医学与健康

461 条内容

Journal of global health 2026年9月18日
该研究汇总2004年1月至2025年12月中国大陆全国月度乙肝报告病例序列，用CEEMDAN分离多尺度时间成分，并以KOA优化GRU、CNN、SVM与Transformer编码器四种模型，在12个月滑动窗口上递归外推24个月，结果显示Transformer在留出测试集上拟合最佳（MAE=3105.508、MAPE=0.024、RMSE=4071.901、R²=0.928），SVM次之，CNN优于GRU但不及SVM，2026-2027年预测值仍处高位，提示改善有限甚至可能回升。
该研究汇总2004年1月至2025年12月中国大陆全国月度乙肝报告病例序列，用CEEMDAN分离多尺度时间成分，并以KOA优化GRU、CNN、SVM与Transformer编码器四种模型，在12个月滑动窗口上递归外推24个月，结果显示Transformer在留出测试集上拟合最佳（MAE=3105.508、MAPE=0.024、RMSE=4071.901、R²=0.928），SVM次之，CNN优于GRU但不及SVM，2026-2027年预测值仍处高位，提示改善有限甚至可能回升。
CEEMDAN分解结合KOA优化深度学习预测中国乙型肝炎报告病例（2004-2027）
该研究汇总2004年1月至2025年12月中国大陆全国月度乙肝报告病例序列，用CEEMDAN分离多尺度时间成分，并以KOA优化GRU、CNN、SVM与Transformer编码器四种模型，在12个月滑动窗口上递归外推24个月，结果显示Transformer在留出测试集上拟合最佳（MAE=3105.508、MAPE=0.024、RMSE=4071.901、R²=0.928），SVM次之，CNN优于GRU但不及SVM，2026-2027年预测值仍处高位，提示改善有限甚至可能回升。
该研究汇总2004年1月至2025年12月中国大陆全国月度乙肝报告病例序列，用CEEMDAN分离多尺度时间成分，并以KOA优化GRU、CNN、SVM与Transformer编码器四种模型，在12个月滑动窗口上递归外推24个月，结果显示Transformer在留出测试集上拟合最佳（MAE=3105.508、MAPE=0.024、RMSE=4071.901、R²=0.928），SVM次之，CNN优于GRU但不及SVM，2026-2027年预测值仍处高位，提示改善有限甚至可能回升。
World journal of transplantation 2026年9月18日
本文综述了人工智能与机器学习在移植外科诊疗路径各阶段的应用，涵盖术前解剖评估、移植物重量估算与候选者选择，术中大量输血、出血和急性肾损伤预测及机器人辅助手术，术后脓毒症、肺炎和移植物功能障碍的早期预测与长期监测，以及高光谱成像和自动组织病理评估等交叉创新，并指出多模态模型可整合电子健康记录、术中信号、超声与组织学信息，但临床转化仍需严格验证、数据集多样性和伦理与监管治理。
本文综述了人工智能与机器学习在移植外科诊疗路径各阶段的应用，涵盖术前解剖评估、移植物重量估算与候选者选择，术中大量输血、出血和急性肾损伤预测及机器人辅助手术，术后脓毒症、肺炎和移植物功能障碍的早期预测与长期监测，以及高光谱成像和自动组织病理评估等交叉创新，并指出多模态模型可整合电子健康记录、术中信号、超声与组织学信息，但临床转化仍需严格验证、数据集多样性和伦理与监管治理。
人工智能与机器学习在移植外科诊疗路径中的应用
本文综述了人工智能与机器学习在移植外科诊疗路径各阶段的应用，涵盖术前解剖评估、移植物重量估算与候选者选择，术中大量输血、出血和急性肾损伤预测及机器人辅助手术，术后脓毒症、肺炎和移植物功能障碍的早期预测与长期监测，以及高光谱成像和自动组织病理评估等交叉创新，并指出多模态模型可整合电子健康记录、术中信号、超声与组织学信息，但临床转化仍需严格验证、数据集多样性和伦理与监管治理。
