基于网络的表观遗传和转录组景观整合揭示了人类 T 滤泡辅助细胞分化背后的分子程序 62. Prabal Chhibbar、Priyamvada Guha Roy、Munesh K. Harioudh、Daniel J. McGrail、Donghui Yang、Harinder Singh、Reinhard Heinterleitner、Yi-Nan Gong、S. Stephen Yi、Nidhi Sahni、Saumendra N. Sarkar 和 Jishnu Das 使用结构解析的蛋白质网络揭示 COVID-19 中细胞类型特异性免疫调节变体和相关分子表型 63. Andrew W. Liu、Youran Zhang、Chien-Sin Chen、Sumeyye Ozyaman、Tara N. Edwards、Torben Ramcke、Eric S. Weiss、Jacob E. Gillis、Colin R. Laughlin、Catherine M. Phelps、Simran K. Randhawa、Marlies Meisel、Tina L. Sumpter 和 Daniel H. Kaplan 搔痒会加剧过敏性炎症并通过神经源性肥大细胞活化增强宿主防御 64. Dan Xue、Mengqi Huang、Yuechen Zhou、Eleanor Valenzi 和 Robert Lafyatis 揭示系统性硬化症中 TGFB3 上调的原因:从染色质可及性和转录因子分析中获得的见解 65. Jane C. Siwek、Alisa A. Omelchenko、Prabal Chhibbar、Sanya Arshad、Iliyan Nazarali、Kiran Nazarali、AnnaElaine Rosengart、Javad Rahimikollu、Jeremy Tilstra、Mark J. Shlomchik、David R. Koes、Alok V. Joglekar 和 Jishnu Das 滑动窗口相互作用语法(SWING):一种用于肽和蛋白质相互作用的广义相互作用语言模型 66. Danica Lee、Urekha Karri、Prabal Chhibbar、Priyamvada Guha Roy、Jishnu Das 和Daniella Schwartz 与 A20 单倍体不足(HA20)相关的 TNFAIP3 变异的基因型到表型分析表明患病率高于预期 67. Jacob E. Gillis、Chien-Sin Chen、Caitlin O. Bacon、Tara Edwards、Andrew W. Liu、Eric S. Weiss、Jonathan A. Cohen 和 Daniel H. Kaplan CGRP 在神经源性皮肤炎症中的作用 68. Hanxi Xiao、Niranjana Natarajan、Partha Dutta 和 Jishnu Das 揭示心肌梗死中免疫细胞的空间微环境动态 69. Anthony J. Bragoli、Zhangguo Chen、Karen Siddoway 和 Jing H. Wang Ly6C 和 Ly6A 在化疗治疗的癌细胞诱导的 CD8 + T 细胞激活中的作用(不依赖于 MHC I 类) 70. Amanda Lee、Surya P. Pandey、Colin R. Laughlin、Alex McPherson 和 Marlies Meisel 定义 AhR 和 Nrf2 在抗肿瘤免疫的共生免疫调节中的作用
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