XiaoMi-AI文件搜索系统
World File Search Systemeditorial
社论：自动免疫中的环境因素
T和B淋巴细胞曲目旨在识别外国抗原（病原体）以保护宿主，但这些曲目的显着部分可以识别自我抗原。通常，这不是宿主的问题，因为去除这种自动反应性淋巴细胞（克隆缺失），由B细胞受体（BCR）编辑赎回，被调节性T和B细胞在外围降低或主动抑制（1，2）。尽管有这些机制，估计有7-9％的人被诊断出患有自身免疫性疾病（3）。令人难以置信的是，尽管没有自身免疫性的临床证据，但健康人的血液中具有自身反应性抗核抗体（4）。经典研究报道了单卵双胞胎和双叶二一个双胞胎中自身免疫性的一致性表明，与遗传因素相互作用的环境因素赋予了很大一部分自身免疫性风险（> 50％）（5）（5）。因此，如果确定特定的因果环境因素，可以在很大程度上可以预防自身免疫性，因为开创性研究表明，初始自身免疫性致病事件发生在临床表现之前。该研究主题旨在提供对自身免疫性环境风险因素的新见解，并包括描述饮食因素和肥胖，产妇和早期生命因素，病毒，微生物组和吸入环境毒素的评论和文章，影响自身免疫性的发展。
社论：人工智能在电子健康中的应用
近年来，人工智能得到了广泛的发展，并从多个角度改变了医疗保健行业：临床诊断、建议治疗和后续治疗。临床决策支持 (CDS) 是医学领域人工智能的一个主要课题，用于协助临床医生进行护理。用于处理健康数据的现有技术大致可分为两类：(a) 非人工智能 (AI) 系统和 (b) 人工智能系统。尽管非人工智能技术本质上不太复杂，但大多数系统都存在不准确和缺乏收敛性的缺点。因此，这些系统通常被基于人工智能的系统所取代，这些系统比传统系统优越得多。人工智能技术大多是混合型的，包括人工神经网络 (ANN)、模糊理论和进化算法。AI 提高了医疗保健专业人员更好地了解他们所照顾的人的日常模式和需求的能力，有了这种了解，他们就能够提供更好的反馈、指导和支持，以保持健康。基于 AI 的 CDS 使用推理和逻辑，而非基于 AI 的 CDS 则依靠机器学习来执行相同的功能。CDS 可以协助完成许多临床任务，但必须将 CDS 正确集成到临床工作流程和健康记录中。CDS 可用于通过使用计算机辅助诊断 (CAD) 来帮助临床医生解释医学图片。CAD 结合了 AI 以及计算机视觉、信号处理和其他与医学相关的组件。乳腺癌、肺癌、结肠癌、冠状动脉疾病和阿尔茨海默病只是可以从 CAD 中受益的几种疾病。社会对人工智能在医疗保健领域的不断扩大使用存在一些担忧，包括可能存在的偏见、某些人工智能算法缺乏透明度、用于人工智能模型训练的数据的隐私问题以及临床环境中的安全和实施责任。本期特刊涵盖了健康信息学、生物医学信息学和医学图像分析领域的所有人工智能 (AI) 领域。根据评论，从提交给本期特刊的总共 15 篇论文中选出了 8 篇论文。每篇论文至少需要两名审稿人和至少两轮审查。下面列出了一些对本次讨论做出重要贡献的论文。) 在本期特刊的第一篇论文中描述了他们的发现。作者 (Alashwal 等人) 使用来自阿尔茨海默病神经影像学计划 (ADNI) 的数据以及三年的独立潜在类别分析 (LCA 和 LTA) 和潜在转换分析 (LTA)。研究人员发现，在定义和识别疾病时，LCA 比神经心理学检查中的典型临床截止指标更能预测 AD 进展。
社论：人机系统中的解释
自动驾驶汽车、社交和工业机器人、基于图像的医疗诊断、基于语音的知识和控制系统（例如 Alexa、Siri）以及推荐系统是一些应用领域，其中 AI/ML 辅助数字工件已经支持日常惯例和活动。可解释人工智能 (XAI) 和可解释机器学习 (IML) 都是关注用户为应对自动化系统渗透社会、经济、工业和科学环境的激增而创造的术语。例如，当自动驾驶汽车发生碰撞时，有什么好的解释？当 Alexa 被要求解释为什么英国的通货膨胀率如此之高，而通常的回答却非常不合适时，有什么好的解释？当社交媒体巨头为粉丝提出建议并向普通用户投放广告时，有什么好的解释？这些问题，特别是在任务关键型或影响生命的系统中，是由此类系统日益复杂的情况所引发的，在解释和解释其决策、结果或行为时，这些系统不可避免地会变成“黑匣子”。