XiaoMi-AI文件搜索系统
World File Search SystemNDCG
Avey：一种用于自我诊断的精确人工智能算法
目标 介绍我们基于人工智能的症状检查器，严格测量其准确性，并将其与现有的流行症状检查器和经验丰富的初级保健医生进行比较。 设计案例研究。 设置 400 个黄金标准初级保健案例。 干预/比较器我们使用了 7 个标准准确性指标来评估 6 个症状检查器的性能。为此，我们开发并同行评审了 400 个案例，每个案例都得到了 7 名独立且经验丰富的全科医生中至少 5 名的认可。据我们所知，这产生了迄今为止该领域最大的基准案例套件。 为了建立参考框架并相应地解释症状检查器的结果，我们进一步将表现最佳的症状检查器与 3 名平均经验为 16.6 年的初级保健医生直接进行比较。主要结果测量我们从 7 个标准角度彻底研究了症状检查者和医生的诊断准确率，包括：(a) 𝑀 1、𝑀 3 和 𝑀 5 分别作为症状检查者或医生在前 3 种疾病中或前 5 种鉴别诊断疾病中返回小插图主要诊断的能力的测量指标；(b) 召回率作为症状检查者或医生鉴别诊断中返回的相关疾病百分比的测量指标；(c) 精确度作为症状检查者或医生鉴别诊断中相关疾病百分比的测量指标；(d) F1 测量作为召回率和精确度之间的权衡测量指标；(e) 归一化折现累积增益或 NDCG 作为症状检查者或医生鉴别诊断排名质量的测量指标诊断。结果 我们的基于 AI 的症状检查器 Avey 的表现明显优于 5 种流行的症状检查器，即 Ada、WebMD、K Health、Buoy 和 Babylon，使用 𝑀 1 时平均高出 24.5%、175.5%、142.8%、159.6%、2968.1%；使用 𝑀 3 时平均高出 22.4%、114.5%、123.8%、118.2%、3392%；使用 𝑀 5 时平均高出 18.1%、79.2%、116.8%、125%、3114.2%；使用召回率时平均高出 25.2%、65.6%、109.4%、154%、3545%；使用 F1 测量时分别为 8.7%、88.9%、66.4%、88.9%、2084%；使用 NDCG 时分别为 21.2%、93.4%、113.3%、136.4%、3091.6%。在精度方面，Ada 平均比 Avey 高出 0.9%，而 Avey 分别比 WebMD、K Health、Buoy 和 Babylon 高出 103.2%、40.9%、49.6% 和 1148.5%。与症状检查员相反，医生在使用精确度和 F1 测量时比 Avey 平均高出 37.1% 和 1.2%，而 Avey 在使用 𝑀 1、𝑀 3、𝑀 5、召回率和 NDCG 时分别比他们平均高出 10.2%、20.4%、23.4%、56.4% 和 25.1%。为了提高我们研究的可重复性并支持未来的相关研究，我们公开并免费提供了所有黄金标准小插图。此外，我们在网上发布了症状检查员和医生的所有结果（即 45 组
通过医学图像检索进行计算机辅助诊断……
目前，放射科医生面临着过大的工作量，这导致他们高度疲劳，并因此导致不必要的诊断错误。决策支持系统可用于确定优先级并帮助放射科医生做出更快的决策。从这个意义上说，基于医学内容的图像检索系统可以通过提供精心策划的类似示例发挥极大的作用。尽管如此，大多数基于医学内容的图像检索系统都是通过查找最相似的图像来工作的，这并不等同于查找疾病及其严重程度最相似的图像。在这里，我们提出了一种可解释性驱动和注意力驱动的医学图像检索系统。我们在一个大型的公开可用的胸部 X 光片数据集中进行了实验，该数据集带有来自自由文本放射学报告 (MIMIC-CXR-JPG) 的结构化标签。我们在两种常见情况下评估了这些方法：胸腔积液和（潜在）肺炎。作为进行评估的地面实况，查询/测试和目录图像由经验丰富的委员会认证的放射科医生进行分类和排序。为了进行深入而全面的评估，其他放射科医生也提供了他们的排名，这使我们能够推断出评分者之间的差异，并得出定性的表现水平。根据我们的地面实况排名，我们还通过计算归一化的折现累积增益 (nDCG) 对所提出的方法进行了定量评估。我们发现，可解释性引导方法优于其他最先进的方法，并且与最有经验的放射科医生的一致性最好。此外，它的表现在观察到的评分者之间的差异范围内。
生物标志物驱动的药物在生物学上相似的癌症上重新利用DNA-REPAIR DEFIECIES
疾病之间的类似分子和遗传畸变会导致在生物学上相似的疾病中发现共同重要的治疗选择。肿瘤学家密切关注几种激素依赖性癌症，并鉴定出其DNA修复途径异常中的显着病理和分子相似性。尽管同源重组（HR）途径中的表现对癌症的进展起着重要作用，但可能需要其他需要仔细研究的DNA-REPAIR途径。在本文中，通过生物标志物驱动的药物重新使用模型，我们确定了基于常见的特定生物标记物的DNA替代定义的乳腺癌和前列腺癌患者的几种潜在药物候选者，并且对肿瘤的肿瘤不论起源于肿瘤。归一化的折扣累积增益（NDCG）和灵敏度分析用于评估药物重新利用模型的性能。我们的结果表明，在具有高治疗作用的药物中，米托氨基酮和染料木黄酮是疾病引起的基因表达变化（FDR调整后的PROSTATE癌症= 1.225E-4和8.195E-8）引起的基因表达变化的药物之一。提议的多癌治疗框架适用于癌症具有常见特异性生物标志物的患者，有可能通过通过多种癌症的整合并靶向对机器人特异性治疗反应良好的患者来识别有希望的候选药物。