医学与健康

461 条内容

arXiv 2026年9月24日
该工作提出 Dino U-Net：以冻结的 DINOv3 基础模型为编码器，配合双分支 DINO Adapter 与保真感知投影模块（FAPM），在七个公开医学影像数据集（内镜、超声、显微、MRI、眼底、CMR 等模态）上取得优于七种基线方法的分割表现，并显示性能随骨干从 S 扩展到 7B 而持续提升。
该工作提出 Dino U-Net：以冻结的 DINOv3 基础模型为编码器，配合双分支 DINO Adapter 与保真感知投影模块（FAPM），在七个公开医学影像数据集（内镜、超声、显微、MRI、眼底、CMR 等模态）上取得优于七种基线方法的分割表现，并显示性能随骨干从 S 扩展到 7B 而持续提升。
冻结 DINOv3 编码器加 FAPM 投影的 Dino U-Net 在七个医学影像数据集上取得最优分割，7B 版本平均 Dice 达 76.43%
该工作提出 Dino U-Net：以冻结的 DINOv3 基础模型为编码器，配合双分支 DINO Adapter 与保真感知投影模块（FAPM），在七个公开医学影像数据集（内镜、超声、显微、MRI、眼底、CMR 等模态）上取得优于七种基线方法的分割表现，并显示性能随骨干从 S 扩展到 7B 而持续提升。
该工作提出 Dino U-Net：以冻结的 DINOv3 基础模型为编码器，配合双分支 DINO Adapter 与保真感知投影模块（FAPM），在七个公开医学影像数据集（内镜、超声、显微、MRI、眼底、CMR 等模态）上取得优于七种基线方法的分割表现，并显示性能随骨干从 S 扩展到 7B 而持续提升。
Nature News 2026年9月24日
一项针对 27,885 名 GLP-1 受体激动剂使用者的全基因组关联研究，在 GLP1R 上发现与减重疗效显著相关的错义变异 rs10305420（每携带一个效应等位基因约多减 0.76 kg），并在 GLP1R 与 GIPR 上发现与恶心、呕吐相关的信号（其中 GIPR 关联仅见于替尔泊肽使用者），进而构建结合遗传与非遗传因素的模型，在留出电子健康记录数据中实现疗效与副作用风险分层。
一项针对 27,885 名 GLP-1 受体激动剂使用者的全基因组关联研究，在 GLP1R 上发现与减重疗效显著相关的错义变异 rs10305420（每携带一个效应等位基因约多减 0.76 kg），并在 GLP1R 与 GIPR 上发现与恶心、呕吐相关的信号（其中 GIPR 关联仅见于替尔泊肽使用者），进而构建结合遗传与非遗传因素的模型，在留出电子健康记录数据中实现疗效与副作用风险分层。
23andMe 对 27,885 人的全基因组关联研究锁定 GLP1R 与 GIPR 变异，可分层预测 GLP-1 减重疗效与恶心呕吐风险
一项针对 27,885 名 GLP-1 受体激动剂使用者的全基因组关联研究，在 GLP1R 上发现与减重疗效显著相关的错义变异 rs10305420（每携带一个效应等位基因约多减 0.76 kg），并在 GLP1R 与 GIPR 上发现与恶心、呕吐相关的信号（其中 GIPR 关联仅见于替尔泊肽使用者），进而构建结合遗传与非遗传因素的模型，在留出电子健康记录数据中实现疗效与副作用风险分层。
一项针对 27,885 名 GLP-1 受体激动剂使用者的全基因组关联研究，在 GLP1R 上发现与减重疗效显著相关的错义变异 rs10305420（每携带一个效应等位基因约多减 0.76 kg），并在 GLP1R 与 GIPR 上发现与恶心、呕吐相关的信号（其中 GIPR 关联仅见于替尔泊肽使用者），进而构建结合遗传与非遗传因素的模型，在留出电子健康记录数据中实现疗效与副作用风险分层。
OpenAI 2026年9月23日
该工作与来自22个国家的80多位持证心理健康专家共同构建了开放基准MentalHealthBench，用隐私保护技术生成的合成心理健康对话覆盖非急性、高急性与紧急三类情境以及成人、13-17岁青少年、照护者和临床医生四类用户，由专家撰写权重从-10到+10的评分细则（每条对话至少三位专家评审、仅保留至少两人同意且无第三人反对的条目），并用自动评分器GPT‑5.6 Sol对模型回答打分，结果显示AI系统在帮助人们应对心理健康情境方面持续进步，且模型能力可分解为十个行为维度，其中“恰当追问背景”的能力随模型迭代而提升。
该工作与来自22个国家的80多位持证心理健康专家共同构建了开放基准MentalHealthBench，用隐私保护技术生成的合成心理健康对话覆盖非急性、高急性与紧急三类情境以及成人、13-17岁青少年、照护者和临床医生四类用户，由专家撰写权重从-10到+10的评分细则（每条对话至少三位专家评审、仅保留至少两人同意且无第三人反对的条目），并用自动评分器GPT‑5.6 Sol对模型回答打分，结果显示AI系统在帮助人们应对心理健康情境方面持续进步，且模型能力可分解为十个行为维度，其中“恰当追问背景”的能力随模型迭代而提升。
MentalHealthBench：面向真实心理健康对话的开放评测基准
该工作与来自22个国家的80多位持证心理健康专家共同构建了开放基准MentalHealthBench，用隐私保护技术生成的合成心理健康对话覆盖非急性、高急性与紧急三类情境以及成人、13-17岁青少年、照护者和临床医生四类用户，由专家撰写权重从-10到+10的评分细则（每条对话至少三位专家评审、仅保留至少两人同意且无第三人反对的条目），并用自动评分器GPT‑5.6 Sol对模型回答打分，结果显示AI系统在帮助人们应对心理健康情境方面持续进步，且模型能力可分解为十个行为维度，其中“恰当追问背景”的能力随模型迭代而提升。
该工作与来自22个国家的80多位持证心理健康专家共同构建了开放基准MentalHealthBench，用隐私保护技术生成的合成心理健康对话覆盖非急性、高急性与紧急三类情境以及成人、13-17岁青少年、照护者和临床医生四类用户，由专家撰写权重从-10到+10的评分细则（每条对话至少三位专家评审、仅保留至少两人同意且无第三人反对的条目），并用自动评分器GPT‑5.6 Sol对模型回答打分，结果显示AI系统在帮助人们应对心理健康情境方面持续进步，且模型能力可分解为十个行为维度，其中“恰当追问背景”的能力随模型迭代而提升。
arXiv 2026年9月23日
这篇综述围绕一个中心论点组织并分析了心理健康领域的大语言模型文献：其角色正沿三个阶段演进——第一阶段是被动的信息工具与模式识别器（用于评估与风险识别），第二阶段是共情对话者（单次会话内的即时互动），第三阶段是作为有状态认知智能体的纵向个性化陪伴者；并系统梳理了支撑这一路径的核心技术、智能体架构（画像、记忆、推理、规划、工具使用）、数据集与基准，指出该领域正从“一次性帮助”转向“长期陪伴”。
这篇综述围绕一个中心论点组织并分析了心理健康领域的大语言模型文献：其角色正沿三个阶段演进——第一阶段是被动的信息工具与模式识别器（用于评估与风险识别），第二阶段是共情对话者（单次会话内的即时互动），第三阶段是作为有状态认知智能体的纵向个性化陪伴者；并系统梳理了支撑这一路径的核心技术、智能体架构（画像、记忆、推理、规划、工具使用）、数据集与基准，指出该领域正从“一次性帮助”转向“长期陪伴”。
从模式识别器到个性化陪伴者：大模型心理健康综述的三阶段演化框架
这篇综述围绕一个中心论点组织并分析了心理健康领域的大语言模型文献：其角色正沿三个阶段演进——第一阶段是被动的信息工具与模式识别器（用于评估与风险识别），第二阶段是共情对话者（单次会话内的即时互动），第三阶段是作为有状态认知智能体的纵向个性化陪伴者；并系统梳理了支撑这一路径的核心技术、智能体架构（画像、记忆、推理、规划、工具使用）、数据集与基准，指出该领域正从“一次性帮助”转向“长期陪伴”。
这篇综述围绕一个中心论点组织并分析了心理健康领域的大语言模型文献：其角色正沿三个阶段演进——第一阶段是被动的信息工具与模式识别器（用于评估与风险识别），第二阶段是共情对话者（单次会话内的即时互动），第三阶段是作为有状态认知智能体的纵向个性化陪伴者；并系统梳理了支撑这一路径的核心技术、智能体架构（画像、记忆、推理、规划、工具使用）、数据集与基准，指出该领域正从“一次性帮助”转向“长期陪伴”。
Nature News 2026年9月23日
一项以近1500名逝者捐献脑组织、逾630万个单细胞核为对象的背外侧前额叶单核RNA测序图谱研究，连同配套的统计工具 Dreamlet，系统刻画了阿尔茨海默病等八种脑部疾病的细胞类型特异性转录变化，并报告了跨疾病的共性信号、AD 病程中的细胞组成改变以及微胶质细胞中 PTPRG 的显著上调。
一项以近1500名逝者捐献脑组织、逾630万个单细胞核为对象的背外侧前额叶单核RNA测序图谱研究，连同配套的统计工具 Dreamlet，系统刻画了阿尔茨海默病等八种脑部疾病的细胞类型特异性转录变化，并报告了跨疾病的共性信号、AD 病程中的细胞组成改变以及微胶质细胞中 PTPRG 的显著上调。
六百万细胞尺度的人脑前额叶基因活动图谱：PsychAD 队列与 Dreamlet 工具如何把脑病研究推向人群规模
一项以近1500名逝者捐献脑组织、逾630万个单细胞核为对象的背外侧前额叶单核RNA测序图谱研究，连同配套的统计工具 Dreamlet，系统刻画了阿尔茨海默病等八种脑部疾病的细胞类型特异性转录变化，并报告了跨疾病的共性信号、AD 病程中的细胞组成改变以及微胶质细胞中 PTPRG 的显著上调。
一项以近1500名逝者捐献脑组织、逾630万个单细胞核为对象的背外侧前额叶单核RNA测序图谱研究，连同配套的统计工具 Dreamlet，系统刻画了阿尔茨海默病等八种脑部疾病的细胞类型特异性转录变化，并报告了跨疾病的共性信号、AD 病程中的细胞组成改变以及微胶质细胞中 PTPRG 的显著上调。
Blood Advances 2026年9月22日
本研究将基于英国生物样本库健康人群数据开发的 T1 Dixon 全身 MRI 深度学习分割流程在多发性骨髓瘤患者影像上重训练，自动生成 11 项非病变组织的影像衍生表型（腹部皮下脂肪、内脏脂肪、腹部骨骼肌、肝、脾、双肾、双侧髂腰肌体积及肝脏相对脂肪分数），在 69 例接受诱导治疗与自体干细胞移植的前瞻观察队列（iTIMM）中测量基线与纵向变化，并探索其与无进展生存的关联，发现平均 Dice 0.916、平均 Likert 4.58，且基线较高的腹部骨骼肌与皮下脂肪、随时间升高的内脏脂肪与肝脏脂肪分数等指标在多组 Cox 模型中与无进展生存呈现方向一致的关联。
本研究将基于英国生物样本库健康人群数据开发的 T1 Dixon 全身 MRI 深度学习分割流程在多发性骨髓瘤患者影像上重训练，自动生成 11 项非病变组织的影像衍生表型（腹部皮下脂肪、内脏脂肪、腹部骨骼肌、肝、脾、双肾、双侧髂腰肌体积及肝脏相对脂肪分数），在 69 例接受诱导治疗与自体干细胞移植的前瞻观察队列（iTIMM）中测量基线与纵向变化，并探索其与无进展生存的关联，发现平均 Dice 0.916、平均 Likert 4.58，且基线较高的腹部骨骼肌与皮下脂肪、随时间升高的内脏脂肪与肝脏脂肪分数等指标在多组 Cox 模型中与无进展生存呈现方向一致的关联。
AI 从全身 MRI 自动提取体成分指标：多发性骨髓瘤患者的治疗相关变化与结局关联
本研究将基于英国生物样本库健康人群数据开发的 T1 Dixon 全身 MRI 深度学习分割流程在多发性骨髓瘤患者影像上重训练，自动生成 11 项非病变组织的影像衍生表型（腹部皮下脂肪、内脏脂肪、腹部骨骼肌、肝、脾、双肾、双侧髂腰肌体积及肝脏相对脂肪分数），在 69 例接受诱导治疗与自体干细胞移植的前瞻观察队列（iTIMM）中测量基线与纵向变化，并探索其与无进展生存的关联，发现平均 Dice 0.916、平均 Likert 4.58，且基线较高的腹部骨骼肌与皮下脂肪、随时间升高的内脏脂肪与肝脏脂肪分数等指标在多组 Cox 模型中与无进展生存呈现方向一致的关联。
本研究将基于英国生物样本库健康人群数据开发的 T1 Dixon 全身 MRI 深度学习分割流程在多发性骨髓瘤患者影像上重训练，自动生成 11 项非病变组织的影像衍生表型（腹部皮下脂肪、内脏脂肪、腹部骨骼肌、肝、脾、双肾、双侧髂腰肌体积及肝脏相对脂肪分数），在 69 例接受诱导治疗与自体干细胞移植的前瞻观察队列（iTIMM）中测量基线与纵向变化，并探索其与无进展生存的关联，发现平均 Dice 0.916、平均 Likert 4.58，且基线较高的腹部骨骼肌与皮下脂肪、随时间升高的内脏脂肪与肝脏脂肪分数等指标在多组 Cox 模型中与无进展生存呈现方向一致的关联。
Health Care Management Science 2026年9月22日
该研究基于Dana-Farber癌症研究所1,825,948条化疗预约记录，构建分层机器学习流程先预测取消再预测爽约，取消与爽约的F1分别达0.76与0.82，较单阶段多项基线在少数类上提升7–10个百分点；并用半监督学习从临近取消中推断爽约原因（加权F1为0.57与0.54），再通过反事实模拟评估干预措施，发现提醒等常规策略效果有限，而提升提供者一致性与承诺式排程可同时或分别降低取消与爽约。
该研究基于Dana-Farber癌症研究所1,825,948条化疗预约记录，构建分层机器学习流程先预测取消再预测爽约，取消与爽约的F1分别达0.76与0.82，较单阶段多项基线在少数类上提升7–10个百分点；并用半监督学习从临近取消中推断爽约原因（加权F1为0.57与0.54），再通过反事实模拟评估干预措施，发现提醒等常规策略效果有限，而提升提供者一致性与承诺式排程可同时或分别降低取消与爽约。
用分层机器学习与反事实分析预测并干预化疗预约的取消与爽约
该研究基于Dana-Farber癌症研究所1,825,948条化疗预约记录，构建分层机器学习流程先预测取消再预测爽约，取消与爽约的F1分别达0.76与0.82，较单阶段多项基线在少数类上提升7–10个百分点；并用半监督学习从临近取消中推断爽约原因（加权F1为0.57与0.54），再通过反事实模拟评估干预措施，发现提醒等常规策略效果有限，而提升提供者一致性与承诺式排程可同时或分别降低取消与爽约。
该研究基于Dana-Farber癌症研究所1,825,948条化疗预约记录，构建分层机器学习流程先预测取消再预测爽约，取消与爽约的F1分别达0.76与0.82，较单阶段多项基线在少数类上提升7–10个百分点；并用半监督学习从临近取消中推断爽约原因（加权F1为0.57与0.54），再通过反事实模拟评估干预措施，发现提醒等常规策略效果有限，而提升提供者一致性与承诺式排程可同时或分别降低取消与爽约。
bioRxiv 2026年9月22日
该研究以靶向53BP1串联Tudor结构域的聚焦DNA编码库（UNCDEL003，58,080个化合物）筛选数据初始化并偏置HIDDEN GEM结构导向生成式虚拟筛选流程，在约370亿化合物的Enamine REAL Space中提名57个可购买化合物，经TR-FRET置换实验验证14个为活性命中物（3个IC50≤50 µM、11个IC50≤100 µM），且这些AI提名命中物相比初始DEL命中物具有更高的化学多样性、更优的类药性和现成可购买性。
该研究以靶向53BP1串联Tudor结构域的聚焦DNA编码库（UNCDEL003，58,080个化合物）筛选数据初始化并偏置HIDDEN GEM结构导向生成式虚拟筛选流程，在约370亿化合物的Enamine REAL Space中提名57个可购买化合物，经TR-FRET置换实验验证14个为活性命中物（3个IC50≤50 µM、11个IC50≤100 µM），且这些AI提名命中物相比初始DEL命中物具有更高的化学多样性、更优的类药性和现成可购买性。
用生成化学与超大规模化合物库扩展DNA编码库命中物
该研究以靶向53BP1串联Tudor结构域的聚焦DNA编码库（UNCDEL003，58,080个化合物）筛选数据初始化并偏置HIDDEN GEM结构导向生成式虚拟筛选流程，在约370亿化合物的Enamine REAL Space中提名57个可购买化合物，经TR-FRET置换实验验证14个为活性命中物（3个IC50≤50 µM、11个IC50≤100 µM），且这些AI提名命中物相比初始DEL命中物具有更高的化学多样性、更优的类药性和现成可购买性。
该研究以靶向53BP1串联Tudor结构域的聚焦DNA编码库（UNCDEL003，58,080个化合物）筛选数据初始化并偏置HIDDEN GEM结构导向生成式虚拟筛选流程，在约370亿化合物的Enamine REAL Space中提名57个可购买化合物，经TR-FRET置换实验验证14个为活性命中物（3个IC50≤50 µM、11个IC50≤100 µM），且这些AI提名命中物相比初始DEL命中物具有更高的化学多样性、更优的类药性和现成可购买性。
bioRxiv 2026年9月22日
该研究构建了一套基于图的QSAR建模流程，整合检测数据预处理、指纹与分子图特征表示，并基准测试经典机器学习、图神经网络、图变换器及其共识集成，用于预测Caspase-3/7激活、线粒体膜电位破坏和FDA药物性肝损伤，其中在DILI预测上Graphormer取得最高F1 0.79、全共识模型取得最高AUC 0.69，超过此前最佳模型的AUC 0.63与F1 0.65，并通过片段富集分析识别出与双重激活及细胞系特异性反应相关的结构基序。
该研究构建了一套基于图的QSAR建模流程，整合检测数据预处理、指纹与分子图特征表示，并基准测试经典机器学习、图神经网络、图变换器及其共识集成，用于预测Caspase-3/7激活、线粒体膜电位破坏和FDA药物性肝损伤，其中在DILI预测上Graphormer取得最高F1 0.79、全共识模型取得最高AUC 0.69，超过此前最佳模型的AUC 0.63与F1 0.65，并通过片段富集分析识别出与双重激活及细胞系特异性反应相关的结构基序。
基于图的QSAR建模流程：预测体外PubChem检测与体内人体肝毒性及Caspase-3/7激活机制分析
该研究构建了一套基于图的QSAR建模流程，整合检测数据预处理、指纹与分子图特征表示，并基准测试经典机器学习、图神经网络、图变换器及其共识集成，用于预测Caspase-3/7激活、线粒体膜电位破坏和FDA药物性肝损伤，其中在DILI预测上Graphormer取得最高F1 0.79、全共识模型取得最高AUC 0.69，超过此前最佳模型的AUC 0.63与F1 0.65，并通过片段富集分析识别出与双重激活及细胞系特异性反应相关的结构基序。
该研究构建了一套基于图的QSAR建模流程，整合检测数据预处理、指纹与分子图特征表示，并基准测试经典机器学习、图神经网络、图变换器及其共识集成，用于预测Caspase-3/7激活、线粒体膜电位破坏和FDA药物性肝损伤，其中在DILI预测上Graphormer取得最高F1 0.79、全共识模型取得最高AUC 0.69，超过此前最佳模型的AUC 0.63与F1 0.65，并通过片段富集分析识别出与双重激活及细胞系特异性反应相关的结构基序。
Nursing education perspectives 2026年9月22日
一项家庭执业护士（FNP）教育项目让98名学生在视频会议平台上用生成式AI大语言模型（Claude Sonnet）的人格提示词生成虚拟患者，在30分钟预简报、约75分钟情景演练和45分钟PEARLS式复盘后，学生最常见的一词反馈是“helpful”（n=83），95%认为活动促进了SDOH学习（n=82），78%对筛查与应对SDOH的舒适度给出最高两档（均分4.1/5），SDOH知识测验平均94分（n=98），但仅有54%答对“识别应对SDOH具体策略”一题。
一项家庭执业护士（FNP）教育项目让98名学生在视频会议平台上用生成式AI大语言模型（Claude Sonnet）的人格提示词生成虚拟患者，在30分钟预简报、约75分钟情景演练和45分钟PEARLS式复盘后，学生最常见的一词反馈是“helpful”（n=83），95%认为活动促进了SDOH学习（n=82），78%对筛查与应对SDOH的舒适度给出最高两档（均分4.1/5），SDOH知识测验平均94分（n=98），但仅有54%答对“识别应对SDOH具体策略”一题。
利用生成式人工智能与人格提示词培养应对社会健康决定因素的能力
一项家庭执业护士（FNP）教育项目让98名学生在视频会议平台上用生成式AI大语言模型（Claude Sonnet）的人格提示词生成虚拟患者，在30分钟预简报、约75分钟情景演练和45分钟PEARLS式复盘后，学生最常见的一词反馈是“helpful”（n=83），95%认为活动促进了SDOH学习（n=82），78%对筛查与应对SDOH的舒适度给出最高两档（均分4.1/5），SDOH知识测验平均94分（n=98），但仅有54%答对“识别应对SDOH具体策略”一题。
一项家庭执业护士（FNP）教育项目让98名学生在视频会议平台上用生成式AI大语言模型（Claude Sonnet）的人格提示词生成虚拟患者，在30分钟预简报、约75分钟情景演练和45分钟PEARLS式复盘后，学生最常见的一词反馈是“helpful”（n=83），95%认为活动促进了SDOH学习（n=82），78%对筛查与应对SDOH的舒适度给出最高两档（均分4.1/5），SDOH知识测验平均94分（n=98），但仅有54%答对“识别应对SDOH具体策略”一题。

第 21 页 · 当前显示 10 项