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

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

仅使用非成像数据时模型性能很差（ACC约52-58%），仅使用成像数据时性能中等（ACC约76-80%），而结合两者时达到最优（ACC约82-83%），表明非成像数据对成像数据起到了有效的补充作用。在非成像数据中，性别、年龄和采集站点的影响相对均衡，其中性别的影响略大，而年龄的影响则更为一致。的GTUNet编码器，结合图U-Net的下采样机制，能过滤重要节点特征并捕获全局与局部信息，适用于处理大规

以替代传统的、依赖直觉的流程。其核心步骤包括数据采集、冗余感知采样、基于LLM-as-Judge的成对模型评估与Plackett-Luce排名、基于HL7-CDA章节的指令微调，以及最终的。：提出包含数据去冗余、基于LLM-as-judge的模型选择、HL7-CDA对齐的章节感知微调在内的完整、模块化流水线，支持在异构文档环境中进行可扩展的ICD-10-CM编码。为自动化编码带来了希望，但现有模型

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

手术场景中的精准点追踪一直受烟雾遮挡、镜面反光、组织变形等复杂视觉问题困扰，现有相关数据集仅提供坐标信息，缺失理解追踪失败机制的关键语义上下文。香港中文大学、深圳人民医院等联合团队构建了首个打通视觉追踪与手术场景点状态文本描述的大规模多模态数据集VL-SurgPT，还提出文本引导的TG-SurgPT追踪方法，有效提升了复杂视觉条件下的追踪准确性与可靠性，为计算机辅助手术的上下文感知追踪系统奠定了基

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