本文综述了人工智能与机器学习在移植外科诊疗路径各阶段的应用，涵盖术前解剖评估、移植物重量估算与候选者选择，术中大量输血、出血和急性肾损伤预测及机器人辅助手术，术后脓毒症、肺炎和移植物功能障碍的早期预测与长期监测，以及高光谱成像和自动组织病理评估等交叉创新，并指出多模态模型可整合电子健康记录、术中信号、超声与组织学信息，但临床转化仍需严格验证、数据集多样性和伦理与监管治理。
Current opinion in oncology 2026年9月18日
这篇综述聚焦近18个月发表的文献，梳理分子PET显像在胶质瘤中区分治疗相关改变（尤其是假性进展）与真性肿瘤进展的作用，指出静态氨基酸PET（特别是[18F]FET）可能提供与动态采集相当的诊断信息并简化采集流程，[68Ga]FAPI PET可补充肿瘤微环境信息，同时强调定量PET参数受重建算法、参考区与分割策略影响，人工智能、影像组学与自动分割有望改善多模态定量评估的整合。
这篇综述聚焦近18个月发表的文献，梳理分子PET显像在胶质瘤中区分治疗相关改变（尤其是假性进展）与真性肿瘤进展的作用，指出静态氨基酸PET（特别是[18F]FET）可能提供与动态采集相当的诊断信息并简化采集流程，[68Ga]FAPI PET可补充肿瘤微环境信息，同时强调定量PET参数受重建算法、参考区与分割策略影响，人工智能、影像组学与自动分割有望改善多模态定量评估的整合。
核医学在鉴别胶质瘤假性进展与肿瘤进展中的演变角色
这篇综述聚焦近18个月发表的文献，梳理分子PET显像在胶质瘤中区分治疗相关改变（尤其是假性进展）与真性肿瘤进展的作用，指出静态氨基酸PET（特别是[18F]FET）可能提供与动态采集相当的诊断信息并简化采集流程，[68Ga]FAPI PET可补充肿瘤微环境信息，同时强调定量PET参数受重建算法、参考区与分割策略影响，人工智能、影像组学与自动分割有望改善多模态定量评估的整合。
这篇综述聚焦近18个月发表的文献，梳理分子PET显像在胶质瘤中区分治疗相关改变（尤其是假性进展）与真性肿瘤进展的作用，指出静态氨基酸PET（特别是[18F]FET）可能提供与动态采集相当的诊断信息并简化采集流程，[68Ga]FAPI PET可补充肿瘤微环境信息，同时强调定量PET参数受重建算法、参考区与分割策略影响，人工智能、影像组学与自动分割有望改善多模态定量评估的整合。
Journal of gastroenterology and hepatology 2026年9月18日
这篇叙述性综述首次将人工智能与内镜肝病学的融合系统梳理为四个功能支柱——智能血流动力学评估、虚拟组织学、精准组织获取、以及整合风险分层与治疗决策支持，并提出三层就绪度框架，用以区分已证实能力与推演性、概念性应用，指出该领域仍处早期，但若具备标准化数据集、前瞻性验证与明确的监管治理标准，AI有望把内镜肝病学转变为单一机器驱动的诊疗平台。
这篇叙述性综述首次将人工智能与内镜肝病学的融合系统梳理为四个功能支柱——智能血流动力学评估、虚拟组织学、精准组织获取、以及整合风险分层与治疗决策支持，并提出三层就绪度框架，用以区分已证实能力与推演性、概念性应用，指出该领域仍处早期，但若具备标准化数据集、前瞻性验证与明确的监管治理标准，AI有望把内镜肝病学转变为单一机器驱动的诊疗平台。
人工智能在内镜肝病学中的路线图：迈向肝脏导向内镜的智能一站式平台
这篇叙述性综述首次将人工智能与内镜肝病学的融合系统梳理为四个功能支柱——智能血流动力学评估、虚拟组织学、精准组织获取、以及整合风险分层与治疗决策支持，并提出三层就绪度框架，用以区分已证实能力与推演性、概念性应用，指出该领域仍处早期，但若具备标准化数据集、前瞻性验证与明确的监管治理标准，AI有望把内镜肝病学转变为单一机器驱动的诊疗平台。
这篇叙述性综述首次将人工智能与内镜肝病学的融合系统梳理为四个功能支柱——智能血流动力学评估、虚拟组织学、精准组织获取、以及整合风险分层与治疗决策支持，并提出三层就绪度框架，用以区分已证实能力与推演性、概念性应用，指出该领域仍处早期，但若具备标准化数据集、前瞻性验证与明确的监管治理标准，AI有望把内镜肝病学转变为单一机器驱动的诊疗平台。
Current opinion in oncology 2026年9月18日
