XiaoMi-AI文件搜索系统
World File Search SystemGong
rollama：用于通过Ollama使用生成大语言模型的R软件包
参考文献Alizadeh，Meysam，MaëlKubli，Zeynab Samei，Shirin Dehghani，Juan Diego Bermeo，Maria Korobeynikova和Fab-Rizio Gilardi。2023。“开源大语言模型的表现优于人群工人，并且在文本通知任务中接近chatgpt。” arxiv。https://doi.org/10.48550/arxiv.2307.02179。 Chan，Chung-hong。 2023。 “ grafzahl：来自r内部的文本数据的微调变压器。”计算通信研究5（1）：76–84。 https://doi.org/10.5117/ccr2023.1.003.chan。 Gilardi，Fabrizio，Meysam Alizadeh和MaëlKubli。 2023。 “ CHATGPT的表现优于文本通道任务的人群工作。”美国国家科学院论文集120（30）。 https://doi.org/10.1073/pnas.2305016120。 他，Xingwei，Zhenghao Lin，Yeyun Gong，A。LongJin，Hang Zhang，Chen Lin，Jian Jiao，Siu Ming Yiu，Nan Duan和Weizhu Chen。 2023。 “ Annollm：使大型语言模型成为更好的人群注释者。” arxiv。 https://doi.org/10.48550/arxiv.2303.16854。 irugalbandara，Chandra，Ashish Mahendra，Roland Daynauth，Tharuka Kasthuri Arachchige，Krisztian Flautner，Lingjia Tang，Yiping Kang和Jason Mars。 2024。 “用开源SLM在生产中代替专有LLM的权衡分析。” arxiv。 https://doi.org/10.48550/arxiv.2312.14972。 Kalinowski，Tomasz，Kevin Ushey，J。J. Allaire，Yuan Tang，Dirk Eddelbuettel，Bryan Lewis，Sigrid Keydana，Ryan Hafen和Marcus Geelnard。 2024。 网状：接口到“ Python”。 https://cran.r-project.org/package=reticulate。https://doi.org/10.48550/arxiv.2307.02179。Chan，Chung-hong。 2023。 “ grafzahl：来自r内部的文本数据的微调变压器。”计算通信研究5（1）：76–84。 https://doi.org/10.5117/ccr2023.1.003.chan。 Gilardi，Fabrizio，Meysam Alizadeh和MaëlKubli。 2023。 “ CHATGPT的表现优于文本通道任务的人群工作。”美国国家科学院论文集120（30）。 https://doi.org/10.1073/pnas.2305016120。 他，Xingwei，Zhenghao Lin，Yeyun Gong，A。LongJin，Hang Zhang，Chen Lin，Jian Jiao，Siu Ming Yiu，Nan Duan和Weizhu Chen。 2023。 “ Annollm：使大型语言模型成为更好的人群注释者。” arxiv。 https://doi.org/10.48550/arxiv.2303.16854。 irugalbandara，Chandra，Ashish Mahendra，Roland Daynauth，Tharuka Kasthuri Arachchige，Krisztian Flautner，Lingjia Tang，Yiping Kang和Jason Mars。 2024。 “用开源SLM在生产中代替专有LLM的权衡分析。” arxiv。 https://doi.org/10.48550/arxiv.2312.14972。 Kalinowski，Tomasz，Kevin Ushey，J。J. Allaire，Yuan Tang，Dirk Eddelbuettel，Bryan Lewis，Sigrid Keydana，Ryan Hafen和Marcus Geelnard。 2024。 网状：接口到“ Python”。 https://cran.r-project.org/package=reticulate。Chan，Chung-hong。2023。“ grafzahl：来自r内部的文本数据的微调变压器。”计算通信研究5（1）：76–84。https://doi.org/10.5117/ccr2023.1.003.chan。 