University of Alberta

一个由41位国际多学科专家组成的工作组系统检索了截至2025年3月17日的922篇文献，将2016年仅针对特发性肺纤维化（IPF）的急性加重（AE）定义修订为适用于全部纤维化间质性肺病（fILD）的AE-fILD定义（以弥漫性肺泡损伤为核心，伴或不伴机化性肺炎），并提出“急性呼吸恶化（ARW）”这一更广的概念框架以涵盖非DAD所致的急性呼吸恶化，同时汇总了流行病学、危险因素、预后与治疗证据，并讨论了AE作为临床试验终点的可行性。

一个由41位国际多学科专家组成的工作组系统检索了截至2025年3月17日的922篇文献，将2016年仅针对特发性肺纤维化（IPF）的急性加重（AE）定义修订为适用于全部纤维化间质性肺病（fILD）的AE-fILD定义（以弥漫性肺泡损伤为核心，伴或不伴机化性肺炎），并提出“急性呼吸恶化（ARW）”这一更广的概念框架以涵盖非DAD所致的急性呼吸恶化，同时汇总了流行病学、危险因素、预后与治疗证据，并讨论了AE作为临床试验终点的可行性。

该工作提出 BrainSTR 时空对比学习框架，通过数据驱动的自适应相位划分学习状态一致的相位边界、用注意力识别诊断关键相位、并用经二值化、时间平滑与稀疏正则化的增量图结构生成器提取各相位内疾病相关连接，再以时空监督对比学习利用诊断相关的时空模式细化样本相似度度量，从而构建结构良好的语义空间；在 ASD、BD、MDD 上的实验验证了其有效性，所发现的关键相位与子网络提供了与既往神经影像发现一致的可解释证据。

该工作提出 BrainSTR 时空对比学习框架，通过数据驱动的自适应相位划分学习状态一致的相位边界、用注意力识别诊断关键相位、并用经二值化、时间平滑与稀疏正则化的增量图结构生成器提取各相位内疾病相关连接，再以时空监督对比学习利用诊断相关的时空模式细化样本相似度度量，从而构建结构良好的语义空间；在 ASD、BD、MDD 上的实验验证了其有效性，所发现的关键相位与子网络提供了与既往神经影像发现一致的可解释证据。

该工作提出脑层级组织学习框架 BrainHO，用可学习的子图 token 与图 token 通过层级注意力按节点特征亲和度自底向上聚合脑区，并配合子图正交约束与层级一致性约束，在 ABIDE（N=1009，516 例 ASD/493 例健康对照）与 REST-meta-MDD（N=2380，1276 例 MDD/1104 例健康对照）上仅使用静态 PCC 连接矩阵即取得最高准确率（69.68% 与 64.71%）与最高敏感度（73.11% 与 67.43%），同时可视化出与 SMN、DAN 等预定义网络部分重合、又跨越多个预定义网络的疾病相关子网。

该工作提出脑层级组织学习框架 BrainHO，用可学习的子图 token 与图 token 通过层级注意力按节点特征亲和度自底向上聚合脑区，并配合子图正交约束与层级一致性约束，在 ABIDE（N=1009，516 例 ASD/493 例健康对照）与 REST-meta-MDD（N=2380，1276 例 MDD/1104 例健康对照）上仅使用静态 PCC 连接矩阵即取得最高准确率（69.68% 与 64.71%）与最高敏感度（73.11% 与 67.43%），同时可视化出与 SMN、DAN 等预定义网络部分重合、又跨越多个预定义网络的疾病相关子网。

该工作提出 KD-Brain，一个先验知识引导的图学习框架，通过将疾病特异的语义先验注入注意力 Query（Semantic-Conditioned Interaction）并用基于 KL 散度的 Pathology-Consistent Constraint 对齐学习到的子网络交互分布与临床先验，在 ABIDE（NYU）ASD 任务和单中心 BD、MDD 任务上取得优于 12 个基线的表现，并输出与精神病病理生理学一致的功能通路与关键脑区。

该工作提出 KD-Brain，一个先验知识引导的图学习框架，通过将疾病特异的语义先验注入注意力 Query（Semantic-Conditioned Interaction）并用基于 KL 散度的 Pathology-Consistent Constraint 对齐学习到的子网络交互分布与临床先验，在 ABIDE（NYU）ASD 任务和单中心 BD、MDD 任务上取得优于 12 个基线的表现，并输出与精神病病理生理学一致的功能通路与关键脑区。