XiaoMi-AI文件搜索系统
World File Search Systemtological
CAFA-EVALUATOR：用于基准测试本体论分类方法
摘要我们提出了CAFA-evaluator，这是一个强大的Python程序，旨在评估具有层次CAL概念依赖性目标的预测方法的性能。它将多标签评估概括为现代本体论，其中预测目标是从定向的无环图中得出的，并通过利用矩阵计算和拓扑排序来实现高效率。程序要求包括少数标准的Python库，使CAFA-Evaluator易于维护。该代码复制了蛋白质功能注释（CAFA）基准测试的关键评估，该评估评估了基因本体论中一致亚法的预测。由于其可靠性和准确性，组织者选择了CAFA-Evaluator作为官方CAFA评估软件。
老年学
护理学院已经认识到，护理的大部分时间都将是实施支持健康衰老，预防和管理慢性病并优化长期护理的策略。我们致力于继续我们的研究和教育计划，并在这个重要领域增强实践发展。我们有一个非常强大的老年医学团队，该团队在获得赠款方面发展了令人难以置信的记录，与来自其他学科的老年医学研究人员合作，并在顶级期刊上出版。我们的教学工作人员致力于为学生提供最佳的机会，以了解有关老年护理的复杂性，并促进临床安置，从而最大程度地将理论与实际应用结合在一起。我们对实践计划的参与包括大量的老年表内容，并在一系列医院，长期护理和社区环境中进行了安置。老年患者在大多数情况下占主导地位。此外，我们的老年医学和姑息护理轨道大师致力于为学生配备
肿瘤易感膀胱癌的染色体后染色体改变 - 组织学尿路上皮的潜伏
1 3p-Medicine实验室，Gda´nsk医科大学，M。Sklodowskiej-Curie 3A，80-210 GDA´nsk，波兰； wiktoria.stankowska@gumed.edu.pl（W.S.）; katarzyna.duzowska@gumed.edu.pl（K.D.）; marcin.jakalski@gumed.edu.pl（M.J.）; magdalena.wojcik@gumed.edu.pl（m.w.-z。）; kinga.drezek-chyla@gumed.edu.pl（k.d.-c.）; arkadiusz.piotrowski@gumed.edu.pl（A.P.）2乌普萨拉大学的免疫，遗传学与病理学和科学系，BMC，Husargatan 3，751 08 Uppsala，瑞典； daniil.sarkisyan@igp.uu.se（D.S.）; bozena.bruhn-olszewska@igp.uu.se（b.b.-o.）; hanna.davies@igp.uu.se（H.D.）3 GDA´nsk医科大学，M。Sklodowskiej-Curie 3A，80-210 GDA´NSK，波兰； michal.bienkowski@gumed.edu.pl（m.b。 ）; rafal.peksa@gumed.edu.pl（R.P. ）; wojciech.biernat@gumed.edu.pl（W.B.） 4肿瘤病理学系，玛丽亚·斯克洛德斯卡（MariaSkłodowska）国家肿瘤学研究所，加恩卡斯卡（Garncarska）11，31-115 krak rand; agnieszka.harazin@krakow.nio.gov.pl（A.H.-L。）; marcin.przewoznik@krakow.nio.gov.pl（M.P. ）; Michael.hultstrom@mcb.uu.se（M.H. ）; robert.frithiof@uu.se（r.f.） ）; Jan.dumanski@igp.uu.se（J.P.D.） †这些作者为这项工作做出了同样的贡献。 ‡这些作者对这项工作也同样贡献。3 GDA´nsk医科大学，M。Sklodowskiej-Curie 3A，80-210 GDA´NSK，波兰； michal.bienkowski@gumed.edu.pl（m.b。）