Gilardi，Fabrizio，Meysam Alizadeh和MaëlKubli。 2023。 “ CHATGPT的表现优于文本通道任务的人群工作。”美国国家科学院论文集120（30）。 https://doi.org/10.1073/pnas.2305016120。 他，Xingwei，Zhenghao Lin，Yeyun Gong，A。LongJin，Hang Zhang，Chen Lin，Jian Jiao，Siu Ming Yiu，Nan Duan和Weizhu Chen。 2023。 “ Annollm：使大型语言模型成为更好的人群注释者。” arxiv。 https://doi.org/10.48550/arxiv.2303.16854。 irugalbandara，Chandra，Ashish Mahendra，Roland Daynauth，Tharuka Kasthuri Arachchige，Krisztian Flautner，Lingjia Tang，Yiping Kang和Jason Mars。 2024。 “用开源SLM在生产中代替专有LLM的权衡分析。” arxiv。 https://doi.org/10.48550/arxiv.2312.14972。 Kalinowski，Tomasz，Kevin Ushey，J。J. Allaire，Yuan Tang，Dirk Eddelbuettel，Bryan Lewis，Sigrid Keydana，Ryan Hafen和Marcus Geelnard。 2024。 网状：接口到“ Python”。 https://cran.r-project.org/package=reticulate。https://doi.org/10.5117/ccr2023.1.003.chan。Gilardi，Fabrizio，Meysam Alizadeh和MaëlKubli。2023。“ CHATGPT的表现优于文本通道任务的人群工作。”美国国家科学院论文集120（30）。https://doi.org/10.1073/pnas.2305016120。他，Xingwei，Zhenghao Lin，Yeyun Gong，A。LongJin，Hang Zhang，Chen Lin，Jian Jiao，Siu Ming Yiu，Nan Duan和Weizhu Chen。2023。“ Annollm：使大型语言模型成为更好的人群注释者。” arxiv。https://doi.org/10.48550/arxiv.2303.16854。irugalbandara，Chandra，Ashish Mahendra，Roland Daynauth，Tharuka Kasthuri Arachchige，Krisztian Flautner，Lingjia Tang，Yiping Kang和Jason Mars。2024。“用开源SLM在生产中代替专有LLM的权衡分析。” arxiv。https://doi.org/10.48550/arxiv.2312.14972。Kalinowski，Tomasz，Kevin Ushey，J。J. Allaire，Yuan Tang，Dirk Eddelbuettel，Bryan Lewis，Sigrid Keydana，Ryan Hafen和Marcus Geelnard。2024。网状：接口到“ Python”。https://cran.r-project.org/package=reticulate。Kjell，Oscar，Salvatore Giorgi和Andrew H. Schwartz。2023。“文本包：使用自然语言处理和深度学习来分析和可视化人类语言的R包装。”心理方法。https://doi.org/10.1037/met0000542。 Kroon，Anne，Kasper Welbers，Damian Trilling和Wouter Van Atteveldt。 2023。 “为新的媒体效果研究时代推进自动化内容分析：转移学习的关键作用。”通信方法和测量0（0）：1–21。 https://doi.org/10.1080/19312458.2023.2261372。 Laurer，Moritz，Wouter Van Atteveldt，Andreu Casas和Kasper Welbers。 2024。 “不太注释，更多的分类：通过深层转移学习和bert-nli解决监督机器学习的数据稀缺问题。”政治分析32（1）：84–100。 https://doi.org/10.1017/pan.2023.20。 Spirling，Arthur。 2023。 “为什么开源生成AI模型是科学的道德途径。”自然616（7957）：413–13。 https://doi.org/10.1038/d41586-023-01295-4。 Weber，Maximilian和Merle Reichardt。 2023。 “您需要的是 在社会科学中提示生成大语言模型以进行注释任务。 使用开放式模型的底漆。” arxiv https://doi.org/10.48550/arxiv.2401.00284。https://doi.org/10.1037/met0000542。Kroon，Anne，Kasper Welbers，Damian Trilling和Wouter Van Atteveldt。 2023。 “为新的媒体效果研究时代推进自动化内容分析：转移学习的关键作用。”通信方法和测量0（0）：1–21。 https://doi.org/10.1080/19312458.2023.2261372。 Laurer，Moritz，Wouter Van Atteveldt，Andreu Casas和Kasper Welbers。 2024。 “不太注释，更多的分类：通过深层转移学习和bert-nli解决监督机器学习的数据稀缺问题。”政治分析32（1）：84–100。 https://doi.org/10.1017/pan.2023.20。 Spirling，Arthur。 2023。 “为什么开源生成AI模型是科学的道德途径。”自然616（7957）：413–13。 https://doi.org/10.1038/d41586-023-01295-4。 Weber，Maximilian和Merle Reichardt。 2023。 “您需要的是 在社会科学中提示生成大语言模型以进行注释任务。 使用开放式模型的底漆。” arxiv https://doi.org/10.48550/arxiv.2401.00284。Kroon，Anne，Kasper Welbers，Damian Trilling和Wouter Van Atteveldt。2023。“为新的媒体效果研究时代推进自动化内容分析：转移学习的关键作用。”通信方法和测量0（0）：1–21。https://doi.org/10.1080/19312458.2023.2261372。 Laurer，Moritz，Wouter Van Atteveldt，Andreu Casas和Kasper Welbers。 2024。 “不太注释，更多的分类：通过深层转移学习和bert-nli解决监督机器学习的数据稀缺问题。”政治分析32（1）：84–100。 https://doi.org/10.1017/pan.2023.20。 Spirling，Arthur。 2023。 “为什么开源生成AI模型是科学的道德途径。”自然616（7957）：413–13。 https://doi.org/10.1038/d41586-023-01295-4。 Weber，Maximilian和Merle Reichardt。 2023。 “您需要的是 在社会科学中提示生成大语言模型以进行注释任务。 使用开放式模型的底漆。” arxiv https://doi.org/10.48550/arxiv.2401.00284。https://doi.org/10.1080/19312458.2023.2261372。Laurer，Moritz，Wouter Van Atteveldt，Andreu Casas和Kasper Welbers。2024。“不太注释，更多的分类：通过深层转移学习和bert-nli解决监督机器学习的数据稀缺问题。”政治分析32（1）：84–100。https://doi.org/10.1017/pan.2023.20。 Spirling，Arthur。 2023。 “为什么开源生成AI模型是科学的道德途径。”自然616（7957）：413–13。 https://doi.org/10.1038/d41586-023-01295-4。 Weber，Maximilian和Merle Reichardt。 2023。 “您需要的是 在社会科学中提示生成大语言模型以进行注释任务。 使用开放式模型的底漆。” arxiv https://doi.org/10.48550/arxiv.2401.00284。https://doi.org/10.1017/pan.2023.20。Spirling，Arthur。2023。“为什么开源生成AI模型是科学的道德途径。”自然616（7957）：413–13。https://doi.org/10.1038/d41586-023-01295-4。 Weber，Maximilian和Merle Reichardt。 2023。 “您需要的是 在社会科学中提示生成大语言模型以进行注释任务。 使用开放式模型的底漆。” arxiv https://doi.org/10.48550/arxiv.2401.00284。https://doi.org/10.1038/d41586-023-01295-4。Weber，Maximilian和Merle Reichardt。2023。“您需要的是在社会科学中提示生成大语言模型以进行注释任务。使用开放式模型的底漆。” arxivhttps://doi.org/10.48550/arxiv.2401.00284。https://doi.org/10.48550/arxiv.2401.00284。
