XiaoMi-AI文件搜索系统
World File Search SystemVERSUS
AI 与 COVID-19-Version58 提交
和志愿者，我们可能会做得更多。例如，对于确诊的居家 COVID-19 患者，可以开发纵向音频测试来确定与医院联系的建议，对于最危重的 COVID-19 患者，可以开发成功率预测测试，包括患者临床数据，以确定 ICU 分配的优先级。作为对工程界的挑战，并在我们的临床试验背景下，作者建议每天分发咳嗽记录，希望其他试验和众包用户能够贡献更多数据。以前处理复杂 AI 任务的方法要么使用静态数据集，要么是由大公司领导的私人努力。所有现有的 COVID-19 试验也都遵循这一范例。相反，我们建议采用一种新颖的开放式集体方法来实现大规模实时医疗保健 AI。我们将在 https://opensigma.mit.edu 发布更新。我们个人认为，我们的方法对于大规模流行病来说是正确的，因此会继续存在 - 你会加入吗？
疫苗接种与免疫
参考文献：1. CDC。https://www.gov.uk/government/publications/immunity-and-how-vaccines-work-the-green-book-chapter-1（2023 年 10 月访问）；2. InformedHealth.org [Internet]。德国科隆：卫生保健质量与效率研究所 (IQWiG)；2006-。先天和适应性免疫系统。[2020 年 7 月 30 日更新]。可从以下网址获取：https://www.ncbi.nlm.nih.gov/books/NBK279396/；3. Althwaiqeb SA 和 Bordoni B。组织学，B 细胞淋巴细胞。[2023 年 5 月 29 日更新]。在：StatPearls [Internet]。金银岛 (FL)：StatPearls Publishing；2023 年 1 月-。可从以下网址获取：https://www.ncbi.nlm.nih.gov/books/NBK560905/；4. Marshall JS 等人。过敏哮喘与临床免疫学 2018；14:49；5. Janeway CA Jr、Travers P、Walport M 等人。免疫生物学：健康和疾病中的免疫系统。第 5 版。纽约：Garland Science；2001 年。武装辅助 T 细胞激活 B 细胞。可从以下网址获取：https://www.ncbi.nlm.nih.gov/books/NBK27142；6. Pollard AJ 和 Bijker EM。自然免疫学评论 2021；21:83–100；7. Clem AS。全球传染病杂志 2011；3:73–78； 8. Marcotte H 和 Hammarström L. 粘膜免疫学。http://dx.doi.org/10.1016/B978-0-12-415847-4.00071-9；9. Baxter D. 职业医学 2007；57：552–556；10. Buss NAPS 等人。当前药理学观点 2012；12：5：615–622；11. CDC。https://www.cdc.gov/vaccines/vac-gen/imz-basics.htm（2023 年 10 月访问）；12. WHO。https://www.who.int/health-topics/vaccines-and-immunization#tab=tab_1（2023 年 10 月访问）；13. CDC。 https://www.cdc.gov/vaccines/pubs/pinkbook/downloads/genrec.pdf（2023 年 10 月访问）；14. Brobst B 和 Borger J. StatPearls [Internet]。金银岛 (FL)：StatPearls Publishing；2023 年；15. CDC。https://www.cdc.gov/pertussis/index.html（2023 年 9 月访问）；16. Vygen-Bonnet S 等人。BMC Infect Dis 2020；20:136；17. Focosi D 等人。临床微生物学和感染 2011；17:1759–1768。
高剂量与 MF59 佐剂的免疫原性
1 瑞士洛桑大学医院和洛桑大学移植中心；2 瑞士洛桑大学医院和洛桑大学传染病服务中心；3 瑞士日内瓦大学医院和医学院移植传染病科；4 瑞士伯尔尼大学医院和伯尔尼大学医院肾病学和高血压科；5 西班牙塞维利亚 Virgen del Rocío 大学医院医学部传染病、微生物学和预防医学科；6 西班牙塞维利亚大学 Virgen del Rocío 和 Virgen Macarena 塞维利亚生物医学研究所 (IBiS)；7 西班牙马德里传染病生物医学研究中心 (CIBERINFEC)； 8 瑞士巴塞尔大学医院瑞士移植队列研究 (STCS) 移植免疫学和肾脏病诊所；9 瑞士伯尔尼大学医院和伯尔尼大学内脏外科和医学大学诊所；10 瑞士圣加仑州立医院肾脏病学和移植医学科；11 瑞士卢加诺蒙库科卢加内科和传染病诊所；12 瑞士库尔格劳宾登州立医院肾脏病科；13 瑞士卢加诺提契诺州立医院基金会；14 瑞士伯尔尼大学医院和伯尔尼大学传染病科；15 瑞士洛桑洛桑大学医院和洛桑大学肺病科； 16 瑞士苏黎世大学医院肾脏病科；17 瑞士苏黎世大学医院肺病科；18 瑞士苏黎世大学儿童医院传染病和医院流行病学及儿童研究中心科；19 瑞士日内瓦大学医院移植免疫学部和组织相容性国家参考实验室；20 瑞士苏黎世大学医院传染病和医院流行病学系；21 瑞士苏黎世大学医学微生物学研究所；22 瑞士巴塞尔大学医院临床细菌学和真菌学系；23 瑞士巴塞尔大学生物医学系应用微生物学研究
