- TransCDR: 通过迁移学习和多模态数据融合增强癌症药物反应预测的广泛适用性的深度学习模型
精准医学中,准确且稳健的药物反应预测至关重要。我们引入 TransCDR,利用迁移学习学习药物表示,并通过自注意机制融合药物和细胞系的多模态特征,预测细胞系对药物的 IC50 值或敏感状态。TransCDR 在预测上显示出比 8 种最先进模 - 半监督的 ViT 知识蒸馏网络与风格转移归一化用于结直肠肝转移生存预测
我们提出了一个自动预测肠癌患者结直肠癌肝转移的病理预后的端到端方法,利用 H&E 和 HPS 染色的组织学切片;我们使用生成对抗网络对切片进行标准化,采用半监督模型进行组织分类,使用注意力机制加权不同区域进行分类,训练预后模型并在 258 - 非酒精性脂肪性肝病患者的深度表型分析及基因因素对复杂疾病的启示
非酒精性脂肪性肝病(NAFLD)是一种常见的慢性肝脏疾病,其特点是非常量饮酒者肝脏内脂肪过度积聚,包括肥胖、胰岛素抵抗、2 型糖尿病等风险因素。本研究旨在通过人口统计学、临床和遗传特征,为精确医学领域确定 NAFLD 患者的亚组;对 340 - 精准医学之路
我们提出了一种预后分层匹配框架,通过纠正观察数据中治疗结果的估计概率来对付观察数据中未观察到的混杂因素,然后使用这些概率来训练最优策略树,从而为患者子群体分配最佳的治疗,实现临床直观的治疗推荐。
- 因果动态变分自编码器用于纵向数据的对因回归
在精确医学、流行病学、经济和市场等多个领域中,估计随时间变化的治疗效果是相关的。本研究提出一种基于未观察到的风险因素的个体治疗效果估计方法,结合动态变分自动编码器 (DVAE) 框架和使用倾向得分的加权策略,准确估计反事实回应和捕捉纵向数据 - 图神经网络和神经微分方程在肿瘤动态预测中的融合
使用异质图编码器结合神经普通微分方程的方法,在个性化肿瘤动态预测方面取得了显著改进,表明该方法在临床前研究中具有潜在应用。
- 建立灵活、可扩展和机器学习准备的多模式肿瘤数据集
该论文提出了一种名为 MINDS 的多模态医学数据集成系统,通过整合来自多个公共数据源的异构数据,建立一个灵活、可扩展且具有成本效益的元数据框架,以实现大规模多模态机器学习模型的开发和患者中心架构的构建。MINDS 旨在通过协调多模态数据, - 体内纳米尺度流引导原始数据的分析建模
纳米技术和材料科学的进步为纳米尺度设备铺平了道路,这些设备结合了感知、计算、数据和能量存储以及无线通信。在精准医学中,这些纳米设备显示出在疾病诊断、治疗和监测方面的潜力,可以从患者的血液流中进行定位,这是流导引体内纳米尺度定位的主要目标。然 - Virchow:百万切片数字病理基础模型
使用自监督学习方法,创建了 Virchow 计算病理学的 632 百万参数深度神经网络基础模型,以解决病理学任务中缺乏数据的挑战,并在病理图像分类、癌症检测和亚型、生物标志物预测等多个任务中表现出色,显示了预训练在病理学图像数据集上的重要性 - MoCLIM: 通过多组学对比学习与组学推理模型实现准确的癌症亚型划分
通过对多组学数据的分析,该研究利用 MoCLIM 框架,独立提取来自不同组学模式的信息特征,从而改善癌症亚型分类结果,并基于对不同组学模态的对比学习实现了癌症亚型的低维空间聚类。实验证据表明,该方法在少量高维癌症数据实例中显著提高了数据拟合 - 考虑不同共病程度的改进基于 ICD 的语义相似度
通过使用语义相似性算法,考虑到并发症变异,本研究比较了 80 种已建立的算法在以 ICD 代码集为基础的语义相似性方面的表现,结果显示目前的语义相似性算法在考虑到并发症变异时表现良好,并且达到了与专家基本事实的相关性为 0.75 的最佳结果 - 基于图神经网络的太赫兹波流引导纳米尺度定位
本文提出了利用图神经网络实现的流导向定位方法,能够提高定位精度和覆盖范围,为基于纳米技术和先进材料的体内精准医疗应用打下基础。
- 流体指导纳米尺度定位的设计空间探索见解
利用纳米装置进行 Terahertz 无线通信技术实现血流引导定位,为精准医学提供了早期且精确的诊断,降低了成本和侵入性,本文针对血流引导定位的两种最新方法采用一系列异构性能度量标准进行性能评估。
- 利用不确定性感知因果模型提高基于图像的精准医疗
本研究使用基于贝叶斯的深度学习技术,通过对多发性硬化症患者的 MRI 图像进行数据训练,估计病人的不同治疗方案的后验分布,计算每种治疗方案和任意两种治疗方案之间的个体治疗效应(ITE)并对其不确定性进行评估,从而实现 “精准医学”,并对临床 - 朝着结果驱动的患者亚群:六项抑郁症治疗研究的机器学习分析
通过神经网络模型和机器学习技术,我们发现患者的原型可以用于识别与治疗反应相关的患者群体,并生成适当的治疗方案,这可能有助于精准医学治疗抑郁症。
- 应用主动知情同意提升医疗机器学习
本研究介绍了 Active Informed Consent(AIC)这一新型混合法律技术工具,以促进大量数据的收集,以应用于机器学习,并分析了该技术工具对保护欧洲公民隐私的法律复杂性之合规性。
- 基于机器学习的个体健康 - 疾病相图用于疾病预防
使用多变量数据,医学精准预测疾病是可能的。借助多种生物标志物的边界值,可将一个人的生理状态可视化为个人身体健康 - 疾病相图(HDPD),这种图可以用于防止慢性病的发作。
- 创造 AI-Enabled 系统的 6 个 D
这篇文章介绍了一种名为 6-D 框架的终端到终端方法,该方法包括问题分解,AI 解决方案的识别,以及 AI 系统部署方面的考虑。同时以精准医学为例,讲述了框架的各个部分。
- Transformer 与生物医学背景知识的表示
我们研究了基于 transformer 模型(如 BioBERT 和 BioMegatron)在公开的生物医学语料库的基础上如何适应生物医学领域,以及它们编码和表征生物知识的潜力和在癌症精准医学中的应用 - 即,解释基因组变异的临床意义。通 - MM基因转换器:用于基于基因表达的肺癌亚型分类的变压器
本文介绍了一种利用多头自注意力机制的深度学习方法 Gene Transformer,用于对基因表达数据进行肺癌亚型分类,效果比传统算法更好,此方法有望在计算生物学中得到更好的应用。