2024 年研究研讨会计划
我很高兴欢迎您参加第四届医学部年度研究研讨会，这一天致力于庆祝塑造医疗保健未来的创新和多样化研究。本次研讨会提供了一个重要的平台，以重点介绍我们的学员和教职员工正在进行的变革性研究，这些研究正在推动患者护理和医疗保健结果的进步。我们很自豪地展示医学部每个部门的项目，从令人信服的病例报告到尖端的临床和转化研究。研讨会反映了我们通过探究、协作和卓越研究来推动医疗保健的承诺。向 Lance D. Dworkin 博士的遗产致敬是恰当的，他的开创性研究和卓越指导在我们的领域留下了不可磨灭的印记。他对临床和转化研究的奉献精神继续激励着科学界和我们部门不断努力创新和改善患者护理。我们很荣幸邀请到密歇根大学 Warner-Lambert/Parke-Davis 内科-肾脏病学教授兼计算医学和生物信息学教授 Matthias Kretzler 博士作为我们的主讲嘉宾。他的专业知识将为我们今天及以后的讨论提供宝贵的见解。我们还要感谢医学和生命科学学院院长 Imran Ali 博士、研究副主席 Rujun Gong 博士以及 David Kennedy、Steve Haller 和 Sadik Khuder 博士对研究的坚定支持。他们的贡献以及我们教职员工和受训人员的热情促进了本次研讨会的发展和成就。我们尤其为所有为摘要和手稿提交做出贡献的人感到自豪，他们反映了我们研究界的实力。我们还要感谢 UTMC 首席执行官 Rick Swaine、首席运营官 Chris Stesney 和首席营销官 Michael Ellis 的宝贵支持。我们非常感谢 Robert Smith 博士的努力以及 Diane McCarthy、Amy Phillips、Margaret Hoogland、Umeeksha Sharma 和 Lisa Johnston 提供的支持，因为他们的重大贡献确保了本次活动的持续成功。感谢您与我们一起庆祝研究和发现的精神。我鼓励您参与演讲，探索摘要，并借此机会建立新的合作关系，以推进我们共同的改善医疗保健的使命。Basil Akpunonu，医学博士 Mercy 捐赠教授兼医学系主任 医学学术主任
社论：针对耐卡巴培南革兰氏阴性菌的新治疗策略
细菌病原体的多重耐药性对人类健康构成威胁，而耐卡巴培南类肠杆菌 (CRE) 感染的出现严重影响着人口福祉。卡巴培南类耐药性的出现是一个主要问题，特别是对于重症监护病房 (ICU) 和其他高危病房，这已经导致了严重的后果 (Tamma 等人，2021)。详细研究导致细菌卡巴培南类耐药性的机制可能有助于克服和管理这一研究课题 (Mascellino 等人，2024)。CRE 通常携带多种耐药基因，这些基因能够通过垂直和水平途径传播 (Rumbo 等人，2011)。这些耐药元素限制了治疗选择，与感染卡巴培南类敏感菌株的患者相比，一些患者需要更长的治疗时间，需要重症监护，并且毒性更高。因此，需要新的替代方法来对抗细菌耐药性在人群中的传播，并治疗感染危及生命的耐碳青霉烯类革兰氏阴性菌的患者（Oliva 等人，2021 年；Tompkins 和 van Duin，2021 年）。开发新型抗生素可能是一个解决方案。然而世界卫生组织 (WHO) 总干事谭德塞博士原话是：“自 2017 年中期以来，仅批准了 13 种新抗生素，其中只有两种代表新的化学类别并被认为是创新的。”分子研究在了解细菌耐药性机制方面发挥着重要作用。例如，在革兰氏阴性菌中发现了可移动的粘菌素耐药基因 (mcr-1 至 mcr-10) 及其变体，这对临床感染的治疗构成了新的威胁。开发了一种使用多重 TaqMan 实时 PCR 检测的新型方法来检测可移动的粘菌素耐药基因。该方法具有较高的特异性、敏感性和可重复性（Gong 等）。先前的一项研究检查了波兰产生新德里金属-β-内酰胺酶的肺炎克雷伯菌菌株的体外药物敏感性。发现头孢地洛、埃拉环素、替加环素、头孢他啶/阿维巴坦 (CAZ/AVI) 和氨曲南是最有效的抗生素，表明 CAZ/AVI 加氨曲南对测试菌株具有 100% 的体外敏感性。由于这两种药物的安全性和成本效益，
CATL国际研发中心于香港科学园正式启用 200人研发团队推动香港新能源及绿色科技创新