这篇综述指出，靶向TROP2的抗体偶联药物（ADC）正日益融入乳腺癌的多种治疗场景，其中sacituzumab govitecan与datopotamab deruxtecan虽同样靶向TROP2并抑制拓扑异构酶I，但安全性特征不同——前者主要与中性粒细胞减少和腹泻相关，后者则以口腔炎、眼表事件以及发生率低但具临床意义的间质性肺病/肺炎为特征，这些差异源于载荷、连接子稳定性、药物-抗体比、组织分布及非靶向摄取的综合作用，并据此提出以药物为单位、主动且日趋个体化的预防与支持管理策略。
这篇综述指出，靶向TROP2的抗体偶联药物（ADC）正日益融入乳腺癌的多种治疗场景，其中sacituzumab govitecan与datopotamab deruxtecan虽同样靶向TROP2并抑制拓扑异构酶I，但安全性特征不同——前者主要与中性粒细胞减少和腹泻相关，后者则以口腔炎、眼表事件以及发生率低但具临床意义的间质性肺病/肺炎为特征，这些差异源于载荷、连接子稳定性、药物-抗体比、组织分布及非靶向摄取的综合作用，并据此提出以药物为单位、主动且日趋个体化的预防与支持管理策略。
乳腺癌中抗TROP2抗体偶联药物的安全性管理
这篇综述指出，靶向TROP2的抗体偶联药物（ADC）正日益融入乳腺癌的多种治疗场景，其中sacituzumab govitecan与datopotamab deruxtecan虽同样靶向TROP2并抑制拓扑异构酶I，但安全性特征不同——前者主要与中性粒细胞减少和腹泻相关，后者则以口腔炎、眼表事件以及发生率低但具临床意义的间质性肺病/肺炎为特征，这些差异源于载荷、连接子稳定性、药物-抗体比、组织分布及非靶向摄取的综合作用，并据此提出以药物为单位、主动且日趋个体化的预防与支持管理策略。
这篇综述指出，靶向TROP2的抗体偶联药物（ADC）正日益融入乳腺癌的多种治疗场景，其中sacituzumab govitecan与datopotamab deruxtecan虽同样靶向TROP2并抑制拓扑异构酶I，但安全性特征不同——前者主要与中性粒细胞减少和腹泻相关，后者则以口腔炎、眼表事件以及发生率低但具临床意义的间质性肺病/肺炎为特征，这些差异源于载荷、连接子稳定性、药物-抗体比、组织分布及非靶向摄取的综合作用，并据此提出以药物为单位、主动且日趋个体化的预防与支持管理策略。
FEBS letters 2026年9月18日
这篇综述梳理了深度学习驱动的蛋白质设计流程，讨论了肽、小分子、结合体、疫苗与抗体等方向的定制化应用，指出当前用于筛选与评估设计的置信度指标仍针对静态蛋白界面优化、在代表性不足或构象复杂的目标上可能失效，并主张整合基于集合（ensemble）的方法有望提升设计成功率，同时强调折叠切换支架与通过工程化环肽实现的分子胶等策略可扩展设计蛋白的功能范围。
这篇综述梳理了深度学习驱动的蛋白质设计流程，讨论了肽、小分子、结合体、疫苗与抗体等方向的定制化应用，指出当前用于筛选与评估设计的置信度指标仍针对静态蛋白界面优化、在代表性不足或构象复杂的目标上可能失效，并主张整合基于集合（ensemble）的方法有望提升设计成功率，同时强调折叠切换支架与通过工程化环肽实现的分子胶等策略可扩展设计蛋白的功能范围。
勘探蛋白质设计版图：从高亲和力结合体到功能可切换蛋白
这篇综述梳理了深度学习驱动的蛋白质设计流程，讨论了肽、小分子、结合体、疫苗与抗体等方向的定制化应用，指出当前用于筛选与评估设计的置信度指标仍针对静态蛋白界面优化、在代表性不足或构象复杂的目标上可能失效，并主张整合基于集合（ensemble）的方法有望提升设计成功率，同时强调折叠切换支架与通过工程化环肽实现的分子胶等策略可扩展设计蛋白的功能范围。
这篇综述梳理了深度学习驱动的蛋白质设计流程，讨论了肽、小分子、结合体、疫苗与抗体等方向的定制化应用，指出当前用于筛选与评估设计的置信度指标仍针对静态蛋白界面优化、在代表性不足或构象复杂的目标上可能失效，并主张整合基于集合（ensemble）的方法有望提升设计成功率，同时强调折叠切换支架与通过工程化环肽实现的分子胶等策略可扩展设计蛋白的功能范围。
bioRxiv 2026年9月18日
