DeepRare的诊断能力覆盖广泛的医学专科。：当前系统对表型信息进行聚合检索，未来可探索更精细、自适应的检索策略以进一步提升诊断精度，尤其在处理高度相似的表型时存在误判可能。Chen et al., 2024：该论文构建了包含多个公开数据源的罕见病诊断基准，是本研究进行跨数据集评估和性能比较的。DeepRare的三层系统架构设计灵感来源于MCP，其“中央宿主-智能体服务器-外部数据源”的分层模式

通过使用临床级别的PRKAB1激动剂，研究在多个临床前模型中成功重启了肠道谱系程序，瓦解了由Wnt/YAP驱动的干性，并选择性清除了CDX2低表达的癌症干细胞。研究发现，PRKAB1激动剂能够恢复CDX2表达，触发分化程序，选择性清除CDX2低表达的肿瘤干细胞，并在多种临床前模型中验证了其疗效。PRKAB1敲低后，PF的疗效完全丧失，证实了其靶点特异性。：PF治疗在CDX2低表达模型中一致性地恢复

a， LyMOI预测基因与转录组、蛋白质组、磷酸化蛋白质组差异表达基因中已知自噬基因的百分比对比。c， 教师模型与逻辑回归（LR）、随机森林（RF）、高斯朴素贝叶斯（GNB）和支持向量机（SVM）的AUC值比较。d， 教师模型预测结果的主成分分析（PCA）图。：整合了来自人类、小鼠、大鼠和酵母四种真核生物在34种自噬调控条件下的转录组、蛋白质组和磷酸化蛋白质组数据，总计约1.3 TB。，模型能生成

在医疗资源紧张、患者就诊流程冗长的背景下，如何高效、精准地完成从初级到专科医疗的转诊，是全球医疗系统面临的共同痛点。甘肃医学院附属医院；在试验前的一项模拟实验中，比较了协同设计（Co-designed）的PreA模型与基于本地初级诊疗对话微调（Data-tuned）的模型。在有工作人员辅助使用PreA的组别（PreA-human）中，问诊时长与PreA-only组无显著差异，证明了PreA的。与未

大家好，我是柳半夏。现在让 AI 帮我们读论文，已经不算新鲜事了。真正让人头疼的是下一步：让它查数据库、跑单细胞分析、做分子对接、核对临床变异，再把结果整理成一份能复查的报告。聊两句很容易，最近，我把 K-Dense-AI 开源的项目文档完整翻了一遍。它不是一个新模型，而是一套给 AI Agent 准备的科研“所谓，可以简单理解为：不只会回答问题，还能调用工具、读取文件、执行代码，并连续完成多步任

大家好，我是柳半夏。现在让 AI 帮我们读论文，已经不算新鲜事了。真正让人头疼的是下一步：让它查数据库、跑单细胞分析、做分子对接、核对临床变异，再把结果整理成一份能复查的报告。聊两句很容易，最近，我把 K-Dense-AI 开源的项目文档完整翻了一遍。它不是一个新模型，而是一套给 AI Agent 准备的科研“所谓，可以简单理解为：不只会回答问题，还能调用工具、读取文件、执行代码，并连续完成多步任

尽管多数结节为良性（仅 7-15% 恶性），但临床诊断中，超声依赖放射科医生经验、细针穿刺（FNA）仍有 15% 不确定性，导致过度诊疗问题突出 —— 不必要的活检或手术不仅给患者带来身心创伤，还大幅增加医疗支出。传统 AI 辅助诊断（CAD）模型虽能分析超声图像，却因 “黑箱特性”（无法解释决策依据）和 “沉默特性”（仅输出分数 / 标签无交互），难以被临床接纳。，首次提出 AIGC-CAD 概

在 FLARE 2022（13 个腹部器官）和 BTCV（13 个腹部器官）数据集上，以 UNETR、Swin UNETR、nnFormer 为 backbone，Alice 均刷新 SOTA——FLARE 2022 离线测试集 DSC 达 86.87%（超第二名 CMAE 2.22%），BTCV 在线测试集 DSC 达 88.58%（超 UniMiSS 1.53%），且仅用 40% 预训练数据（

脓毒症作为感染引发的致命性疾病，虽需快速抗菌治疗，但现有诊断工具（如 C 反应蛋白、降钙素原）准确率低、耗时久，常导致抗生素过度使用（催生耐药）或漏诊（增加死亡风险）。：SEPSIS-SHIELD 研究队列（NCT04094818），共纳入 1441 例疑似急性感染 / 脓毒症成人患者，最终 1222 例获有效 TriVerity 结果，729 例完成 “感染状态共识判定”，1120 例完成 “7

最近，npj Digital Medicine期刊发表了一篇研究论文，标题为"Using a fine-tuned large language model for symptom-based depression evaluation"，介绍了基于德语BERT的MADRS-BERT模型，该模型能够通过分析临床访谈记录和合成生成的访谈数据，预测蒙哥马利-阿斯伯格抑郁评定量表（MADRS）中各个症状