（香港，2024 年 10 月 15 日）——香港科技园公司今天与全球新能源技术创新领导者宁德时代新能源科技股份有限公司（宁德时代）共同主持宁德时代国际研发中心的正式开幕仪式。仪式标志着宁德时代在香港科学园正式成立，公司计划在第一阶段招募 200 名致力于科研和本地人才发展的专业人员。新研究院预计将为香港新能源和绿色技术的发展做出重大贡献。作为全球领先的锂离子电池制造商，宁德时代连续七年入选福布斯中国 50 强最具创新力公司之一。宁德时代国际研发中心占地约 9,000 平方英尺，是该公司在中国内地和德国以外的第六个全球研发机构。这体现了香港“背靠祖国、通向世界”的独特优势。揭幕仪式由香港创新科技及工业局局长孙东教授、香港科技园公司行政总裁黄克强先生、香港科技园公司署理企业发展总监兼生态系统发展主管柯志雄先生、宁德时代研发联席总裁欧阳楚英教授等嘉宾主礼。其他出席嘉宾还包括宁德时代企业规划部总监曲涛先生、宁德时代国际研发院副总裁兼首席技术官龚家栋先生。创新、科技及工业局局长孙冬教授表示：“作为全球新能源科技的领导者，宁德时代展现出敏捷的领导力和快速创新的能力。我和在场的各位非常高兴地见证宁德时代国际研发中心在不到一年的时间内于香港科学园正式落成。除了宁德时代，特别高兴地看到越来越多来自内地和海外的科技公司在香港扎根。过去两年，我们成功吸引超过100家极具潜力或代表性的创科企业来港设立或拓展业务。特区政府将与这些企业紧密合作，全面培育香港的创科生态圈，协助他们创造最大价值。”
NIH体细胞基因组编辑程序
Krishanu Saha 1,2,3,4,45✉，Erik J. Q. Tsai 13，Ross C. Wilson 14，Daniel G. Anderson Bursac 8，Jarryd M. Campbell 24，Daniel F. Carlson 24，Elliot L Deverman 33，Mary E. Dickinson 34，Jennifer A. Doudna 4,48，Guanginga Gao 49，Ionta C. Ghiran 50，Peter M. Glazer 51，创立56，Cam W. Levine 42，Jon E. Levine 42， 62,63，Oleg Mirochnichenko 64，Redall Morize 65，Subhojit Roy 14.6马克·萨尔茨曼72，菲利普J乔纳森·K·瓦茨（Jonathan K.Krishanu Saha 1,2,3,4,45✉，Erik J. Q. Tsai 13，Ross C. Wilson 14，Daniel G. Anderson Bursac 8，Jarryd M. Campbell 24，Daniel F. Carlson 24，Elliot L Deverman 33，Mary E. Dickinson 34，Jennifer A. Doudna 4,48，Guanginga Gao 49，Ionta C. Ghiran 50，Peter M. Glazer 51，创立56，Cam W. Levine 42，Jon E. Levine 42， 62,63，Oleg Mirochnichenko 64，Redall Morize 65，Subhojit Roy 14.6马克·萨尔茨曼72，菲利普J乔纳森·K·瓦茨（Jonathan K.
黎巴嫩医学生对人工智能的知识和态度：一项全国调查研究
现代医学正在迅速发展，许多领域已经将人工智能融入临床实践：在肿瘤学中用于癌症诊断和分级（Londhe 和 Bhasin，2019 年）；在胃肠病学中利用内窥镜检测和诊断病理病变（Alagappan 等人，2018 年），在放射学中用于检测和解释影像中的各种癌症实体（Hosny 等人，2018 年）。人工智能还进入了医学教育领域，被用于基于案例的电子学习（Khumrina 等人，2017 年）或通过虚拟标准化病人系统进行病史采集（Maicher 等人，2019 年；Randhawa 和 Jackson，2020 年）。这些工具可能会彻底改变医学教育，特别是因为机器和三个人类评分者之间的评分在准确性上具有可比性（Maicher 等人，2019 年）。人们普遍认为人工智能将在医学中发挥不可或缺的作用，但它对医学生及其未来的影响仍不清楚。一些研究表明，人工智能可能会使人们远离医学职业（Park 等人，2020 年）或更容易受到人工智能影响的专业，如放射学（Pinto Dos Santos 等人，2019 年）。其他研究表明，学生们不同意普通医生和放射科医生会被人工智能取代（Pinto Dos Santos 等人，2019 年）。影响医学生对人工智能态度的一个因素可能是他们对人工智能及其在医学中的应用的了解。知识差距源于课程设计不足以适应人工智能等现代医学进步。未能将人工智能材料嵌入课程的失败可以归因于多种因素。首先，缺乏与人工智能相关的认证要求将使管理人员没有动力扩展他们的课程（Kolachalama 和 Garg，2018 年）。随着对额外学术科目的需求和不断增长的生物医学知识体系，医学院在当前框架下已经难以维持其课程设置。医学院缺乏教授这些内容所需的教师专业知识，这使这一问题更加严重，这些内容主要在计算机科学、数学和工程学院教授（Kolachalama 和 Garg，2018 年）。尽管人工智能技术在医学领域迅速发展，有可能彻底改变整个医学教育，但人工智能在黎巴嫩医学中的应用仍然有限，并且在某些临床和外科领域受到限制，例如机器人技术（Labban 等人，2021 年）。同样，医学教育课程提供与人工智能相关的教育内容有限，这可能导致知识受限和对该主题的消极态度。多项研究评估了来自世界各地（包括中东地区）医学生对人工智能的知识和态度（Gong 等人，2019 年；Pinto Dos Santos 等人，2019 年；Sit 等人，2020 年；Ahmed 等人，2022 年；Al
