Technische Universität Dresden

德累斯顿大学肿瘤中心在MASTERsg精准肿瘤项目中用梯度提升模型重读TSO500 panel测序的拷贝数原始分箱数据，专门找被标准流程漏掉的PTEN局灶缺失。TSO500按基因内分箱读数取平均，局灶事件达不到倍数变化阈值；模型在204例被判为PTEN野生型的样本中报出33例缺失，其中20例有组织可染色，15例显示PTEN蛋白缺失或明显降低。

德累斯顿大学肿瘤中心在MASTERsg精准肿瘤项目中用梯度提升模型重读TSO500 panel测序的拷贝数原始分箱数据，专门找被标准流程漏掉的PTEN局灶缺失。TSO500按基因内分箱读数取平均，局灶事件达不到倍数变化阈值；模型在204例被判为PTEN野生型的样本中报出33例缺失，其中20例有组织可染色，15例显示PTEN蛋白缺失或明显降低。

该工作提出ICARus——一个正例-未标注（positive-unlabelled）读出精炼框架，将蛋白质语言模型推导的蛋白质-蛋白质互作信息整合进全基因组RNA干扰筛选，以提升痘苗病毒-宿主互作及潜在抗病毒人类基因的发现，并将该筛选的原始与精炼读出作为面向智能体AI的社区资源公开。

该工作提出ICARus——一个正例-未标注（positive-unlabelled）读出精炼框架，将蛋白质语言模型推导的蛋白质-蛋白质互作信息整合进全基因组RNA干扰筛选，以提升痘苗病毒-宿主互作及潜在抗病毒人类基因的发现，并将该筛选的原始与精炼读出作为面向智能体AI的社区资源公开。

该研究开发并评估了一个完全本地部署的临床AI智能体，将本地运行控制与多视角可靠性框架结合以支持选择性自主，在两个基于MIMIC-IV的基准上分别达到90.04%（七病种任务）和83.8%（四病种任务）的准确率，并发现诊断行为一致性对判断正确性的区分能力最强（AUC=0.860，压力测试下AUC=0.875），在一致性阈值0.90时可保留49.4%的病例且诊断准确率达98.9%。

该研究开发并评估了一个完全本地部署的临床AI智能体，将本地运行控制与多视角可靠性框架结合以支持选择性自主，在两个基于MIMIC-IV的基准上分别达到90.04%（七病种任务）和83.8%（四病种任务）的准确率，并发现诊断行为一致性对判断正确性的区分能力最强（AUC=0.860，压力测试下AUC=0.875），在一致性阈值0.90时可保留49.4%的病例且诊断准确率达98.9%。