首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

​Nat Med|龙尔平/陈庆宇团队合作研发“小世界增强”落地级医学大模型SSPEC并推向临床试验

以大模型为代表的生成式人工智能,拥有强大的知识编码、文本理解、推理能力,迅速成为数字化和智能化的新型技术基座,有望推动新一轮的医学人工智能革命,对科学和社会产生深远的影响。现有医学大模型处于快速变革和更新迭代的关键时期,面对场景特异知识缺乏、生成内容安全性不足等挑战。医学大模型的前瞻性临床试验和真正落地,更是被誉为“皇冠上的明珠”,是领域内亟待攻克的重要问题。因此,如何研发关键性技术破解落地难题,对于推动医学大模型领域的发展与转化应用,具有重要科学与社会意义。

01
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Molecular Psychiatry|青少年焦虑发作:一项机器学习预测

    最近对青少年的纵向研究报告了MRI与青春期前瞻性焦虑症状的相关性,而青春期是焦虑障碍发病的易感时期。然而,它们的预测价值尚未确定。通过机器学习算法进行个体预测可能有助于缩小与临床相关性之间的差距。采用随机森林、支持向量机和逻辑回归算法的投票分类器,评估感兴趣的灰质体积和心理测量学评分在检测前瞻性临床焦虑中的预测相关性。研究对象为年龄18 ~ 23岁的临床焦虑患者(N = 156)和健康对照者(N = 424)。提取Shapley值对特征重要性进行深度解读。对合并焦虑障碍的前瞻性预测主要依赖于心理测量学特征,达到了中等水平(受试者工作曲线下面积= 0.68),而广泛性焦虑障碍(GAD)的预测达到了相似的性能。仅就心理测量学特征而言,MRI局部体积并不能改善前瞻性合并焦虑症的预测性能,但它们改善了GAD的预测性能,其中尾状核和苍白球体积是贡献最大的特征之一。总之,在非焦虑的14岁青少年中,未来4-8年的临床焦虑发作可以个体化预测。心理测量学特征如神经质、绝望和情绪症状是汇总焦虑障碍预测的主要贡献因素。神经解剖学数据,如尾状核和苍白球体积,已被证明对GAD有价值,应纳入前瞻性临床焦虑预测。

    04

    程序员总是不愿意承认:写代码在公司里是一件并不太重要的事情

    程序员总是不愿意承认:写代码在公司里是一件并不太重要的事情,因为他们认为一旦承认了这点,就意味着是对自己的努力工作和能力的否认。 其实并不是,我只想说作为一个程序员,你的核心技能是写代码这并没有问题,但是如果你只想止步于程序员(包含高级程序员),一辈子写代码,那你可以划走,不用继续往下看了。 一个程序员的技术发展路径可以沿着:高级程序员—研发Leader—技术经理—技术总监—架构师—CTO来前进。 如果你将这条路线当作是技术生涯的职业规划,那么写代码只是最基本、最初级的技能。这个时候如果你想成为技术经理/

    02

    BP综述|个性化和基于回路的经颅磁刺激:证据、争议和机遇

    绘制脑连接图的神经影像学方法的发展改变了我们对精神疾病、脑刺激的分布效应以及如何最好地利用经颅磁刺激靶向和改善精神症状的理解。与此同时,神经影像学研究表明,像前额叶皮层这样的高阶脑区(代表了精神疾病最常见的脑刺激靶点)在大脑连接方面表现出了一些最高水平的个体差异。这些发现为基于个体特异性脑网络结构的个体化靶点选择提供了理论基础。最近的进展使确定可重复的个体化靶点成为可能,其精度为毫米,采集时间为临床可掌握。这些进展使空间个性化经颅磁刺激靶向的潜在优势得以评估并转化为基础和临床应用。在这篇综述中,我们概述了目标位点个性化的动机、初步支持(主要在抑郁症中)、来自其他脑刺激模式的聚合证据,以及抑郁症和前额叶皮层之外的普遍适用性。最后,我们将详细介绍方法学建议、争议和值得注意的替代方案。总体而言,虽然这一研究领域看起来很有前景,但个性化靶向的价值仍不清楚,使用经过验证的方法学进行专门的大型前瞻性随机临床试验是至关重要的。

    01
    领券