PQC 与 QKD - WiN-Lab
对于基于哈希的签名，人们认为系统的安全性基于对称哈希函数的可计算性这一经过充分研究的难度。这些方法通常使用哈希树，这是一种特殊的过程，可以为多个一次性签名分配一个公共验证密钥。因此，这样的系统是有状态的，即签名的创建者必须在每次操作后更新其签名密钥，并且在创建密钥时已经确定了最大签名数量。这些程序包括已经标准化的扩展 Merkle 签名方案 (XMSS) 和 Leighton Micali 系统 (LMS)。基于哈希函数的无状态签名系统也是可行的，但创建签名需要更多的计算时间，并且必须使用更长的签名。无状态签名系统的一个例子是 SPHINCS [7]。
符号人工智能与联结人工智能
与人工智能社区的许多成员一样，我着迷地关注着符号人工智能和联结人工智能之间正在进行的讨论。符号人工智能认为，在推理和学习中使用知识对于产生智能行为至关重要，而联结人工智能则假定，从数据中学习关联（几乎不需要或完全不需要先验知识）对于理解行为至关重要。最近这两种人工智能范式之间的争论是由本世纪初联结人工智能的进步引发的，这些进步具有重要的应用价值。联结主义在面对大规模数据时所取得的技术成功，使其成为人工智能的主导范式。过去十年，这两种学派之间的对话通过学术文章（例如，LeCun、Bengio 和 Hinton，2015 年）、辩论（人工智能辩论，2017 年；人工智能辩论，2019 年）和社交媒体展开——其中社交媒体有时会引发尖锐的评论。我之所以对这场辩论如此着迷，是因为人工智能的主要问题非常重要：智能本身的性质。然而，我也发现这场辩论有点令人沮丧。原因如下。首先，我发现“符号人工智能”和“联结主义人工智能”这两个词组具有误导性。符号学派致力于知识及其在推理和学习中的应用（仅使用适度的输入数据），而不是符号本身：符号通常只代表知识抽象。同样，联结主义阵营的忠诚实际上是在几乎没有或完全没有先验知识的情况下从数据中学习关联，通常需要大规模数据。从认知科学的角度来看，符号人工智能与理性主义心智学派非常一致，后者强调
与 BRCA2 缺陷型乳腺肿瘤相比
荷兰癌症研究所 Oncode 研究所分子病理学部1066CX 阿姆斯特丹，荷兰 2 荷兰癌症研究所 Oncode 研究所分子致癌作用分部，1066CX 阿姆斯特丹，荷兰 3 延世大学医学院江南 Severance 医院生物医学系统信息学系，首尔 03722，韩国 4 肿瘤蛋白质组学实验室，阿姆斯特丹 UMC 医学肿瘤学系，1081HV 阿姆斯特丹，荷兰 5 荷兰癌症研究所 Oncode 研究所细胞生物学分部，1066CX 阿姆斯特丹，荷兰 6 伯尔尼大学生物医学研究中心癌症治疗耐药性集群和伯尔尼精准医学中心，3088 伯尔尼，瑞士 7 伯尔尼大学 Vetsuisse 学院动物病理学研究所，3012 伯尔尼，瑞士 8 荷兰癌症研究所临床前干预部小鼠癌症和衰老诊所，1066CX 阿姆斯特丹，荷兰 9 这些作者贡献相同l.wessels@nki.nl (LFAW)、sven.rottenberg@vetsuisse.unibe.ch (SR)、j.jonkers@nki.nl (JJ) https://doi.org/10.1016/j.celrep.2023.112538
细菌与地形理论
海因里希·赫尔曼·罗伯特·科赫（Heinrich Hermann Robert Koch）（1843年12月11日至1910年5月27日）。•疾病来自体外的细菌。•微生物通常要“恐惧”。 •微生物的功能是恒定的。•微生物的形状和颜色是恒定的。•每种疾病都与特定的微生物有关。•微生物是主要因果剂。•疾病来自体外的细菌。•过分强调预防和杀死细菌，并认为所有细菌有害。•细菌是大多数疾病的致病药物，即法国的地形理论AntoineBéchamp；以其在化学和与巴斯德的牢固竞争方面的突破而闻名。Béchamp说，血液不是无菌的，声称微生物有多种形式。由于这些发现，他还说疾病从体内发展。Claude Bernard（1813-1878），生理学家和巴斯德的当代。- 著名的报价； “微生物一无所有地形是一切，归因于他Claude Bernard和AntoineBéchamp（1816-1908）认为“疾病是身体内部地形失衡的状况”。他们强调了细菌寿命的上下文或环境，地形。一方面，如果地形是平衡的（稳态），则细菌将无法繁殖。另一方面，如果地形失去平衡，则细菌将蓬勃发展。Claude Bernard和AntoineBéchamp的观察和研究标志着主动预防性医疗保健的开始。
基于石油的塑料与Bio- ...
塑料需求随着人口增长，工业化和城市化而扩大。塑料由于其有用的特性而无与伦比，并用于每天准备大量重要商品。本文包含了基于石油的塑料的不同种类和应用，以及与其使用相关的缺点，即其非生物降解性会导致它们在环境中持续很长时间。此外，对于产生的大量塑料废物，没有足够的有效处理技术；因此，塑料垃圾在环境中积聚并危及它。限制塑料的使用是为了保护环境。这可以在生物塑料的帮助下完成，这是塑料的绝佳替代品。在本文中介绍了不同种类的生物塑料及其在不同培养基，土壤堆肥和水生系统中的生物降解性。沿途，已经探索了生物塑料的不同领域。本研究还涉及塑料聚合和生物降解的潜在机制以及在全球市场中生物塑料的当前状态。
Saxenda 利拉鲁肽与奥利司他对比
目的：评估 FDA 批准的两种药物在减肥方面的效果，这些药物用于 Al Dhafra 家庭医学中心 (DFMC) 的完美体重诊所 (PWC) 的肥胖患者，同时评估所用药物的安全性和成本。方法：我们进行了一项单中心队列观察性 16 周监测研究，研究对象为 DFMC PWC 中注射 Saxenda® 利拉鲁肽的患者和开放标签口服奥利司他 3 个月或更长时间的患者。研究对象为体重指数 (BMI) 为 27 kg/m2 或更高且至少患有一种体重相关合并症的参与者，以了解减肥药物的效果。利拉鲁肽患者每次就诊后都会监测体重变化，并从健康信息系统 (HIS) 中提取回顾性数据，用于监测服用奥利司他处方药的患者的体重。使用配对样本 t 检验和双样本 t 检验对连续变量的均值进行比较。结果：两组均包括来自埃马拉蒂（当地人口）的 170 名患者。监测了 Saxenda® 利拉鲁肽组的 94 名患者（平均年龄 34.8±10.27 岁），并审查了奥利司他组的 76 名患者的数据（平均年龄 46.91±10.78 岁）。使用 Saxenda® 利拉鲁肽的患者的平均体重减轻（WL）为 7.14±2.38 千克，显著高于使用奥利司他的患者（1.89±4.47 千克）。只有 14 名（15%）使用 Saxenda® 利拉鲁肽的患者出现暴露体重减轻反应，并继续进行 16 周的治疗方案（平均 WL - 7 千克），达到从基线开始 WL > 4% 的目标。在服用奥利司他并维持每日三次治疗方案 3-7 个月的 11 名患者（14.47%）中，未见明显的暴露体重减轻，因此未达到基线 5% 的目标 WL。结果显示，26.6% 的 Saxenda® 利拉鲁肽和 36.6% 的奥利司他从成本角度来看得到了适当的利用。安全性资料显示，只有 3 名患者（3.2%）因 Saxenda® 利拉鲁肽已知的胃肠道副作用而停止治疗。结论：该分析支持使用利拉鲁肽 3.0mg 进行体重管理，患者需遵守药物治疗以及饮食、运动和行为改变，因为除了先前已知的胃肠道副作用外，没有同时出现安全性/耐受性恶化。奥利司他没有显著的体重减轻，两种药物的依从性都较差。
药物诱导的与嗜酸性食管炎
财政支持和赞助：本文是由下一代欧洲的共同建立PE 6 Fondazione Heal Italia Italia的“健康扩展联盟的创新疗法联盟，高级实验室研究和精确医学的综合方法”；讲话8：“ HBP（肝胆胰腺）癌症的分子，突变，放射素和组织形态特征：在正确的时间为正确的患者分配正确的治疗方法”；下一代欧洲赠款国家中心3-讲话2。基于RNA的癌症治疗方法：从发现到临床前研究。 Numero Protocollo CN 312184522E9D9A：'用于递送自然起源抗肿瘤化合物的纳米系统和用于癌症分子靶靶治疗的miRNA抑制剂的纳米系统'';下一代欧洲授予钢琴纳粹补充敬礼-PNC1221852F49EDDD：用于生成数字双胞胎的临床用例：癌症，T1糖尿病和多发性硬化症。基于RNA的癌症治疗方法：从发现到临床前研究。Numero Protocollo CN 312184522E9D9A：'用于递送自然起源抗肿瘤化合物的纳米系统和用于癌症分子靶靶治疗的miRNA抑制剂的纳米系统'';下一代欧洲授予钢琴纳粹补充敬礼-PNC1221852F49EDDD：用于生成数字双胞胎的临床用例：癌症，T1糖尿病和多发性硬化症。