口腔耐药组基准换了考法:只看留出簇时Hyena最好,换到外部数据库却是MoR更稳
口腔耐药组蛋白序列模型此前缺少排除同源记忆的评测。研究把26,324条蛋白按40%序列一致性聚成1,437个簇,用同一训练流程比较八种因果架构,并在CARD与NCBI AMRFinderPlus上做外部验证。留出簇上Hyena困惑度14.93最低,但外部验证中八种里只有四种优于残基组成基线17.99,参数匹配的MoR以17.40居首,Transformer则退化27%。
口腔耐药组蛋白序列模型此前缺少排除同源记忆的评测。研究把26,324条蛋白按40%序列一致性聚成1,437个簇,用同一训练流程比较八种因果架构,并在CARD与NCBI AMRFinderPlus上做外部验证。留出簇上Hyena困惑度14.93最低,但外部验证中八种里只有四种优于残基组成基线17.99,参数匹配的MoR以17.40居首,Transformer则退化27%。
把静息脑电的A/B/C/D微状态序列扩展成静态、有向转移、流量与复杂度四类特征后,帕金森病与健康对照的判别在开发队列内达到ROC-AUC 0.823,但在独立OpenNeuro队列上锁死测试时降到0.513,接近随机。同一特征空间里,一个判别数据来源的分类器达到ROC-AUC 0.966,说明两个队列的特征分布本身差异很大。研究据此把队列内判别与跨队列可迁移性分开评估,并提示在把微状态特征当作可复现电生理标志物之前需要显式的分布偏移检查。
北京大学等团队把常规单导联心电与医生撰写的超声心动图报告对齐,训练出可同时识别13种细粒度心脏结构病的筛查框架AnyECG-Echo。此前同类模型多依赖12导联输入,或只在单一医疗系统内验证,且标签需逐病种人工标注。该框架在内部、时间与地理独立外部共25222例验证队列上,对左室收缩功能减低、全心增大、二尖瓣狭窄等高影响亚型取得较高AUROC,并在外部队列中保持可用判别力。
本文评估了眼科图像处理中高性能人工智能系统为何很少转化为患者结局的改善,指出像素级性能指标与临床意义之间存在落差,并将数据偏倚、域偏移与标签噪声以及缺乏前瞻性随机部署试验列为主要障碍,同时提出严格外部验证、既定决策标准、真实临床环境中的持续监测、透明报告规范与人为因素工程等弥合路径,目标指向青光眼、糖尿病视网膜病变以及黄斑病变(糖尿病性黄斑水肿与年龄相关性黄斑变性)的诊断精度提升。
这项回顾性单中心外部验证研究纳入100例连续接受临床指征OCT检查的患者,用既往开发的OCT-AID算法对2560个可分析帧进行全血管像素级自动标注,并与专家人工判读的参考标准逐帧比较,结果显示钙化斑块识别(κ=0.88)与定量(组内相关系数0.79–0.93)表现优异、接近观察者间变异,脂质斑块识别与定量表现合理(κ=0.68;脂质弧组内相关系数0.79;最小纤维帽厚度组内相关系数0.59)且总体优于观察者间变异,而低患病率特征(如斑块破裂)表现有限,提示在真实世界连续患者数据中全自动OCT评估可行且与观察者间变异相当。
该预印本在去重控制的图像级划分下训练了五个骨干网络(387张甲状腺超声图像、1,332个细针穿刺细胞学图像块,标签来自术后诊断),并将冻结模型分别用于TN3K(n=1,228,数据集自带良恶性标签)和DDTI(n=637,由放射科TI-RADS类别派生的二分类终点),结果显示超声集成模型在TN3K上AUROC为0.825、ResNet-50为0.888,而在TI-RADS派生终点上AUROC仅为0.477和0.437,细胞学基准AUROC为0.986(0.970–0.998)对比超声集成0.733,作者强调由于队列、采集与终点同时变化,这一对比不能归因于标签定义本身。
该回顾性两中心研究基于中山大学附属第一医院1 562例与上海交通大学医学院附属瑞金医院803例共2 365例患者,构建了用于鼻咽喉镜体内/体外图像判定(模型1)、11个标准解剖部位识别(模型2)及病灶定位与良恶性判定(模型3)的一体化AI系统ENDOVISTA-ENT,其内外部准确率分别为99.44%/99.84%与96.09%/94.73%,模型3恶性病灶AUC为0.986/0.968、早期鼻咽癌喉癌及下咽癌AUC为0.878~0.932,AI辅助使6名不同资历医师对200例病理明确病例的总体判读准确率由78.50%提升至88.20%(χ²=40.37,P<0.001),单帧检测耗时(15.2±
该研究利用MIMIC-III、MIMIC-IV、eICU与HiRID四个公开重症监护数据库共203,434例ICU入院记录(2001至2022年,覆盖200余家医院),开发并外部验证了一个多模态深度学习模型,仅使用ICU入科后首个24小时内可获得的时间不变变量、时间序列变量、临床文本记录与胸部X线图像,预测此后住院死亡风险;仅用结构化数据时模型AUROC为0.92(95% CI 0.90至0.93)、AUPRC为0.53(95% CI 0.49至0.57)、Brier分数为0.19(95% CI 0.18至0.20),在eICU八个机构外部验证AUROC为0.84至0.92,而在同时具备临床记录与影像的患
该系统综述检索PubMed、MEDLINE、Embase、PsycINFO与Web of Science(自建库至2025年11月11日),纳入29项使用常规采集的电子健康记录或行政数据开发、验证或评估成人住院期间急性精神状态恶化(均操作化为谵妄)多变量预测模型的研究,按CHARMS与TRIPOD/TRIPOD-AI提取数据、以PROBAST评估偏倚风险,发现证据集中于入院或早期风险分层、围手术期或术后预测、重症监护动态预测以及既有工具的外部验证或工作流评估四类任务,多数为回顾性队列(20/29,69%),机器学习或混合方法常见(18/29,62%)但未稳定优于统计或规则方法,24项(83%)报告
已读完全部报道