XiaoMi-AI文件搜索系统
World File Search SystemYeung
Chedrawi 和 Haddad：人工智能驱动的组织中准人类的崛起，终极
人工智能 (AI) 技术正在彻底改变每个行业，旨在复制人类的能力，包括学习和适应能力、感官理解和交互、推理和规划、程序和参数优化、自主性、创造力以及从大量多样化数字数据中创造知识的能力 (Yeung, 2018)。今天，人工智能 (AI) 在组织中的应用已显著增长 (Zaza et al., 2019)，学术界和工业界也越来越多地对其进行探索 (Riera & Ijimia, 2019)。事实上，我们正在目睹无数新数字技术不断取代正在使用的技术的例子，这种现象被称为技术转型和定制信息系统 (IS) (Doolin & McLeod, 2017 ; Tarhini et al., 2018; Thakurta et al., 2018)；然而，许多公司仍在努力实现“数字化转型” (Barthel & Hess, 2020)。
微切割肿瘤长方体：一种保留复杂肿瘤微环境的用于大规模测试的微尺度癌症模型
Lisa F Horowitz 1*、Ricard Rodriguez-Mias 2、Marina Chan 3、Songli Zhu 3、Noah R Gottshall 1、Ivan Stepanov 1,4、Casey Stiles 1,5、Marcus Yeung 3、Tran NH Nguyen 1,6、Ethan J Lockhart 1、Raymond S Yeung 7、Judit Villen 2、Taranjit S Gujral 3 和 Albert Folch 1 附属机构 1 华盛顿大学生物工程系，美国华盛顿州西雅图。 2 华盛顿大学基因组科学系，美国华盛顿州西雅图。 3 弗雷德哈钦森癌症研究中心人类生物学部，美国华盛顿州西雅图。 4 华盛顿大学机械工程系，美国华盛顿州西雅图。 5 华盛顿大学化学工程系，美国华盛顿州西雅图。 6 华盛顿大学生物化学系，华盛顿州西雅图，美国。 7 华盛顿大学外科系，华盛顿州西雅图，美国。 * 通讯作者。电子邮件：lhorowit@gmail.com 摘要 为了弥合实验室和临床之间的差距，需要更忠实的人类癌症模型，这些模型可以重现人类肿瘤微环境 (TME) 的主要特征，同时促进大规模药物测试。我们最近开发的显微切割方法优化了从肿瘤活检中获取大量立方形微组织（“立方形”，~(400 µm) 3 ）的产量。在这里，我们证明同基因小鼠肿瘤模型和人类肿瘤的立方形保留了复杂的 TME，使其适合于药物和免疫疗法评估。我们表征了相关的 TME 参数，例如细胞结构、细胞因子分泌、蛋白质组学谱以及对多孔阵列中药物面板的反应。尽管经过切割程序并培养时间较长（长达 7 天），长方体仍表现出强烈的细胞因子表达和药物反应，包括对免疫疗法的反应。总体而言，我们的结果表明，长方体可以为个性化肿瘤学应用提供必要的治疗信息，并有助于开发 TME 依赖性疗法和癌症疾病模型，包括用于临床试验。
短课程
主题演讲：副教授Ronda Greaves Murdoch儿童研究所762-质谱对新生儿内分泌学和代谢的贡献 - 从这里到哪里？Stefani Thomas 590-采用临床实验室的基本原理，以加速基于质谱的蛋白质组学测定法的临床翻译，以通过在未经修饰的单声学质量链中检测液体质量素材，以确定Priscilla yeung 92-克隆性确定 - 克隆性测定 - 确定 Liebenberg 569 - Alterations in glutaminolysis detected by direct mass spectrometry techniques enable diagnosis and molecular subtyping of breast and ovarian cancers Dan Lane 87 - The Validation Processor: the development of a novel tool that that automates, standardises, and accelerates mass spectrometric assay validation Ruben Luo 12 - Microprobe-Capture In-Emitter Elution Coupled with Mass用于β2-转移蛋白
已发表版本的引用（APA）：Juarez-Orozco, LE、Klén, R.、Niemi, M.、Ruijsink, B.、Daquarti, G.、van Es, R.、Benjamins, J.-W.、Yeung, MW、van der Harst, P. 和 Knuuti, J. (2022)。人工智能通过核心脏研究改善风险预测。当前心脏病学报告，24，307–316。 https://doi.org/10.1007/s11886-022-01649-w
摘要 综述目的 随着基于机器学习的人工智能 (AI) 继续彻底改变我们分析数据的方式，核心脏病学领域为实施这些复杂分析提供了肥沃的土壤。本综述总结并讨论了有关核心脏病学技术和 AI 的原理，以及有关其性能和对改善心血管疾病风险预测的贡献的当前证据。 最新发现和总结 越来越多的证据表明，在涉及 SPECT 和 PET 技术的核心脏病学研究中，基于机器学习的 AI 的实验和实施可以改善疾病风险 (疾病分类) 和事件风险 (不良事件预测) 估计。这些出版物仍然报告了使用统计机器学习方法或深度学习的方法的客观差异，这些方法具有不同的架构、数据集大小和性能。最近人们致力于为基于机器学习的 AI 在心血管成像中的实验和应用带来标准化和质量，以通过 AI 制定数据协调和分析标准。基于机器学习的人工智能通过在心脏核研究中的应用，为改善心血管疾病的风险评估提供了可能性。
肿瘤学市场动态
如果您希望加入此出版物的邮件列表，请通知 Natasha Yeung (yeungn@stifel.com)。近期发行：2024 年 5 月 27 日（IBD）2024 年 5 月 20 日（资本回报）2024 年 5 月 13 日（大脑、AlphaFold 3）2024 年 5 月 6 日（收益、肥胖）2024 年 4 月 29 日（并购、日本）2024 年 4 月 22 日（制药定价）2024 年 4 月 15 日（制药行业的人工智能）2024 年 4 月 8 日（买方）2024 年 4 月 1 日（生物技术资产负债表）2024 年 3 月 25 日（女性健康）2024 年 3 月 18 日（炎症小体）2024 年 3 月 11 日（IRA、免疫学）2024 年 3 月 4 日（生物技术就业）2024 年 2 月 26 日（生物技术战略）2024 年 2 月 19 日(大药、自身抗体) 2024 年 2 月 12 日 (纤维化、子宫内膜异位症) 2024 年 2 月 5 日 (女性重症疾病) 2024 年 1 月 29 日 (制药研发生产力) 2024 年 1 月 22 日 (医学人工智能) 2024 年 1 月 15 日 (FDA 局长优先事项)
使用人工智能进行井字游戏
III. 参考文献 [1] Elaine Rich、Kevin Knight、Shivashankar B Nair（第三版）《人工智能》，McGrew Hill。 [2] Ashutosh Kumar Sahu、Parthasarathi Palita、Anupam Mohanty，“计算机之间的井字游戏：一种计算智能方法”，siksha O' Anusandhan 大学，2018 年 5 月 20 日。 [3] K. Yeung、B. Jacques、R. Du，“实时在网上与机器人玩井字游戏”，国际工程教育会议，2022 年 8 月 18 日 [4] Sneha Garg、Dalpat Songara、Saurabh Maheshwari，“使用理论计算机科学的井字游戏模型的制胜策略”，2017 年国际计算机、通信和电子会议（comptelix），Manipal 大学斋浦尔，2017 年 2 月 1 日 [5] Douglas E. Comer、David L. Stevens，（第二版，第 III 卷），“使用 TCP/IP 工作的互联网”，Prentice-Hall印度私人有限公司。
生物制药行业 - 每周更新 - 2024 年 4 月 29 日
如果您希望加入此出版物的邮件列表，请通知 Natasha Yeung (yeungn@stifel.com)。近期刊物：2024 年 4 月 22 日（制药定价）2024 年 4 月 15 日（制药行业的人工智能）2024 年 4 月 8 日（买方）2024 年 4 月 1 日（生物技术资产负债表）2024 年 3 月 25 日（女性健康）2024 年 3 月 18 日（炎症小体）2024 年 3 月 11 日（IRA、免疫学）2024 年 3 月 4 日（生物技术就业）2024 年 2 月 26 日（生物技术战略）2024 年 2 月 19 日（大药、自身抗体）2024 年 2 月 12 日（纤维化、子宫内膜异位症）2024 年 2 月 5 日（女性重症疾病）2024 年 1 月 29 日（制药研发生产力）2024 年 1 月 22 日（医学领域的人工智能）2024 年 1 月 15 日2024 年 (FDA 局长重点) 2024 年 1 月 5 日 (2024 年行业展望) 2023 年 12 月 18 日 (未来预期) 2023 年 12 月 11 日 (ASH、研发日) 2023 年 12 月 4 日 (大型制药公司、CEA)
生物制药行业 - 更新 - 2024 年 9 月 9 日
如果您希望加入本出版物的邮件列表，请通知 Natasha Yeung (yeungn@stifel.com)。往期期刊：2024 年 8 月 12 日（生物技术市场）2024 年 7 月 15 日（中期报告）2024 年 7 月 8 日（肥胖市场更新）2024 年 6 月 17 日（实验室市场）2024 年 6 月 8 日（肿瘤学评论）2024 年 5 月 27 日（GLP-1）2024 年 5 月 20 日（资本回报）2024 年 5 月 13 日（大脑、AlphaFold 3）2024 年 5 月 6 日（收益、肥胖）2024 年 4 月 29 日（并购、日本）2024 年 4 月 22 日（制药定价）2024 年 4 月 15 日（制药行业的人工智能）2024 年 4 月 8 日（买方）2024 年 4 月 1 日（生物技术资产负债表）2024 年 3 月 25 日(女性健康) 2024 年 3 月 18 日 (炎症小体) 2024 年 3 月 11 日 (IRA、免疫学) 2024 年 3 月 4 日 (生物技术就业) 2024 年 2 月 26 日 (生物技术战略) 2024 年 2 月 19 日 (大药、自身抗体) 2024 年 2 月 12 日 (纤维化、子宫内膜异位症) 2024 年 2 月 5 日 (女性重症疾病)
生物制药领域 - 更新 - 2024年9月23日
如果您希望被添加到本出版物的邮件列表中，请通知Natasha Yeung（yeungn@stifel.com）。Past issues: Sep 9, 2024 (Sector Outlook) Aug 12, 2024 (Biotech Market) July 15, 2024 (Halftime Report) July 8, 2024 (Obesity Market Update) June 17, 2024 (Lab Market) June 8, 2024 (Oncology Review) May 27, 2024 (GLP-1's) May 20, 2024 (Returning Capital) May 13, 2024 (Brain, AlphaFold 3) May 6，2024（收益，肥胖）2024年4月29日（日本并购），2024年4月22日，制药定价）（制药定价）2024年4月15日（Pharma in Pharma）2024年4月8日（Buyside）（Buyside）（Buyside）2024年4月1日，2024年3月25日，2024年3月25日（妇女健康）（3月18日）（IMPRA） 4，2024（生物技术就业）2024年2月26日（生物技术策略）2024年2月19日（大药物，自身抗体）2024年2月12日（纤维化，子宫内膜异位症）2024年2月5日（女性严重疾病）