柔性传感器技术路线图
Yifei Luo, Mohammad Reza Abidian, Jong-Hyun Ahn, Deji Akinwande, Anne M. Andrews, Markus Antonietti, Zhenan Bao, Magnus Berggren, Christopher A. Berkey, Christopher John Bettinger, Jun Chen, Peng Chen, Wenlong Cheng, Xu Cheng, Seon-Jin Choi, Alex Chortos, Canan Dagdeviren, Reinhold H. Dauskardt, Chong-an Di, Michael D. Dickey, Xiangfeng Duan, Antonio Facchetti, Zhiyong Fan, Yin Fang, Jianyou Feng, Xue Feng, Huajian Gao, Wei Gao, Xiwen Gong, Chuan Fei Guo, Xiaojun Guo, Martin C. Hartel, Zihan He, John S. Ho, Youfan Hu, Qiyao Huang, Yu Huang, Fengwei Huo, Muhammad M. Hussain, Ali Javey, Unyong Jeong, Chen Jiang, Xingyu Jiang, Jiheong Kang, Daniil Karnaushenko, Ali Khademhosseini, Dae-Hyeong Kim, Il-Doo Kim, Dmitry Kireev, Lingxuan Kong, Chengkuo Lee, Nae-Eung Lee, Pooi See Lee, Tae-Woo Lee, Fengyu Li, Jinxing Li, Cuiyuan Liang, Chwee Teck Lim, Yuanjing Lin, Darren J. Lipomi, Jia Liu, Kai Liu, Nan Liu, Ren Liu, Yuxin Liu, Yuxuan Liu, Zhiyuan Liu, Zhuangjian Liu, Xian Jun Loh, Nanshu Lu, Zhisheng Lv, Shlomo Magdassi, George G. Malliaras, Naoji Matsuhisa, Arokia Nathan, Simiao Niu, Jieming Pan, Changhyun Pang, Qibing Pei, Huisheng Peng, Dianpeng Qi, Huaying Ren, John A. Rogers, Aaron Rowe, Oliver G. Schmidt, Tsuyoshi Sekitani, Dae-Gyo Seo, Guozhen Shen, Xing Sheng, Qiongfeng Shi, Takao Someya, Yanlin Song, Eleni Stavrinidou, Meng Su, Xuemei Sun, Kuniharu Takei, Xiao-Ming Tao, Benjamin C. K. Tee, Aaron Voon-Yew Thean, Tran Quang Trung, Changjin Wan, Huiliang Wang, Joseph Wang, Ming Wang, Sihong Wang, Ting Wang, Zhong Lin Wang, Paul S. Weiss, Hanqi Wen, Sheng Xu, Tailin Xu, Hongping Yan, Xuzhou Yan, Hui Yang, Le Yang, Shuaijian Yang, Lan Yin, Cunjiang Yu, Guihua Yu, Jing Yu, Shu-Hong Yu, Xinge Yu, Evgeny Zamburg, Haixia Zhang, Xiangyu Zhang, Xiaosheng Zhang, Xueji Zhang, Yihui Zhang, Yu Zhang, Siyuan Zhao, Xuanhe Zhao, Yuanjin Zheng, Yu-Qing Zheng, Zijian Zheng, Tao Zhou, Bowen Zhu, Ming Zhu, Rong Zhu, Yangzhi Zhu, Yong Zhu, Guijin Zou, and Xiaodong Chen *
柔性传感器技术路线图 - 香港
