XiaoMi-AI文件搜索系统
World File Search SystemFrontiers
除了诊断外，通过人工智能扩大医疗保健领域
人工智能（AI）正在通过提高诊断准确性，人体化治疗计划和优化运营效率来重新定义医疗保健的界限。本评论探讨了从诊断成像和预测分析到机器人SUR GERY和患者管理的各个医疗领域的AI的多方面应用。通过详细的案例研究，该论文说明了AI在改善患者预后，降低成本以及增加医疗保健服务的可访问性方面做出了重大贡献。但是，AI的整合还提出了需要仔细考虑的实质性道德，隐私和运营挑战。本评论既评估了AI在医疗保健中的变革潜力，又评估了必须解决的关键问题，以负责任地和有效地利用其全部收益。
量子图学习：前沿与展望
量子理论已显示出在增强机器学习方面的优势。然而，利用量子理论来增强图学习还处于起步阶段。本综述从基础理论、方法和前景三个角度研究了量子图学习 (QGL) 的最新进展。我们首先研究 QGL，分别讨论量子理论和图学习的互利关系、图结构数据的特殊性以及图学习的瓶颈。提出了一种新的 QGL 分类法，即图上的量子计算、量子图表示和图神经网络的量子电路。然后强调并解释其中的陷阱。本综述旨在对这一新兴领域进行简短而有见地的介绍，并详细讨论尚待研究的前沿和前景。
引用 Gupta S、Modgil S、Lee C 等人 (2022) 未来就是昨天：利用人工智能驱动的面部识别来提升旅游业的价值。信息系统前沿。25：1179-1195。
引用 Gupta S、Modgil S、Lee C 等人 (2022) 未来就是昨天：利用人工智能驱动的面部识别来提升旅游业的价值。信息系统前沿。25：1179-1195。
建议引用：Meske, Christian；Bunde, Enrico (2022)：基于人工智能的决策支持系统中用户界面的设计原则：可解释的仇恨言论检测案例，信息系统前沿，ISSN 1572-9419，Springer US，第 25 卷，Iss。2，第 743-773 页，https://doi.org/10.1007/s10796-021-10234-5
摘要 社交媒体中的仇恨言论是一个日益严重的问题，会对个人和整个社会产生负面影响。社交媒体平台上的版主需要技术支持来检测有问题的内容并做出相应的反应。在本文中，我们开发并讨论了最适合为使用人工智能 (AI) 协助人类版主的决策支持系统创建高效用户界面的设计原则。我们对三个设计周期内的各种设计方案进行了定性和定量评估，共有 641 名参与者。除了测量感知易用性、感知有用性和使用意图外，我们还进行了一项实验，以证明 AI 可解释性对最终用户感知的认知努力、感知的信息量、心理模型和 AI 可信度的重大影响。最后，我们与软件开发人员一起测试了获得的设计知识，他们对所提出的设计原则的可重用性评价为高。
Hunt, X.、Tomlinson, M.、Sikander, S.、Skeen, S.、Marlow, M.、du Toit, S. 和 Eisner, M. (2020)。人工智能、大数据和移动医疗：预防儿童暴力的前沿。人工智能前沿，3，543305。提前在线出版。https://doi.org/10.3389/frai.2020.543305
针对儿童的暴力是全球公共卫生威胁，令人十分担忧。全世界至少有一半的儿童每年都会遭受暴力；全球每年遭受暴力的 2 至 17 岁儿童总数达 10 亿。根据文献综述，我们认为人工智能（以及相关的机器学习和大数据）和移动医疗方法具有巨大的潜力，可用于大规模预防和解决暴力问题。这种潜力在中低收入国家 (LMIC) 尤为明显，尽管它能否转化为大规模的有效解决方案仍不清楚。我们讨论了人工智能 (AI)、大数据和移动医疗方法预防暴力的可能切入点，并将它们与世界卫生组织的七项 INSPIRE 战略联系起来。然而，应谨慎对待此类工作。我们强调了未来基于技术和技术支持的暴力预防工作的明确方向。我们认为，需要在整个城市层面建立良好的基于代理的模型，以了解可能发生暴力的地方和时间，以及当地的响应系统。然而，有必要开发关于暴力预测因素的通用、可靠和有效的人口和个人/家庭层面数据。这些指标可以整合到常规健康或其他信息系统中，并成为暴力预防和应对系统的人工智能算法的基础。此外，还需要有关个人求助行为、虐待儿童的风险因素和其他信息的数据，这些信息可以帮助我们确定了解暴力成因和应对暴力所需的参数。为了应对此类干预措施引起的道德问题，必须做出协调一致的、有意义的努力，在人工智能领域开展参与性和用户主导的工作，以确保上述隐私和分析问题在未来得到明确解决。最后，我们认为，开发人工智能和其他技术基础设施将需要大量投资，特别是在中低收入国家。
Astrid Musnier、Christophe Dumet、Saheli Mitra、Adrien Verdier、Raouf Keskes 等人。应用人工智能加速和降低抗体发现风险。药物发现前沿，2024 年，4，第 1339697 页。10.3389/fddsv.2024.1339697。hal-04672537
