University of Miami

scCont把时间序列单细胞RNA数据中的细胞状态转变拆成可解释的功能转变单元：它不依赖显式时间标签或聚类先验，而是用k近邻图在表达空间中挑选正样本对做对比学习，再用Shapley归因把潜在维度映射回基因程序。在4个SERGIO模拟数据集和13个上皮-间质转化时间序列数据集上，它给出的基因模块带有统计筛选和GO富集注释；模拟数据中k=10时，每个潜在维度归因最高的100个基因里背景基因占7.0%，而随机水平为73.3%。

scCont把时间序列单细胞RNA数据中的细胞状态转变拆成可解释的功能转变单元：它不依赖显式时间标签或聚类先验，而是用k近邻图在表达空间中挑选正样本对做对比学习，再用Shapley归因把潜在维度映射回基因程序。在4个SERGIO模拟数据集和13个上皮-间质转化时间序列数据集上，它给出的基因模块带有统计筛选和GO富集注释；模拟数据中k=10时，每个潜在维度归因最高的100个基因里背景基因占7.0%，而随机水平为73.3%。

该研究利用国际血液与骨髓移植研究中心（CIBMTR）登记数据，评估2022年3月至2023年12月接受商业化cilta-cel治疗的541例复发/难治多发性骨髓瘤患者，发现183例（33.8%）按改编简化虚弱评分归为虚弱，其总体缓解率与非虚弱者相近（82.8%对88.5%），但12个月无进展生存（62.7%对75.9%）和总生存（72.8%对90.4%）更差，任何级别ICANS发生率更高（32.2%对17.6%），多因素分析中虚弱独立预测更差的无进展生存（HR 1.67）、总生存（HR 2.46）和任何级别ICANS（OR 2.01）。

该研究利用国际血液与骨髓移植研究中心（CIBMTR）登记数据，评估2022年3月至2023年12月接受商业化cilta-cel治疗的541例复发/难治多发性骨髓瘤患者，发现183例（33.8%）按改编简化虚弱评分归为虚弱，其总体缓解率与非虚弱者相近（82.8%对88.5%），但12个月无进展生存（62.7%对75.9%）和总生存（72.8%对90.4%）更差，任何级别ICANS发生率更高（32.2%对17.6%），多因素分析中虚弱独立预测更差的无进展生存（HR 1.67）、总生存（HR 2.46）和任何级别ICANS（OR 2.01）。

该预印本在 MyoSegmenTUM、AIPS、Sheffield 三个基础数据集及由 MyoSegmenTUM 衍生的病理子集与增强分布偏移数据集上，对八种开源大腿肌肉 MRI 分割工具（含可独立运行的六种与需提示的两种 SAM 变体）做独立头对头评测，结合 Dice、Jaccard、Hausdorff、边界 IoU、跨层 Dice 比等多指标与定性可用性审查，发现面向领域的 U-Net 模型尤其 MuscleMap 整体模型在多数数据集上优于基础模型与较新的通用架构，叠加 SAM 变体多数情况下反而降低分割质量，且多数工具在病理样本上表现下降。

该预印本在 MyoSegmenTUM、AIPS、Sheffield 三个基础数据集及由 MyoSegmenTUM 衍生的病理子集与增强分布偏移数据集上，对八种开源大腿肌肉 MRI 分割工具（含可独立运行的六种与需提示的两种 SAM 变体）做独立头对头评测，结合 Dice、Jaccard、Hausdorff、边界 IoU、跨层 Dice 比等多指标与定性可用性审查，发现面向领域的 U-Net 模型尤其 MuscleMap 整体模型在多数数据集上优于基础模型与较新的通用架构，叠加 SAM 变体多数情况下反而降低分割质量，且多数工具在病理样本上表现下降。

该系统综述与荟萃分析汇总了5项研究、共577例确诊三叉神经痛患者，评估深度学习与机器学习模型在MRI上自动分割三叉神经并检测神经血管冲突的诊断表现，合并敏感度为71%（95% CI: 65-76%）、特异度为92%（95% CI: 88-94%）、AUC为0.91（95% CI: 0.88-0.93），提示AI模型在该任务上具有较高的诊断准确性。

该系统综述与荟萃分析汇总了5项研究、共577例确诊三叉神经痛患者，评估深度学习与机器学习模型在MRI上自动分割三叉神经并检测神经血管冲突的诊断表现，合并敏感度为71%（95% CI: 65-76%）、特异度为92%（95% CI: 88-94%）、AUC为0.91（95% CI: 0.88-0.93），提示AI模型在该任务上具有较高的诊断准确性。