XiaoMi-AI文件搜索系统
World File Search Systemprediction
基于人工智能的外科手术预测模型...
腹腔镜胆囊切除术 (LC) 是切除胆囊的标准手术。虽然该手术已发展成为一种相对安全且可耐受的日间手术，但有时可能会很困难，并且可能会出现并发症。复杂的胆结石疾病，如胆囊炎或胆结石性胰腺炎，是增加 LC 技术难度的危险因素。虽然可以对手术难度进行术前预测，但围手术期发现可能会令人惊讶。使用基于 AI 的模型了解手术场景的难度对于对手术性能进行基准测试和改进手术室规划非常重要。本研究旨在开发一种深度学习 (DL) 来预测腹腔镜胆囊切除术在特定手术发现上的难度。基于 Nassar 评分使用了难度分级量表。为了训练 DL 网络，从录制的视频中提取了帧。所有帧均标记为“胆囊”难度 1-3 级和“粘连”难度 1-3 级。排除由体外图像组成或胆囊不可见的帧。总共有 26.483 帧。ResNet 用作模型的主干。调整超参数以改善模型结果。多类和二元分类网络都经过了训练。训练用于分类胆囊难度（3 级）的网络比训练用于分类粘连难度的网络表现更好（准确率 74%）。可以对胆囊炎进行分类，准确率为 91%，对简单病例进行分类，准确率为 87%。本研究结果可作为进一步研究 LC 难度分类的起点。这是提高对手术场景理解并为 LC 外科医生提供基准的第一步。
人工智能用于临床预测
背景：临床预测是现代医疗保健不可或缺的一部分，它利用当前和历史医疗数据来预测健康结果。人工智能（AI）在该领域的整合显着提高了诊断准确性、治疗计划、疾病预防和个性化护理，从而改善了患者治疗效果和医疗效率。方法：本系统评价实施了一种结构化的四步方法，包括在学术数据库（PubMed、Embase、Google Scholar）中进行广泛的文献检索、应用特定的纳入和排除标准、提取数据以重点关注 AI 技术及其在临床预测中的应用，以及对收集到的信息进行彻底分析以了解 AI 在增强临床预测方面的作用。结果：通过对 74 项实验研究的分析，确定了 AI 显着增强临床预测的八个关键领域：（1）疾病的诊断和早期发现；（2）疾病过程和结果的预测；（3）未来疾病的风险评估；（4）个性化医疗的治疗反应；（5）疾病进展；（6）再入院风险；（7）并发症风险；（8）死亡率预测。肿瘤学和放射学是从 AI 临床预测中受益最多的专业。讨论：该综述强调了 AI 在各个临床预测领域的变革性影响，包括其在革命性诊断、提高预后准确性、辅助个性化医疗和增强患者安全方面的作用。AI 驱动的工具对医疗保健服务的效率和有效性做出了重大贡献。结论和建议：AI 在临床预测中的整合标志着医疗保健领域的重大进步。建议包括提高数据质量和可访问性、促进跨学科合作、注重道德的 AI 实践、投资 AI 教育、扩大临床试验、制定监管监督、让患者参与 AI 整合过程以及持续监测和改进 AI 系统。
基于人工智能的自杀预测
基于人工智能的自杀预测正沿着两条不同的轨道发展。在“医疗自杀预测”中，人工智能分析来自患者医疗记录的数据。在“社交自杀预测”中，人工智能分析来自社交媒体、智能手机应用程序和物联网 (IoT) 的消费者行为。由于医疗自杀预测发生在医疗保健的背景下，因此它受保护患者隐私的《健康信息可携性和责任法案》(HIPAA)、保护人类研究对象安全的《联邦共同规则》和医学伦理的一般原则的管辖。医疗自杀预测工具是根据这些法规有条不紊地开发的，其开发人员的方法发表在同行评审的学术期刊上。相比之下，社交自杀预测通常发生在医疗保健系统之外，几乎完全不受监管。公司将其自杀预测方法作为专有商业秘密。尽管缺乏透明度，但社会自杀预测仍在全球范围内影响着人们的日常生活。然而，人们对其安全性和有效性知之甚少。
人工智能驱动的预测模型和...