; rafal.peksa@gumed.edu.pl（R.P.）; wojciech.biernat@gumed.edu.pl（W.B.）4肿瘤病理学系，玛丽亚·斯克洛德斯卡（MariaSkłodowska）国家肿瘤学研究所，加恩卡斯卡（Garncarska）11，31-115 krak rand; agnieszka.harazin@krakow.nio.gov.pl（A.H.-L。）; marcin.przewoznik@krakow.nio.gov.pl（M.P.）; Michael.hultstrom@mcb.uu.se（M.H.）; robert.frithiof@uu.se（r.f.））; Jan.dumanski@igp.uu.se（J.P.D.）†这些作者为这项工作做出了同样的贡献。‡这些作者对这项工作也同样贡献。）; agnieszka.adamczyk@onkologia.krakow.pl（a.a.）; janusz.rys@krakow.nio.gov.pl（J.R.）5泌尿外科和肿瘤学诊所，波兰Piechowskiego的Ko´scierzyna专科医院karsas@o2.pl 6 piechowskiego的Ko´scierzyna专科医院一般和肿瘤外科诊所，波兰，83-400 Ko´scierzyna； wojmakar@wp.pl 7 Gda´nsk医科大学泌尿外科系和诊所M. Sklodowskiej-curie 3A，80-210 GDA´nsk，波兰； marcin.matuszewski@gumed.edu.edu.pl 8人畜共科科学中心，乌普萨拉大学医学科学系，阿卡德米斯卡·舒克胡斯（Akademiska Sjukhuset），瑞典751 85乌普萨拉（751 85）； josef.jarhult@medsci.uu.se 9外科科学系，麻醉学和重症监护室，乌普萨拉大学，Akademiska Sjukhuset，751 85 Uppsala，瑞典； miklos.lipcsey@uu.se（M.L。10 Hedenstierna实验室，Uppsala大学外科科学系，Akademiska sjukhuset，751 85 Uppsala，瑞典11综合生理学，医学细胞生物学系，Uppsala大学，Uppsala大学，Uppsala大学，BMC，Husargatan 3，Husargatan 3，751 08 Uppsala，uppsala，uppsala，uppsala，sweden uppsala，sweden upean sweden of sweden utia， Skłodowska-Curie国家肿瘤学研究所，Garncarska 11，31-115 KrakÓW，波兰； jtjmed@interia.pl 13哈佛医学院遗传学系，美国马萨诸塞州波士顿大街77号，美国马萨诸塞州02115； giulio@broadinstitute.org 14生物学和药物植物学系GDA´nsk，Hallera，Hallera 107，80-416 GDA´nsk，波兰 *通信：
将人类认知心理学应用于人工智能的可能性，以改善皮肤病学诊断及其准确性
摘要探讨了人类思想和认知心理学的状态，模式识别是我们表现出色的技能。新皮层是仅在哺乳动物中发现的大脑的最外部部分，是造成这种能力的原因。随着高级神经网络的发展，人类可以更好地处理视觉和听觉模式。能够寻找模式通常被认为是我们认为是卓越模式处理（SPP）的一部分。随着我们的发展，我们的能力变得越来越复杂，从而创造了人工智能。人工智能席卷了世界，是创造和认可的很大一部分。AI对于标准模式识别任务而言是值得注意的，因为它具有大量数据和数据驱动的机器学习的进步。但是，AI内部存在很大的差距，可以克服其达到人类水平的技能处理能力。这创建了一个问题，即我们如何通过将认知心理学原理应用于AI并推进模式处理系统以及是否可能建立跨越差距的桥梁。如果可能的话，它可以提高医疗保健中AI诊断能力的准确性和精度吗？
探索免疫的组织学预测生物标志物...
