跳到主要内容
检索

University of Massachusetts Chan Medical School

3 篇关联报道

订阅更新
  1. bioRxiv

    研究团队构建覆盖21种成人组织的单核多组学图谱,解析459,856个转录组与染色质可及性图谱并识别161,270个新调控元件

    该研究构建了一个单核多组学图谱,包含来自21种成人组织和4名供体的459,856个转录组与染色质可及性图谱(其中160,688个细胞核为配对测量),解析出9个细胞谱系、61种宽泛细胞类型和313个亚群,识别出1,085,062个候选顺式调控元件(含161,270个ENCODE未收录的新元件),并利用该数据训练序列到功能模型,对548,656个精细定位变异预测染色质可及性效应,识别出18,133个高效应变异(含1,120个广泛活跃变异)。

  2. medRxiv

    急诊医学人工智能能力框架:一项多阶段共识研究

    该研究通过名义群体技术(2025年5月,n=6)与两轮改良德尔菲法(2026年4月至5月,专家组n=13,来自12家学术医学中心,第一轮应答率77%、第二轮100%)构建了美国首个专科特异性的急诊医学AI能力框架,最终形成5个主题(沟通AI、理解适用场景、与AI互动、AI风险管理、AI的认知影响)、5项派生能力(主题与能力一对一映射获13人中12人认可)、19个子主题和10个保留临床场景,所有主题、派生能力及被单独评分的子主题均达到预设共识阈值,10个场景中9个达到共识、1个作为未来态运行模型保留。

  3. 医疗从业者对大型语言模型的态度及其采纳与监管偏好:一项横断面调查

    该横断面调查通过医疗新闻平台邮件列表在线发放,共获得335名医疗从业者(其中主治医师230名,占68.7%)的回应,发现62.7%报告正在使用或考虑使用大型语言模型,使用者自评知识水平显著高于非使用者(P<.001),最受认可的应用为文献综述(73.4%)、决策支持(57%)和患者沟通(54.9%),主要担忧为决策错误(75.5%)和算法偏见(73.1%),96.4%对偏见表示担忧,且曾观察到偏见者担忧程度更高(P<.001),受访者更倾向由专业协会(65.4%)而非科技公司(29%)进行监管,87.8%支持专业指南,66.6%对现有监管表示没有信心。

已读完全部报道