1 弗莱堡大学医学中心骨科和创伤外科系，弗莱堡大学医学院，弗莱堡 79108，德国；sara.uelkuemen@hotmail.de（S.Ü.）；pm.obid@gmail.com（PO）；gernotmichaellang@gmail.com（GML）2 洛雷托医院脊柱外科系，弗莱堡 79100，德国；frank.hassel@rkk-klinikum.de（FH）；alisia.zink@gmail.com（AZ）3 帕拉塞尔苏斯医科大学实验神经再生研究所、脊髓损伤和组织再生中心萨尔茨堡（SCI-TReCS），奥地利 5020 萨尔茨堡； s.couillard-despres@pmu.ac.at 4 海德堡大学医院口腔颌面外科系，69120 海德堡，德国；veronika.shavlokhova@med.uni-heidelberg.de 5 奥地利组织再生集群，1200 维也纳，奥地利 6 医学情报与信息学，慕尼黑工业大学医学院 Rechts der Isar 医学中心，81675 慕尼黑，德国；martin.boeker@tum.de * 通信地址：babak.saravi@jupiter.uni-freiburg.de
人工智能在药物性肝损伤 (DILI) 预测中的应用前景
药物引起的肝损伤 (DILI) 是药物退出市场的常见原因。早期评估 DILI 风险是药物开发的重要组成部分，但由于导致肝损伤的因素复杂，在临床试验之前进行评估非常困难。人工智能 (AI) 方法，尤其是基于机器学习的方法，包括从随机森林到深度学习等较新的技术，它们提供了可以分析化合物并仅根据其结构准确预测其某些特性的工具。本文回顾了现有的预测 DILI 的 AI 方法，并详细阐述了由于数据可用性有限而带来的挑战。未来的发展方向将重点讨论丰富的数据模式，例如 3D 球体，以及带有 DILI 风险标签的药物数量的缓慢但稳定的增长。
综合洪水预测系统
成员 Michael F. Ableson，Arrival Automotive–North America 首席执行官，密歇根州底特律 James F. Albaugh，波音公司总裁兼首席执行官（已退休），亚利桑那州斯科茨代尔 Douglas C. Ceva，Prologis, Inc. 客户主导解决方案副总裁，佛罗里达州朱庇特 Marie Therese Dominguez，纽约州交通部专员，奥尔巴尼 Ginger Evans，Tower Consulting, LLC 总裁，弗吉尼亚州阿灵顿 Michael F. Goodchild，加州大学圣巴巴拉分校地理系名誉教授 Diane Gutierrez-Scaccetti，新泽西州交通部专员，特伦顿 Stephen W. Hargarten，伤害研究中心主任、全球健康办公室副院长、威斯康星医学院急诊医学教授，密尔沃基 Chris T. Hendrickson，卡内基梅隆大学哈默施拉格大学工程名誉教授，宾夕法尼亚州匹兹堡Randell Iwasaki，亚马逊网络服务州和地方交通负责人，加利福尼亚州核桃溪 Ashby Johnson，首都地区大都市规划组织 (CAMPO) 执行董事，德克萨斯州奥斯汀 Joel M. Jundt，南达科他州交通部部长，Pierre Drew Kodjak，国际清洁交通委员会执行董事，华盛顿特区 Carol A. Lewis，德克萨斯南方大学交通研究教授，休斯顿 Julie Lorenz，堪萨斯州交通部部长，托皮卡 Michael R. McClellan，战略副总裁
SGLT2 抑制剂的脱靶预测
。CC-BY-NC-ND 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权所有者于 2025 年 1 月 22 日发布了此版本。；https://doi.org/10.1101/2025.01.20.633821 doi：bioRxiv 预印本
人类互动中的意图预测
人类推断他人意图的能力是天生的，对发展至关重要。机器应该获得与人类无缝互动的能力。我们提出了一个用于预测人类相互作用中参与者意图的代理模型。这需要在任何时候同时产生和认可互动，因为端到端模型很少。提出的代理通过一系列瞥见积极采样其环境。在每次采样时，模型会渗透观察类，并完成部分观察到的身体运动。它通过共同最大程度地减少分类和产生误差来了解身体位置的顺序以样品。模型在两个设置下的两孔相互作用的视频中进行了评估：（第一人称）一个骨架是建模的代理，另一个骨架的关节运动构成了视觉观察，并且（第三人称）是建模的代理，而两个相互作用的骨骼运动的关节运动构成了它的观察。使用基准数据集对实施注意机制的三种方法进行分析。其中一个是由感官预测误差驱动的，在两种情况下，通过对骨骼关节的50％进行采样，在两种情况下都达到了最高的分类精度，而在模型大小方面也是最有效的。这是从两人相互作用中学习意图预测的第一个已知的基于注意力的代理，其精度和效率很高。关键字：代理，意图预测，互动识别和产生，注意力，感知，本体感受。