肺癌的特征是，很大一部分被视为不可切除的，局部晚期或转移性疾病，在各种普遍的癌症中，即使在诊断时，它也像预后较差一样脱颖而出[1,2]。进步已经彻底改变了肺癌的治疗，基于铂的Che-Marterape是长期存在的基石。在2000年代初期，靶向表皮生长因子受体（EGFR）的酪氨酸激酶抑制剂的驱动，靶向治疗已显着提高了肺癌患者的存活[3]。 在EGFR之后，对包括ALK，ROS-1和KRAS在内的肺癌的分子遗传学的更深入了解，导致基于个体致癌遗传特征的个性化治疗的新分子靶标鉴定了新的分子靶标。 但是，超过一半的肺癌患者无法受益于靶向疗法，这对其应用构成了主要限制[3]。 以的形式出现免疫疗法引发了肺癌治疗的第三大革命在2000年代初期，靶向表皮生长因子受体（EGFR）的酪氨酸激酶抑制剂的驱动，靶向治疗已显着提高了肺癌患者的存活[3]。在EGFR之后，对包括ALK，ROS-1和KRAS在内的肺癌的分子遗传学的更深入了解，导致基于个体致癌遗传特征的个性化治疗的新分子靶标鉴定了新的分子靶标。但是，超过一半的肺癌患者无法受益于靶向疗法，这对其应用构成了主要限制[3]。以
抗 CD47 抗体在血液系统恶性肿瘤中的机遇与挑战
血液系统恶性肿瘤是起源于淋巴系统和造血系统的恶性肿瘤，具有恶性程度高、治疗复杂、预后差等特点。多种化疗药物联合治疗是血液系统恶性肿瘤患者的经典治疗方法（1）。但由于分子特性的强烈异质性，得不到个性化、精准的治疗，很多患者仍会出现复发和耐药（2-5）。近年来，免疫治疗取得了巨大的进展（6-8），以适应性免疫系统为靶点的治疗方法被广泛应用于各种血液系统恶性肿瘤的治疗，改善患者预后。此外，作为抵御外界环境第一道防线的先天免疫系统在癌细胞监视和消除中起着重要作用（9，10），以先天免疫系统为靶点的疗法可能为血液系统恶性肿瘤的治疗带来额外的希望。 CD47 被认为是一种先天免疫检查点蛋白，是一种在各种血液系统和实体肿瘤恶性肿瘤中过表达的细胞表面配体（11-14）。CD47 与巨噬细胞上的信号调节蛋白 α (SIRP a) 结合，触发“不要吃我”信号，保护癌细胞免受巨噬细胞介导的吞噬作用（图 1A）。
一种机器学习方法来识别血液性恶性疾病患者组
背景和客观：在血液学恶性肿瘤（HM）的免疫功能低下患者中针对SARS-COV-2的疫苗接种对于降低Covid-19的严重程度至关重要。尽管进行了疫苗接种的努力，但超过三分之一的HM患者仍然没有反应，增加了严重突破感染的风险。本研究旨在利用机器学习对COVID-19动力学的适应性，有效地选择特定于患者的特征以增强预测并改善医疗保健策略。重点介绍了复杂的共同食物学联系，重点是可解释的机器学习，为临床医生和生物学家提供宝贵的见解。方法：该研究评估了一个患有1166例血液疾病患者的数据集。输出是完整的COVID-19疫苗接种后血清学反应的成就或未实现。采用了各种机器学习方法，其最佳模型基于指标，例如曲线（AUC）下的面积，灵敏度，特异性和MATTHEW相关系数（MCC）。单个形状值被视为，并将主成分分析（PCA）应用于这些值。然后在确定的簇中分析患者概况。结果：支持向量机（SVM）作为表现最佳的模型出现。PCA应用于SVM衍生的外形值，导致四个完全分开的簇。这些簇的特征是产生抗体的患者比例（PPGA）。群集2的PPGA最低（33.3％），但样本量较小，有限的结论性发现。群集1，PPGA第二高（69.91％）包括侵袭性疾病和导致免疫缺陷增加的因素的患者。群集3，代表大多数人群，与群集1相比，抗体产生率很高（84.39％）和更好的预后。群集4，PPGA为66.33％，包括B细胞非霍奇金患者在皮质类固醇治疗中的淋巴瘤。结论：该方法使用机器学习和可解释的AI（XAI）成功识别了四个独立的患者簇。然后，我们根据COVID-19疫苗接种后产生抗体的HM患者的百分比分析了每个簇。该研究表明该方法对其他疾病的潜在适用性强调了可解释的ML在医疗保健研究和决策中的重要性。
