癌症的数学建模并不新鲜[47],然而这个领域在世纪之交才真正爆发。但在那时,绝大多数模型旨在揭示、阐明或解释与肿瘤生长、血管生成和侵袭有关的一些机制[22]。它们与实验数据的联系很少,而且主要涉及生长动力学。这些模型逐渐演变成与两大进步有关:第一点是机器计算能力的提高,使得人们能够以数值实验的方式进行模拟;第二点是成像技术的进步,使得人们能够更广泛地获取数据。随着时间的推移,模型逐渐变得更加“信息丰富”,这意味着它们整合了实验测量的参数,并根据实验(体内或体外)观察进行验证。虽然模型开发人员主要位于数学、计算或工程部门,但现在在医院基础设施的核心位置也并不罕见。如今,模型在癌症领域被广泛用于实现四个主要目标:改善诊断、改善治疗、识别和开发新药以及带来有关疾病发展的新知识。这些目标有助于使模型更接近临床。模型是在系统肿瘤学 [ 61 ] 的背景下开发的,该系统 - 即系统生物学 [ 69 ] - 提供了一个全面的框架,可以在其中研究癌症,以真正理解和联系其从基因到细胞的多个方面
基于案例研究:每个小组将对一种成功重新利用的药物进行案例研究(我们总共有三个成功案例(见下文):两个小组将研究同一个成功案例,在讨论结束时交换他们的发现,然后一起向其他小组展示。)对于每个成功案例,我们都预见了一个假设情景,其中缺少重新利用过程/故事的一个概念或一些基本步骤。在您的小组内,您将集思广益,思考这个缺失的部分将如何影响重新利用项目的结果。通过研究假设情景来了解重新利用过程中缺失部分的影响和重要性,您将对药物开发/重新利用的复杂性以及导致成功或失败的因素有宝贵的见解。以下是三个基于案例的成功案例:
物质数据库欧洲化学品管理局 (ECHA) 最近开发了 SCIP 数据库。该数据库旨在让消费者和废物处理行业更深入地了解产品中是否存在关注物质。供应商必须提供此信息 (ECHA, 2019)。目前,该数据库的可用性有限,部分原因是提供信息的要求仅限于高度关注物质 (SVHC) 清单上的物质,而该清单并不包括所有关注物质。材料护照是另一项有用的发展,可用于追踪物质的存在。护照包含有关物质(关注)的信息,并以数字形式随产品一起提供。该工具已经在某些行业(例如建筑行业)或产品链的某些步骤(例如消费者信息)中使用。
奥尔巴尼 — 纽约州公共服务委员会 (Commission) 今天收到了一份关于委员会在全面遵守《气候领导和社区保护法》或《气候法》要求方面的行动和活动的最新情况。此外,委员会还审查了实现可再生能源计划目标的进展情况,以及上一年度《气候法》投资对纳税人产生的成本和收益,包括节能、发电和减少温室气体排放。包含这些信息的报告重点介绍了委员会为实现清洁能源未来和稳定气候而批准的投资。“纽约州全国领先的气候议程是全国最积极的气候和清洁能源计划,”委员会主席 Rory M. Christian 说。“纽约州公共服务部 (DPS) 致力于透明地实施《气候法》。这份报告告诉纽约人委员会和部门正在采取哪些措施来减少排放,并提供可靠、实惠和清洁的能源效益。我们将继续寻找更容易跟踪计划成果的方法。”纽约州在实现《气候法案》关于清洁能源增长和减排目标的初期努力中投入了大量资金。2022 年,六家大型投资者拥有的公用事业公司和长岛电力局在《气候法案》相关项目上投资了超过 11 亿美元。在此期间,纽约州能源研究与发展局 (NYSERDA) 从负荷服务实体筹集了超过 6.45 亿美元,用于根据清洁能源标准运营的清洁能源项目。纽约州立法机构认识到,以减少温室气体排放的形式实现雄心勃勃的气候和能源目标是应对气候变化不利影响的必要条件。通过《气候法案》,立法机关向委员会和 DPS 发出了新的指令,包括要求建立可再生能源计划,以实现到 2030 年电网至少由 70% 的可再生能源供电,到 2040 年实现零排放电网。《气候法案》的指令要求委员会在现有努力的基础上,通过部署清洁能源资源和能源存储技术、能源效率和建筑电气化措施以及电动汽车充电基础设施来应对气候变化。在
摘要目的“精密医学”一词描述了针对一个逆转或修饰疾病病理生理学的人量身定制的理性治疗策略。在癫痫,单病例和小队列报告中报告了特定遗传性癫痫中的新生精度医学策略。这项多中心观察性研究的目的是研究癫痫中精确医学的更深层次。方法对包括儿童和成人在内的六个三级癫痫中心进行了对分子遗传诊断患者进行癫痫患者的系统调查。一份标准化问卷用于数据收集,包括遗传发现以及对临床和治疗管理的影响。结果我们包括293例遗传性癫痫,137名儿童和156名成年人,162名女性和131名男性。由于94例患者的遗传发现(包括理性精度医学治疗和/或由遗传诊断引起的治疗变化)进行了治疗变化,但与已知的病理生理机制无关。对56例患者进行了合理的精确医学治疗,这是在33/56(59%)中尝试的,并且在10/33(30%)患者中成功(即降低了50%的癫痫发作)。在73/293(25%)患者中,遗传诊断引起的治疗变化,但与已知的病理生理机制无直接相关,这在24/73(33%)中成功了。重要的是,我们对专门癫痫中心的临床实践的调查显示,在鉴定出癫痫的遗传原因后,临床结果的差异很高。对于许多癫痫患者来说,基因检测后的治疗范式的有意义的变化是可能的。这项系统的调查概述了当前的精密医学在癫痫中的应用,并建议采用一种更加考虑的方法。
