Chapel Hill University of Virginia New York University University of Louisville Ashley White Monique Jericho Nami Trappenberg Kimberly D. Dennis Diane Alix Klein Anastasia Harris Susan L McElroy Brooke Langman
改良德尔菲共识法 GLP-1受体激动剂与进食障碍
bioRxiv 2026年9月26日
HANAMI 用异构图对比学习预测药物-基因-疾病模体，在基准数据上较现有最优方法最高提升约 6%，零样本场景下保持约 18% 优势
作者提出 HANAMI（Heterogeneous grAph coNtrastive leArning for drug-gene-disease Motif predIction），一个整合化学结构、基因组序列与临床表型等多源异质生物医学知识的多视图深度图学习框架，通过关系感知拓扑编码、结构感知聚合与对比学习来预测药物-基因-疾病模体；在基准数据集上的系统评估显示，其在模体预测上较现有最优方法最高提升约 6%，在涉及未见实体的零样本设置中保持约 18% 的性能优势，并能优先排序已进入 II 期或 III 期试验的药物-疾病关系、识别提示合理机制联系的候选基因。
作者提出 HANAMI（Heterogeneous grAph coNtrastive leArning for drug-gene-disease Motif predIction），一个整合化学结构、基因组序列与临床表型等多源异质生物医学知识的多视图深度图学习框架，通过关系感知拓扑编码、结构感知聚合与对比学习来预测药物-基因-疾病模体；在基准数据集上的系统评估显示，其在模体预测上较现有最优方法最高提升约 6%，在涉及未见实体的零样本设置中保持约 18% 的性能优势，并能优先排序已进入 II 期或 III 期试验的药物-疾病关系、识别提示合理机制联系的候选基因。
The Ohio State University Wexner Medical Center The Ohio State University University of North Carolina at Chapel Hill Stony Brook University Hongsheng Xie Yuan Gao Can Chen Shanlin Ke
medRxiv 2026年9月14日
CARDIAC-FM：整合心电图与心脏磁共振的可泛化多模态基础模型
该研究构建了 CARDIAC-FM，一个通过自监督表征学习与跨模态对比对齐整合 12 导联心电图与心脏磁共振的多模态基础模型，在 UK Biobank 的 57,609 例配对样本上预训练，提升了房颤与心衰的预测表现，并在心血管健康研究（CHS）与多种族动脉粥样硬化研究（MESA）两个外部队列中实现零样本泛化，同时可迁移至心脏磁共振表型预测、时间到事件建模及心肌梗死、缺血性卒中、心血管死亡与全因死亡等额外结局。
该研究构建了 CARDIAC-FM，一个通过自监督表征学习与跨模态对比对齐整合 12 导联心电图与心脏磁共振的多模态基础模型，在 UK Biobank 的 57,609 例配对样本上预训练，提升了房颤与心衰的预测表现，并在心血管健康研究（CHS）与多种族动脉粥样硬化研究（MESA）两个外部队列中实现零样本泛化，同时可迁移至心脏磁共振表型预测、时间到事件建模及心肌梗死、缺血性卒中、心血管死亡与全因死亡等额外结局。
University of Washington University of North Carolina at Chapel Hill University of California, San Francisco Bruce M Psaty Joshua C Bis W. T. Longstreth Bojun Chen James S Floyd Siting Li Yi Qian Ting Ye
自监督学习掩码自编码器预训练 Transformer编码器对比学习多模态人工智能框架基础模型外部验证

已读完全部报道

抽样偏了，生存预测还能准吗：加权提升机在铀矿工数据上与Cox模型打平

45人改良德尔菲共识：GLP-1受体激动剂用药前应筛查进食障碍，活动性厌食症与贪食症患者一般应避免使用

HANAMI 用异构图对比学习预测药物-基因-疾病模体，在基准数据上较现有最优方法最高提升约 6%，零样本场景下保持约 18% 优势

CARDIAC-FM：整合心电图与心脏磁共振的可泛化多模态基础模型