跳到主要内容
检索

Columbia University Irving Medical Center

4 篇关联报道

订阅更新
  1. 医学对比学习不再强求增广不变:ProbSSL把嵌入写成分布,BTCV平均Dice达84.89

    医学图像自监督对比学习默认同一图像的不同增广视图应共享同一语义表示,但旋转、灰度扰动等增广会抹掉细微却关键的解剖与病理线索,强行对齐反而压掉任务相关信息。ProbSSL把每幅图像的嵌入建模为高斯分布,均值承载共享语义、方差记录增广带来的变化,并用分布间KL散度做对齐,使变化大的维度对齐压力自动减弱。在CT数据上预训练后迁移到BTCV、MM-WHS、CC-CCII与BraTS,ProbSSL在四个下游任务上的平均指标均高于所比较的通用与医学自监督方法,其中BTCV平均Dice为84.89。

  2. 发表出处待核验

    以强迫症为例,综述指出大数据在精神科需区分病因与病理生理、并以假设驱动才能回答具体精神障碍的三大问题

    这篇以强迫症(OCD)为例的综述梳理了大数据方法在回答该病三大问题——病因是什么、哪种治疗对谁最有效、如何扩大循证治疗可及性——上的进展与约束,指出ENIGMA-OCD等大规模汇总数据使部分既往效应被证实为小而可重复、另一些则无法在大样本中重现或实为药物效应,Global OCD Study在五个国际站点统一方法招募250名未服药OCD成人与250名匹配健康志愿者后发现病例-对照脑差异相对较少、而特定脑与认知指标同OC临床特征的关联更具信息量,并强调大数据本身不是目的,只有在清晰因果框架、假设驱动与临床锚定下才能推进精准精神医学。

  3. 发表出处待核验

    45人改良德尔菲共识:GLP-1受体激动剂用药前应筛查进食障碍,活动性厌食症与贪食症患者一般应避免使用

    该研究采用三轮改良德尔菲法,由45名糖尿病、肥胖和/或进食障碍领域的临床医生与研究者以及有亲身经历者组成的小组,就GLP-1受体激动剂在进食障碍情境下的使用达成平均91.7%的共识,提出用药前筛查、按风险分层监测、标准化教育材料、合并循证心理治疗等临床建议,并明确在活动性进食障碍(尤其厌食症、非典型厌食症及伴明显饮食限制和/或显著体重抑制的贪食症)中一般应避免使用GLP-1受体激动剂,同时列出流行病学、监管与暴食障碍临床试验的研究优先事项。

  4. bioRxiv

    RNASeek 以 16 亿参数跨门转录组模型实现 RNA 功能预测与 GRPO 引导设计,生成核酶达野生型活性、3′ UTR 超越训练数据

    作者提出 RNASeek——一个基于 DeepSeek 架构、在跨门转录组语料上训练的 16 亿参数生成式基础模型,用自然语言 token 实现条件预测与序列设计;该模型在零样本下捕捉物种特异性转录特征与内含子-外显子边界,经微调可预测核酶自切割活性与病毒 mRNA 稳定性并揭示环柔性、茎稳定性及 AU 富集基序等可解释特征,再以这些功能预测器作为奖励模型、用 GRPO 更新生成策略,产出满足用户指定 IUPAC 约束的更快切割核酶与增强稳定性的 3′ UTR,其中实验验证的生成核酶达到野生型活性水平,生成的 3′ UTR 超过训练数据与已基准测试的 AI 生成 3′ UTR 的表现。

已读完全部报道