该工作构建了BoneGraph——一个以7,449份文献与16本教科书为语料、248,629个SPECTER2段落向量和1,597个概念/1,699条因果关系的骨知识图谱为共享底座、由Chat、Search、Reasoning、Vision、Mechanics五个标签页组成的骨科学专用系统，检索在30题七领域基准上达到MRR 0.928，视觉骨区分类器在留出MURA上达到92.6%准确率，在给定正确段落时把答题准确率从42%提升到78%，且全部推理在本地单台Jetson AGX Orin上完成、无第三方API调用。
该工作构建了BoneGraph——一个以7,449份文献与16本教科书为语料、248,629个SPECTER2段落向量和1,597个概念/1,699条因果关系的骨知识图谱为共享底座、由Chat、Search、Reasoning、Vision、Mechanics五个标签页组成的骨科学专用系统，检索在30题七领域基准上达到MRR 0.928，视觉骨区分类器在留出MURA上达到92.6%准确率，在给定正确段落时把答题准确率从42%提升到78%，且全部推理在本地单台Jetson AGX Orin上完成、无第三方API调用。
BoneGraph：面向骨科学的领域专用自校正推理系统
该工作构建了BoneGraph——一个以7,449份文献与16本教科书为语料、248,629个SPECTER2段落向量和1,597个概念/1,699条因果关系的骨知识图谱为共享底座、由Chat、Search、Reasoning、Vision、Mechanics五个标签页组成的骨科学专用系统，检索在30题七领域基准上达到MRR 0.928，视觉骨区分类器在留出MURA上达到92.6%准确率，在给定正确段落时把答题准确率从42%提升到78%，且全部推理在本地单台Jetson AGX Orin上完成、无第三方API调用。
该工作构建了BoneGraph——一个以7,449份文献与16本教科书为语料、248,629个SPECTER2段落向量和1,597个概念/1,699条因果关系的骨知识图谱为共享底座、由Chat、Search、Reasoning、Vision、Mechanics五个标签页组成的骨科学专用系统，检索在30题七领域基准上达到MRR 0.928，视觉骨区分类器在留出MURA上达到92.6%准确率，在给定正确段落时把答题准确率从42%提升到78%，且全部推理在本地单台Jetson AGX Orin上完成、无第三方API调用。
bioRxiv 2026年9月18日
该工作提出 LDDM（Large Drug Discovery Model）这一统一三维生成框架，支持约束与非约束对接、片段连接与生长以及从头设计，并引入可编程设计算法以生成满足细粒度目标且可合成的化合物；作者针对五个具有治疗相关性的蛋白靶点开展实验验证，在仅合成少量生成化合物的条件下获得高成功率并鉴定出具有确证结合亲和力的分子，其中最优设计通过 NMR 波谱与 X 射线晶体学完成结构表征，显示出较高的预测准确性。
该工作提出 LDDM（Large Drug Discovery Model）这一统一三维生成框架，支持约束与非约束对接、片段连接与生长以及从头设计，并引入可编程设计算法以生成满足细粒度目标且可合成的化合物；作者针对五个具有治疗相关性的蛋白靶点开展实验验证，在仅合成少量生成化合物的条件下获得高成功率并鉴定出具有确证结合亲和力的分子，其中最优设计通过 NMR 波谱与 X 射线晶体学完成结构表征，显示出较高的预测准确性。
LDDM：面向可合成性结构药物设计的统一三维生成模型
该工作提出 LDDM（Large Drug Discovery Model）这一统一三维生成框架，支持约束与非约束对接、片段连接与生长以及从头设计，并引入可编程设计算法以生成满足细粒度目标且可合成的化合物；作者针对五个具有治疗相关性的蛋白靶点开展实验验证，在仅合成少量生成化合物的条件下获得高成功率并鉴定出具有确证结合亲和力的分子，其中最优设计通过 NMR 波谱与 X 射线晶体学完成结构表征，显示出较高的预测准确性。
该工作提出 LDDM（Large Drug Discovery Model）这一统一三维生成框架，支持约束与非约束对接、片段连接与生长以及从头设计，并引入可编程设计算法以生成满足细粒度目标且可合成的化合物；作者针对五个具有治疗相关性的蛋白靶点开展实验验证，在仅合成少量生成化合物的条件下获得高成功率并鉴定出具有确证结合亲和力的分子，其中最优设计通过 NMR 波谱与 X 射线晶体学完成结构表征，显示出较高的预测准确性。
Pharmaceutical development and technology 2026年9月18日
这篇综述系统梳理了基于天然可降解聚合物的微针给药系统在材料选择、制备策略与可控释放机制方面的近期进展，并提出一个将治疗目标、聚合物性质、力学性能与释放动力学系统整合的理性设计框架，同时讨论力学限制、制造可扩展性、稳定性与监管等转化挑战，以及刺激响应系统、纳米载体整合、个性化给药和人工智能与机器学习等数据驱动策略等新兴趋势，主张从经验性配方转向预测性、工程驱动的设计策略。
这篇综述系统梳理了基于天然可降解聚合物的微针给药系统在材料选择、制备策略与可控释放机制方面的近期进展，并提出一个将治疗目标、聚合物性质、力学性能与释放动力学系统整合的理性设计框架，同时讨论力学限制、制造可扩展性、稳定性与监管等转化挑战，以及刺激响应系统、纳米载体整合、个性化给药和人工智能与机器学习等数据驱动策略等新兴趋势，主张从经验性配方转向预测性、工程驱动的设计策略。
天然可降解聚合物微针用于可控给药：理性设计框架与转化视角
这篇综述系统梳理了基于天然可降解聚合物的微针给药系统在材料选择、制备策略与可控释放机制方面的近期进展，并提出一个将治疗目标、聚合物性质、力学性能与释放动力学系统整合的理性设计框架，同时讨论力学限制、制造可扩展性、稳定性与监管等转化挑战，以及刺激响应系统、纳米载体整合、个性化给药和人工智能与机器学习等数据驱动策略等新兴趋势，主张从经验性配方转向预测性、工程驱动的设计策略。
这篇综述系统梳理了基于天然可降解聚合物的微针给药系统在材料选择、制备策略与可控释放机制方面的近期进展，并提出一个将治疗目标、聚合物性质、力学性能与释放动力学系统整合的理性设计框架，同时讨论力学限制、制造可扩展性、稳定性与监管等转化挑战，以及刺激响应系统、纳米载体整合、个性化给药和人工智能与机器学习等数据驱动策略等新兴趋势，主张从经验性配方转向预测性、工程驱动的设计策略。
bioRxiv 2026年9月18日
该研究提出 RSAUNet，一种在 U-Net 主干中融合残差卷积块、Swin Transformer 块与注意力机制的深度学习架构，用于 MRI 前列腺癌分割，并在公开 Kaggle 前列腺标注数据集上报告了 Dice 系数 0.998、Jaccard 指数（IoU）0.965 的训练与验证结果，同时通过消融实验比较了各组件逐项加入后的损失、准确率、Dice 与平均 IoU 变化。
该研究提出 RSAUNet，一种在 U-Net 主干中融合残差卷积块、Swin Transformer 块与注意力机制的深度学习架构，用于 MRI 前列腺癌分割，并在公开 Kaggle 前列腺标注数据集上报告了 Dice 系数 0.998、Jaccard 指数（IoU）0.965 的训练与验证结果，同时通过消融实验比较了各组件逐项加入后的损失、准确率、Dice 与平均 IoU 变化。
混合残差–Swin Transformer 与注意力机制的前列腺癌分割模型 RSAUNet
该研究提出 RSAUNet，一种在 U-Net 主干中融合残差卷积块、Swin Transformer 块与注意力机制的深度学习架构，用于 MRI 前列腺癌分割，并在公开 Kaggle 前列腺标注数据集上报告了 Dice 系数 0.998、Jaccard 指数（IoU）0.965 的训练与验证结果，同时通过消融实验比较了各组件逐项加入后的损失、准确率、Dice 与平均 IoU 变化。
该研究提出 RSAUNet，一种在 U-Net 主干中融合残差卷积块、Swin Transformer 块与注意力机制的深度学习架构，用于 MRI 前列腺癌分割，并在公开 Kaggle 前列腺标注数据集上报告了 Dice 系数 0.998、Jaccard 指数（IoU）0.965 的训练与验证结果，同时通过消融实验比较了各组件逐项加入后的损失、准确率、Dice 与平均 IoU 变化。

第 26 页 · 当前显示 10 项