Yifei Luo, Mohammad Reza Abidian, Jong-Hyun Ahn, Deji Akinwande, Anne M. Andrews, Markus Antonietti, Zhenan Bao, Magnus Berggren, Christopher A. Berkey, Christopher John Bettinger, Jun Chen, Peng Chen, Wenlong Cheng, Xu Cheng, Seon-Jin Choi, Alex Chortos, Canan Dagdeviren, Reinhold H. Dauskardt, Chong-an Di, Michael D. Dickey, Xiangfeng Duan, Antonio Facchetti, Zhiyong Fan, Yin Fang, Jianyou Feng, Xue Feng, Huajian Gao, Wei Gao, Xiwen Gong, Chuan Fei Guo, Xiaojun Guo, Martin C. Hartel, Zihan He, John S. Ho, Youfan Hu, Qiyao Huang, Yu Huang, Fengwei Huo, Muhammad M. Hussain, Ali Javey, Unyong Jeong, Chen Jiang, Xingyu Jiang, Jiheong Kang, Daniil Karnaushenko, Ali Khademhosseini, Dae-Hyeong Kim, Il-Doo Kim, Dmitry Kireev, Lingxuan Kong, Chengkuo Lee, Nae-Eung Lee, Pooi See Lee, Tae-Woo Lee, Fengyu Li, Jinxing Li, Cuiyuan Liang, Chwee Teck Lim, Yuanjing Lin, Darren J. Lipomi, Jia Liu, Kai Liu, Nan Liu, Ren Liu, Yuxin Liu, Yuxuan Liu, Zhiyuan Liu, Zhuangjian Liu, Xian Jun Loh, Nanshu Lu, Zhisheng Lv, Shlomo Magdassi, George G. Malliaras, Naoji Matsuhisa, Arokia Nathan, Simiao Niu, Jieming Pan, Changhyun Pang, Qibing Pei, Huisheng Peng, Dianpeng Qi, Huaying Ren, John A. Rogers, Aaron Rowe, Oliver G. Schmidt, Tsuyoshi Sekitani, Dae-Gyo Seo, Guozhen Shen, Xing Sheng, Qiongfeng Shi, Takao Someya, Yanlin Song, Eleni Stavrinidou, Meng Su, Xuemei Sun, Kuniharu Takei, Xiao-Ming Tao, Benjamin C. K. Tee, Aaron Voon-Yew Thean, Tran Quang Trung, Changjin Wan, Huiliang Wang, Joseph Wang, Ming Wang, Sihong Wang, Ting Wang, Zhong Lin Wang, Paul S. Weiss, Hanqi Wen, Sheng Xu, Tailin Xu, Hongping Yan, Xuzhou Yan, Hui Yang, Le Yang, Shuaijian Yang, Lan Yin, Cunjiang Yu, Guihua Yu, Jing Yu, Shu-Hong Yu, Xinge Yu, Evgeny Zamburg, Haixia Zhang, Xiangyu Zhang, Xiaosheng Zhang, Xueji Zhang, Yihui Zhang, Yu Zhang, Siyuan Zhao, Xuanhe Zhao, Yuanjin Zheng, Yu-Qing Zheng, Zijian Zheng, Tao Zhou, Bowen Zhu, Ming Zhu, Rong Zhu, Yangzhi Zhu, Yong Zhu, Guijin Zou, and Xiaodong Chen *
多发性硬化症的间充质干细胞衍生的神经祖细胞疗法的演变：从概念到诊所