ISS在人为因素工程领域(HFE)领域对国家航空航天局(NASA)构成了独特的挑战。首先,任务持续时间始终是人为因素的关键问题,因为用户的小型设计缺陷或压力源可以随着时间的流逝而累积,从而导致更严重的性能失败。此外,用户准备对士气和团队互动的警惕和心理问题的响应以及随着任务持续时间的增加的重要性的增长。其次,国际空间站不仅是研究机构,而且是房屋;因此,它必须旨在支持非常不同的机组人员。人为因素设计指南和问题随所进行的活动的类型而异。第三,ISS的模块,系统和设备正在全球范围内制造,太空中的组装需要勤奋,详细的计划,培训和整合。最后,这项工作是美国,俄罗斯,欧洲,日本,加拿大以及其他国家和HFE标准之间国际合作伙伴关系的产物,各个国家和文化各不相同。
本技术白皮书是 Maddaus Water Management Inc. (MWM) 创始人 William (Bill) Maddaus 及其团队四十多年心血的结晶。基于 Bill 在商业、工业和机构 (CII) 物业领域的丰富现场经验,他编制了一份 CII 用水效率最佳管理实践 (BMP) 的原始清单,并制定了调查现场审查流程,以直接帮助公用事业和客户提高用水效率。在过去的 20 年里,Bill 最初接受培训,然后继续与 Lisa Maddaus、Michelle Maddaus 和 Chris Matyas 合作,进行 CII 用水评估并设计包含 CII BMP 的水资源保护总体规划。MWM 成立于 2013 年,现已扩大到包括更多行业专家,包括为本出版物做出贡献的人员:Nicki Powell、Sierra Orr、Andrea Pacheco 和 Tess Kretschmann。
在医疗保健领域成功部署和有意义地采用人工智能的关键挑战之一是人工智能应用的卫生系统级治理。这种治理不仅对患者安全和卫生系统问责至关重要,而且对于培养临床医生的信任以改善采用和促进有意义的健康结果至关重要。在本案例研究中,我们描述了威斯康星大学健康学院 (UWH) 的这种治理结构的发展,该结构从有效性和用户可接受性的评估到安全部署和持续监测有效性,对人工智能应用进行监督。我们的结构利用了一个多学科指导委员会以及项目特定的小组委员会。委员会成员制定了一个多利益相关者的观点,涵盖信息学、数据科学、临床操作、道德和公平。我们的结构包括指导原则,为认可人工智能应用的初始部署和持续使用提供有形参数。委员会的任务是确保所有应用程序的可解释性、准确性和公平性原则。为了实施这些原则,我们提供了一个价值流,以在临床实施的不同阶段应用人工智能治理原则。这种结构使人工智能应用能够有效地在临床上采用。有效的治理提供了几种结果:(1)明确的制度化监督和认可结构;(2)一条涵盖技术、临床和操作等考虑的成功部署之路;(3)一个持续监测的过程,以确保解决方案在临床实践和疾病流行率不断发展的情况下仍然可接受;(4)纳入人工智能应用的道德和公平使用指南。
Successes in Managing Climate Change ................................................................................................ 5 Issues in Managing Climate Change ...................................................................................................... 5 Opportunities for Collaboration ............................................................................................................ 6 Insights on Previous Climate Change Action Items ...................................................................................................................................... 6
• David Hogg (NYU/Flatiron) : Physics-Motivated Approaches to Model Design: Observations and Data Analysis • Anna Scaiffe (Manchester) : Foundation Models in Physics: Successes in Astrophysics • Thea Aarrestad (ETH Zurich) : Physics-Motivated Approaches to Hardware Design • David Hogg (NYU/Flatiron) , Pavel Izmailov (OpenAI) , Matt施瓦茨(哈佛):面板:
