医学与健康
461 条内容
髋膝关节置换中的生成式人工智能:患者沟通与教育、文档记录及决策支持三个临床域的系统综述
该系统综述检索PubMed与Embase(2025年7月9日)并纳入23项研究,按患者沟通与教育(19项)、临床文档(2项)和临床决策支持(2项)三个域评估生成式AI(以ChatGPT 3.5/4为主)在髋膝关节置换中的应用:盲评显示其FAQ回答在准确性、清晰度和完整度上与外科医生回答相当而可读性更好;同意书起草在可读性与完整度上优于外科医生版本;手术记录信息抽取一致率达97.5%–100%;决策支持中手术适应证判断准确率较高但预后预测特异度低;同时存在引用虚构与患者信任不足的问题。
临床轨迹与遗传结构跨越神经–精神边界的一致性
该研究把Delphi-2M在约40万英国生物银行参与者健康记录上训练得到的疾病轨迹嵌入,与19种神经与精神疾病的GWAS遗传相关性作对照,发现两者在171个疾病对上中等程度相关(Mantel r = 0.33,p < 1×10⁻⁴),两种度量都让16种疾病更接近自身诊断类别,且都同样把多发性硬化、偏头痛和特发性震颤放在更靠近精神疾病的一侧,提示临床轨迹与遗传结构画出同一条诊断边界、也在相同位置打破它。
基于基础模型的软时间打分:超声视频中用于改进ONSD测量的最优帧选择
该研究提出一种稀疏监督的AI框架,用冻结的超声基础模型(USFM,ViT-B)为每帧提取768维特征,交给轻量双向LSTM时间头输出0到1的帧质量分数,并以高斯软标签(在专家标注的关键帧处取峰值、随帧距平滑衰减,宽度σ=5帧)训练;在18名受试者、323段超声扫查视频(覆盖9种受控采集扫查类型、约45,500帧)的受试者级五折交叉验证中,该方法在含关键帧的扫查里以82.2%的Hit@1选出可用帧、平均最小距离3.07帧,超过最强无训练基线(USFM特征余弦相似度49.2%)与硬标签模型(71.9%)。
加泰罗尼亚多语言电子健康记录中未编码临床特征的本地隐私保护提取:开发与验证研究
该研究在机构防火墙内部署3.8B参数的开放权重小语言模型Phi4-mini(经Ollama运行),结合确定性正则表达式后处理,从加泰罗尼亚SIDIAP数据库的15,498份加泰罗尼亚语/西班牙语双语MEAP初级保健叙事中提取发热、亚硝酸盐、白细胞、腰痛、腹痛和血尿六项未编码尿路感染临床特征,在60份真实病历的双盲临床医生金标准验证中达到93.8%准确率、96.6%特异度和83.6%敏感度,在720份对抗性合成文本压力测试中达到87.2%准确率、99.5%特异度和99.2%阳性预测值,全程无患者数据离开机构服务器。
乘客共缺失混淆了以PTEN缺失为锚点的谷氨酰胺分解特征:位置感知特征设计的警示案例
该研究利用TCGA泛癌图谱的GISTIC拷贝数将肿瘤分为PTEN完整、半合子缺失和纯合缺失三档,在十四种肿瘤类型中评估一个五基因谷氨酰胺分解特征(GLS、SLC1A5、GOT1、GLUD1、GPT2),发现该特征随PTEN缺失而下降(十四种全部下降、十二种显著),但这一下降并非由MYC介导,而是由染色体位置决定:GLUD1与GOT1位于10q上与PTEN相邻,三十七个无谷氨酰胺分解注释的邻近基因与PTEN拷贝数的相关性与这两个基因相当(平均rho 0.843对0.842),共缺失保真度随与PTEN距离单调下降(rho = -0.993),校正全基因组非整倍体后关联不变,而以各基因自身拷贝数作条件则使
用AI设计并表征抗体:三项工作覆盖结合位点选择、亲和力排序与成药性预测
该文介绍Amazon Bio Discovery团队的三项工作:MochiBind以序列为基础、通过成对比较与TrueSkill聚合实现跨抗原的抗体-抗原结合强度排序,在四个留出抗原上成对准确率高于所有基于结构的基线,并在CPU上约13秒完成20万对打分;CA-MAP以文本提示中的示例抗体捕捉批次偏移,在模拟批次效应下保持0.99相关性而常规微调降至0.58,且仅约18.2万可训练参数、推理约快200倍;第三项工作用热点推荐智能体协调七种生物信息学工具、三种生成模型各产出9.6万个设计,经酵母表面展示筛选后116个候选均不与无关对照蛋白结合,其中46个被判定为强结合体。
细胞死亡的多种方式:从凋亡、坏死性凋亡到碱死亡与可逆死亡
这篇栏目体总结基于一篇Nature新闻报道和一篇Nature Reviews Molecular Cell Biology综述,梳理了自1999年以来科学家描述的约20种新细胞死亡方式(包括碱死亡、焦亡、坏死性凋亡、铁死亡、铜死亡、钠过载死亡、ruptosis等),说明死亡方式决定细胞释放的信号如何影响邻近细胞、组织功能与免疫反应,并指出细胞死亡并非不可逆、存在“遗愿清单”式延迟与anastasis复活现象。
Deep Persona 用三层人格架构与 ADOS 启发的评测框架,让两个临床模拟人格在综合基线下与人类对话统计上不可区分
该工作提出 Deep Persona——一个把角色组织为外部表达层、中层信念层与内层动机驱动层的三层心理架构,并配合脚本化决定论与有限能动性原则,同时提出一套无参考评测框架(借鉴 ADOS 的语用流畅性、共同注意、情感一致性与情绪表达多样性指标,以及基于马氏距离的对话自然度分数 DNS);在 DailyDialog 与 CounselChat 等人类与人类—LLM 对话数据上,LLM 表现出高语用流畅性(0.88–0.97)但在情绪表达与共同注意上存在系统性差距,而两个 Deep Persona 案例(Sarah 与 Evelyn)在综合基线下 DNS 高于所有被评测的人类—LLM 数据集,并在全部对话中与人类互动统计上不可区分。
孤独感与瘦身愿望:东京青少年队列中女孩内化问题更高的可能路径
在东京青少年队列的3,171名青少年中(46.9%为女孩,12、14、16岁三次评估),16岁时女孩的内化问题多于男孩——抑郁症状15.9%对8.2%、自杀意念29.8%对18.1%;在与年轻人共同制作(coproduction)确定候选路径后,作者用中介g公式(mediational g-formula)估计14岁时的孤独感与瘦身愿望相对女性性别总效应的比例为16岁抑郁症状34.7%、自杀意念46.3%,提示社会性中间因素可能促成该队列中女孩更高的内化问题发生率。
第 22 页 · 当前显示 10 项