尽管已经采取了一些有趣的算法方法和实现（例如 LIME、IBM Protodash 和 SHAP（SHapley Additive exPlanations））来应对这一挑战，以看透“黑匣子”并理解其行为，但这些方法和实现主要由 ML 开发人员推动，旨在改进 ML 模型，而不是为系统消费者提供结果的某种解释或解释。在更广泛的多学科背景下，“什么是对外行用户的良好解释”这个问题的答案变得更具挑战性，正如我们呼吁的那样，从哲学到社会学、经济学和计算机科学。在此背景下，XAI 应该涉及需要解决的另一个层次的讨论：我们作为人类与 AI 系统的关系。尽管如此，“解释”一词源自拉丁语动词“explanare”，字面意思是“使水平”。因此，讨论和科学
社论：人工智能用于教育
Gentile 等人通过系统的文献综述分析了人工智能和教育领域最令人兴奋的话题之一：人工智能对教师角色的影响。教师们一直被要求改变他们的做法，尝试融入新技术而不是拒绝它们。然而，即使乍一看，人工智能带来的潜在变化也预示着一种根本性的变化，可以称之为教师在教育中角色的真正范式转变。据作者称，文献分析表明，人们尚未充分认识到必须尽快解决人工智能在教育领域带来的挑战的紧迫性。此外，该研究还提出了一份宣言，根据库恩在科学领域提出的范式转变来指导教师角色的演变。
医学中的人工智能
学习、决策和解决问题的能力被认为是人类思维能力的一部分。当机器能够自主实现这些能力时，就被称为人工智能 (AI)。计算机的存储容量已经发展到可以存储并随时访问人类知识的很大一部分。海量的信息和更快的计算能力使得人们能够从数据中找到过去不可能实现的实际和实时关系 1,2 。尽管早期计算机的速度要慢得多，存储容量也有限得多，但即使在 20 世纪 90 年代和 21 世纪初，也有可能执行一些容易出现人为错误的重复性人工任务。读取心电图、白细胞计数、分析视网膜照片和皮肤病变已被引入日常临床实践。从开发阶段开始，研究人员和开发人员就认识到，医疗保健领域的人工智能系统需要认识到完美数据的缺失，系统应该以医生的专业知识为基础。发展包括模糊集理论、贝叶斯网络和人工神经网络，以建立医学智能计算系统。
人工智能与教育中的人类：社论
纵观历史，人类文明在知识和理解的组织方式上经历了显著的变化，尽管这些变化表现在很多方面。这些变化包括通过印刷机和普及教育等创新，教育和读写能力的传播和民主化，以及从旗语到当今大众媒体的各种远程通信系统的引入。在馆藏和图书馆中，也有不同的知识管理方式，并通过不同的访问方式进行交流。计算机和万维网的出现遵循了这一思路，但它们为我们在全球范围内处理、生产和共享信息的方式带来了前所未有的、更为深刻的变化。当今时代经常被描述为第四次工业革命，这是世界经济论坛创造的一个术语，用来描述密集数字信息交换的所谓“信息圈”。虽然关于信息圈的哲学著作主要关注从计算机伦理到信息伦理的具体转变（Floridi，2014），但人们对这个信息圈对日常生活和教育的意义却知之甚少。第四次工业革命的一个显著特点是大量使用人工智能系统。在当前全球信息发展中大量出现的人工智能系统基于自适应算法，这些算法根据个人提供的数据做出决策，并由企业和政府组织管理。这些系统遵循任意规则，根据与每个用户交互和交易的目的分配概率程度。适应和决策过程可以被视为解决人类在二十一世纪面临的最大问题的机会，也可以被视为可能加剧气候变化、反民主传播或媒体权力的威胁。例如，在气象预报的情况下，人工智能过程可能是革命性的，使人类达到新的环境意识高度。人工智能系统还可以以人类无法达到的规模评估风险，或降低商业和公共服务的交付成本。这些系统还可以帮助投资者通过提高生产能力获得竞争优势（Barton 和 Thomas，2009 年），或改善医疗保健实践以提供更早、更准确的诊断。正是人工智能系统的这种预测能力在教育领域如此诱人。对于教育研究人员来说，一个特别有吸引力的前景是预测个体学习者的思维过程，从而识别他们的学习困难并提供远远超出个体教育者所能提供范围的学习解决方案。因此，商业组织纷纷开发人工智能产品和服务，以推动新市场领域的增长。然而，人工智能既不是真正的人工智能，也不是真正的智能，这是危险的。事实上，目前的人工智能系统严重依赖于
社论：第一期2025