的本体论建模和对机器人计划的比较和对比叙述的推理
这个扩展的摘要着重于建模和推理竞争计划的方法的方法，以便机器人以后可以解释不同的结果。首先，确定了一个新颖的本体论模型，该模型赋予了机器人形式化和有关计划差异的原因的需求。然后，提出了一个新的本体论，以促进计划的分类（例如，最短，最安全，最接近人类偏好等）。最后，检查了基于本体的解释叙事的基线算法的局限性，并引入了一种新颖的算法来利用计划之间的不同知识，从而实现了对比的叙述。进行了经验评估，以评估拟议算法提供的解释的质量，该算法的表现优于基线方法。
先进的血管纤维移植后血液恶性肿瘤后移植物抗宿主疾病的治疗：欧洲血液和骨髓移植学会的最新共识建议
移植物抗宿主病（GVHD）是同种异性血管细胞移植（HSCT）后导致死亡率和发病率的主要因素。在过去的三年中，有监管部门批准了新药，并且临床方法的预防和管理方法发生了很大变化。为了标准化治疗方法，欧洲血液和骨髓移植学会（EBMT）已更新了其临床实践建议。我们组成了一个方法学家和22位GVHD管理领域的专家。选择是基于它们在欧洲的GVHD管理中的作用及其对该领域的贡献，例如出版物，会议上的演讲以及其他研究。我们将年级过程应用于十个PICO（患者，干预，比较者和结果）问题：小组搜索证据并为每个关键结果进行了分级。在两次共识会议中，我们讨论了证据，并对建议的措辞和优势进行了投票。Key updates to the recommendations include: (1) primary use of ruxolitinib in steroid-refractory acute GVHD and steroid-refractory chronic GVHD as the new standard of care, (2) use of rabbit anti-T-cell (thymocyte) globulin or post-transplantation cyclophosphamide as standard GVHD prophylaxis in peripheral blood stem-cell从无关供体的移植中，（3）在类固醇难治性慢性GVHD的可用治疗选择中添加Belumosudil。EBMT建议使用这些建议作为同种异体HSCT期间GVHD常规管理的基础。当前的建议有利于欧洲实践，不一定代表全球偏好。
评估UFS全局耦合模型中的土地 - 大气耦合过程和气候偏见
摘要：这项研究研究了后者的NCEP统一预测系统（UFS）耦合模型原型模拟模拟（P5 - P8）在2011年北部夏季 - 17在耦合的土地 - 大气层过程及其对模型偏置的影响方面的性能。在模型开发过程中实施了主要的土地物理更新。也就是说，Noah Land Surface模型被Noah MP取代，并且从P7开始更新了全球植被数据集。这些变化以及许多其他UF的改进发生了。这项研究研究了UFS根据模型土地表面过程的实现的35天预测中模拟表面条件的能力。针对全球的通风塔观测值评估了几种陆地表面状态和漏斗，并且还使用基于过程的多元度量指标来诊断分段的耦合过程。近地表气象变量通常会改善，尤其是表面空气温度，而土地 - 大气耦合指标更好地代表了在水分和辐射的表面土壤水分和表面流量之间观察到的协方差。此外，这项研究发现，连续美国的温度偏见与模型模拟水限制和能量限制区域之间耦合过程的不同平衡的能力有关。对土地初始条件的敏感性也被视为预测误差的来源。最重要的是，这项研究提出了构成耦合土地 - 预测模型中的大气行为的蓝图，这是一项至关重要的模型开发任务，可确保从第一天到季节时间尺度的第一天。