血管免疫细胞T细胞淋巴瘤（AITL）是一种独特的外周T细胞淋巴瘤（PTCL），预后较差（Swerdlow等，2016）。对于AITL患者，5年的总生存率（OS）率为44％，无进展生存率（PFS）率为32％（Advani等，2021）。基于蒽环类药物的化学疗法方案经常使用，但其有效性受到限制。基于传统治疗的不令人满意的结果，NCCN肿瘤学的临床实践指南建议参与临床试验作为首选管理策略（Horwitz等，2022）。值得注意的是，尽管某些患者的分期分期或预后评分通常用于评估T细胞淋巴瘤，但其临床结局差异很大。预后的差异可能是由于AITL的异质性引起的（Zhang等，2023）。因此，需要更好地分层患者的新型模型。Chidamide是一种亚型选择性组蛋白脱乙酰基酶（HDAC）抑制剂的苯甲酰胺类型（Gong等，2012）。近年来，奇达胺在PTCL中似乎是一种有前途的治疗方法，尤其是在AITL中。在复发或难治性（R/R）AITL中的Chidamide II期研究中，总反应率（ORR）为50％（Shi等，2015）。在一项多中心II期临床试验中，将奇达胺与未经处理的AITL中的泼尼松，依托泊苷和沙利度胺相结合，ORR为90.2％。2年无进展生存率（PFS）和总生存率（OS）率分别为66.5％和82.2％（Wang等，2022b）。然而，在现实世界分析中，与单独的化学疗法相比，将奇达酰胺与化学疗法相比是否可以改善OS的矛盾结果（Shi等，2017； Liu等，2021； Wang等，2022a）。需要进一步的证据来阐明在现实世界中奇达胺的效率。机器学习（ML）算法是人工智能的关键领域，可以通过利用计算方法来从复杂的数据中学习，以识别预测的可能功能（Haug and Drazen，2023）。与传统的广义线性模型相比，基于高级算法的机器学习在数据分布和完整性方面更容易接受，并且在挖掘数据值方面具有更大的功能（Elemento等，2021）。因此，近年来，机器学习已被广泛用于医疗领域，并已发展成为一种有效的工具，可以在做出临床决策时使用（Radakovich等，2020； Haug and Drazen，2023; Swanson等，2023）。因此，本研究的目的是建立ML模型来预测AITL的预后，并在现实世界中评估Chidamide的好处。
关于人工智能战略
致谢《人工智能 (AI) 战略资源指南》是一份联合国出版物，列出了国家、地区和国际层面上现有的人工智能伦理、政策和战略资源。该指南的工作由刘伟 (经社部) 领导，Richard A. Roehl (经社部) 参与，Shantanu Mukherjee (经社部) 负责监督。该指南代表了合作的努力，反映了技术和创新领域专家的意见和贡献。总体评论和意见来自（按字母顺序排列）联合国教科文组织的 Joe Hironaka、Maksim Karliuk、Prateek Sibal、Rachel Pollack 和柯诗瑶；中国科学院的郭华东；Mario Cervantes、Karin Perset (经合组织)；Monika Matusiak 和 Veerle Vandeweerd (欧盟委员会)；Naoto Kanehira (世界银行)；William Colglazier (美国科学促进会)；傅晓兰（牛津大学）；陈玉萍（联合国技术特使办公室）和徐正中（国家行政学院）。第二章主要收到来自教科文组织的贡献：Dafna Feinholz、Jo Hironaka、胡先宏、Misako Ito、Melissa Tay Ru Jein、Maksim Karliuk、Shiyao Ke、Rachel Pollack、Sasha Rubel、Prateek Sibal、Cedric Wachholz；Alica Daly（世界知识产权组织）；Bob Bell Jr. 和 Pilar Fajarnes Garces（联合国贸易和发展会议）；Ewa Staworzynska（国际劳工组织）；Inese Podgaiska（北欧工程师协会）；Jayant Narayan（世界经济论坛）；Merve Hickok（人工智能和数字政策中心）；Maria Jose Escobar Silva（智利政府）；Majid Al Shehry（沙特数据和人工智能管理局）； Miguel Luengo-Oroz（联合国全球脉动计划）；Olga Cavalli（南方互联网治理学院）；Stephan Pattison（Arm Ltd.）和 Vanja Skoric（欧洲非营利法中心 ECNL）。第 3 章主要由 Charles Michael Ovink（联合国裁军事务厅）；世界工程组织联合会（WFEO）的龚克、William Kelly 和李攀以及国际电信联盟的 Preetam Maloor 撰写。第 4 章主要由 Christina Pombo Rivera（美洲开发银行）；Elisabetta Zuanelli（电子内容研究与开发中心 (CReSEC)）；Friederike Schüür（联合国全球脉动计划）；罗马大学）和中国科学院的 Yi Zeng 撰写。研究协助由 Adi Gorstein、Catherine Huilin Deng、Kaidi Guo 和 Naomi Hoffman 提供。本资源指南中表达的观点均为作者的观点，不代表联合国或其会员国的官方立场。欢迎对本指南提出书面评论和反馈，请发送至 Wei Liu ( liuw@un.org ) 和 Joe Hironaka ( j.hironaka@unesco.org )。