国际结构完整性杂志（IJSI）的主持人，Jos E A.F.O.教授Correia和Shun-Peng Zhu教授再次宣布将在葡萄牙结构完整性协会（SPFIE）在葡萄牙马德拉岛举行的2025年国际结构完整性会议（ICSI2025），在2025年9月1-04日。此事件的重点是从基本到未来趋势的结构完整性，特别强调了多规模和多物理方法的方法以及对新材料以及挑战性环境的应用。2025年6月5日至6日，将在位于葡萄牙西北地区海滨的波尔图市举行的国际可再生能源与海洋技术会议（Reotech 2025），是IJSI杂志宣布的另一场活动。本次会议将致力于新的研究概念，设备，技术，材料和结构以及可再生能源和海洋技术领域的其他科学进步。主持人，Jos E A.F.O.教授Correia和Shun-Peng Zhu教授与杂志编辑委员会的成员合作，努力支持来自全球影响的科学和技术会议的特殊问题，这对杂志的科学指标做出了巨大贡献。
社论：神经成像的计算方法
计算方法已被提出作为分析大脑活动的有用且有效的框架。鉴于处理从神经成像模式获得的大脑信号存在重大困难，在大脑和外部设备（脑机接口）之间建立直接通信通路是必要的。虽然人们对这些问题的兴趣越来越大，但模糊系统的贡献因应用领域而异。在解码大脑活动时，处理可能受非平稳性、不变量和泛化不良影响的极其嘈杂的信号是一项重大挑战。然而，处理不确定性的高级计算智能方法（如模糊集和系统）是克服这一挑战的绝佳工具。然而，在神经科学中，可能性和模糊性的概念已被类似地用于衡量神经元、突触和其他大脑区域之间的协调程度。拟议的研究主题旨在满足对专用平台的需求，计算智能领域的专家可以齐聚一堂，讨论如何建模和传达神经成像数据处理中固有的不确定性。神经科学包含许多子领域，包括但不限于：计算神经科学；脑机接口；神经科学；神经信息学；神经人体工程学；计算认知神经科学；情感神经科学；神经生物学；脑映射；神经工程；神经技术。神经成像中使用的计算方法是本研究主题的主题，它探讨了各个学科的最新发展、问题和未来观点。因此，我们鼓励研究人员为本研究主题做出新的原创性贡献，利用神经成像中计算和数学技术的最新方法，应对为各种临床应用开发专用系统的挑战，并提出未来发展的新想法和方向。在这个研究主题中，来自不同领域的专家讨论了计算方法在神经成像中的当前发展、困难和潜在方向。本部分共提交了 26 篇文章，但只有 5 篇被选中进行审查。每篇提交的文章至少有两位审稿人和两轮审查。下面，我们简要概述了这些出版物各自的贡献。
公共部门参与可持续粮食系统的非国家治理 - 生物多样性的观点
在过去几年中，多发性硬化症（MS）研究在识别新型疾病机制，诊断标记和治疗靶标方面取得了显着进步。NEDA-3的概念（没有疾病活动的证据：没有复发，没有残疾进展，没有MRI活性）如今，对于免疫疗法的患者的显着比例而言是现实的。“ hard hard and hard and thar and Hit Smart and Earther”是常见的概念，通常将其作为早期治疗策略进行讨论。尽管当前可用的疾病修饰疗法的效率是无可争议的，但它们对CNS Intrinsic神经蛋白浮游，神经变性和神经修复的有效性远非令人满意。虽然可以治疗MS症状，但仍有最小的治疗策略可以恢复神经系统残疾或有效预防逐渐，复发独立的残疾积累（PIRA，进展，与复发活性无关）。在这种情况下，主要的未满足需求之一是更好地理解驱动渐进组织损失的机制，以及试图补偿功能性和结构性组织损害的神经塑性过程。几项研究探索了调节从复发中恢复的途径以及可能导致残疾进展的过程。研究促进再生和脑重组的药理学和非药理干预措施，导致了几种有前途的方法。一个鲜为人知的，但显然已经在MS中引起了非药物干预措施是光生物调节。Filho等。虽然神经可塑性可以描述为一种一般术语，该术语涉及神经系统适应和修改其响应刺激和经验的结构和功能，但在此主题上，重点是中枢神经系统（CNS）对MS和动物模型的患者的神经塑性。我们特别感兴趣的是，哪种分子机制决定了中枢神经系统脱髓鞘后的临床改善；如何在临床和成像/实验室项中测量各自的神经塑性过程的潜力；哪些分子或过程可能是防止脱髓鞘或促进更有效恢复的保护因素；最后但并非最不重要的一点是免疫治疗是否在其透明剂潜力以及如何最大化。系统地回顾了这种干预措施的神经保护作用的证据。他们能够证明