与所有科学和工业领域一样，人工智能 (AI) 有望在未来几年对抗体的发现产生重大影响。抗体的发现传统上是通过一系列实验步骤进行的：动物免疫、相关克隆的筛选、体外测试、亲和力成熟、动物模型体内测试，然后是不同的人性化和成熟步骤，产生将在临床试验中进行测试的候选药物。该方案存在不同的缺陷，导致整个过程非常危险，流失率超过 95%。计算机方法的兴起，其中包括人工智能，已逐渐被证明能够以更强大的过程可靠地指导不同的实验步骤。它们现在能够覆盖整个发现过程。在这个新领域的参与者中，MAbSilico 公司提出了一种计算机模拟流程，可以在几天内设计出抗体序列，这些序列已经人性化并针对亲和力和可开发性进行了优化，大大降低了风险并加快了发现过程。
最初发表于：Faes, Livia；Sim, Dawn A；van Smeden, Maarten；Held, Ulrike；Bossuyt, Patrick M；Bachmann, Lucas M (2022)。人工智能和统计学：只是新酒袋里的旧酒？数字健康前沿，4:833912。DOI：https://doi.org/10.3389/fdgth.2022.833912
我们目睹了医学文献中使用人工智能 (AI) 及其分支机器学习 (ML) 方法的科学研究大幅增加。最近一项比较医疗专业人员与人工智能的分类表现的系统评价检索了自 2012 年 1 月以来发表的 20,000 多条研究报告记录。仅在 2020 年，医学电子数据库中就发现了 7,000 多条新记录 (1)。只需使用 1986 年推出的医学主题词 (MeSH)“人工智能”搜索 Medline 数据库，我们就会发现过去二十年记录数量持续增加 (图 1)。仅在 Medline 中，目前用该术语索引的记录总数就高达 120,000 条。阅读这些论文时，除了庞大的数量之外，还发现几个问题。
Yehoshua Socol、Ariella Richardson、Imene Garali Zineddine、Stephane Grison、Guillaume Vares 等人。生物学和医学中的人工智能以及辐射防护研究：来自耶路撒冷的观点。人工智能前沿，2024 年，6，第 1291136 页。 10.3389/frai.2023.1291136。 irsn-04669199
虽然人工智能广泛应用于生物医学研究和医学实践，但其使用仅限于少数特定的实际领域，例如放射组学。“生物学和医学中的人工智能”研讨会（耶路撒冷，2023 年 2 月 14 日至 15 日）的参与者，包括研究人员和从业者，旨在通过探索人工智能的进步、挑战和观点来构建整体图景，并为人工智能应用提出新的领域。演讲展示了大型语言模型 (LLM) 在生成分子结构、预测蛋白质-配体相互作用和促进人工智能开发民主化方面的潜力。还讨论了医疗决策中的伦理问题。在生物应用中，多组学和临床数据的人工智能整合阐明了低剂量电离辐射对健康的相关影响。贝叶斯潜在模型确定了未观察变量之间的统计关联。医疗应用强调了非侵入性诊断的液体活检方法、识别被忽视疾病的常规实验室检查以及人工智能在口腔颌面成像中的作用。可解释的人工智能和多样化的图像处理工具改进了诊断，而文本分类则检测到了博客文章中的厌食行为。研讨会促进了知识共享和讨论，并强调了在放射防护研究中进一步发展人工智能以支持新出现的公共卫生问题的必要性。组织者计划继续将该计划作为一项年度活动，促进合作并解决人工智能应用中的问题和观点，重点是低剂量放射防护研究。邀请参与放射防护研究的研究人员和相关公共政策领域的专家在下一次研讨会上探讨人工智能在低剂量辐射研究中的效用。
拓展量子科学的前沿
GPS 导航、MRI 扫描仪和激光器（它们使当今的互联网成为可能）只是量子技术的几个例子，这些技术已经改变了社会和美国经济。量子未来有望带来新的可能性，并将对科学和社会产生更为深远的影响。全球各地的公司和国家都在加快量子研究和开发 (R&D)，因为新的量子传感、计算、建模和网络技术对全球经济和安全都有影响。这种快速发展的环境放大了重大研究、劳动力发展和基础设施建设工作的价值。基于数十年的发现导向型研究，NSF 对 QISET 的资助将继续推动美国作为量子技术的领先开发者向前发展。NSF 的投资是国家量子计划的重要组成部分，与国家科学技术委员会的《量子信息科学国家战略概述》相一致。
神经退行性疾病的药物基因组学 - 边界
神经退行性疾病，例如阿尔茨海默氏病（AD），帕金森氏病（PD），亨廷顿疾病（HD）和肌营养营养的侧面硬化症（ALS）的特征是神经元结构和功能的进行性肿瘤，导致严重的认知和运动障碍。这些疾病对医疗保健系统提出了重大挑战，传统治疗方法通常无法解释患者之间的遗传变异性，从而导致治疗结果不一致。药物基因组学的目的是根据个人的遗传学量来量身定制医疗治疗，从而改善治疗效率并减少不良反应。这项重点评论探讨了神经退行性疾病中的药物反应的遗传因素以及药物基因组学对彻底治疗的潜力。关键的遗传标记物，例如AD中的APOEε4等位基因和PD中的CYP2D6多态性，它在调节药物效率中的作用而被突出显示。此外，讨论了药物基因组学工具的进步，包括全基因组协会研究（GWAS），下一代测序（NGS）和CRISPR-CAS9，讨论了它们对个性化医学的贡献。还研究了药物基因组学在临床实践中的应用及其前景，包括道德和数据融合挑战。