XiaoMi-AI文件搜索系统
World File Search System医学博士
CeMM 国际分子技术和系统医学博士项目 • 你想在一个提倡自由思想的环境中工作吗？
CeMM 分子技术和系统医学国际博士课程 • 您想在一个促进自由科学创造力的环境中工作，并将您的研究成果转化为影响医疗实践和改善医疗保健吗？• 您是否对获得对人类分子生理学和病理学的新认识感到兴奋？• 您想加入一个由高度协作和成功的同事组成的国际团体，帮助您实现培训和研究目标吗？• 您是一个喜欢跨学科和在更广泛的文化和社会背景下进行团队合作的人吗？如果是，请立即申请我们 15 个全额资助的博士职位之一：https://apply.cemm.at/ 维也纳奥地利科学院分子医学研究中心 CeMM 的下一个博士课程将于 2025 年 9 月与我们的合作伙伴维也纳医科大学、CCRI 圣安娜儿童癌症研究所和新成立的奥地利科学院生物医学人工智能研究所 AITHYRA 一起启动。
Simon Lebek 教授，医学博士，FESC 在德国雷根斯堡完成了医学研究，并在 Pro
Simon Lebek 医学教授、FESC 在德国雷根斯堡完成了医学研究，在 Lars S. Maier 教授的指导下获得了博士学位。在那里，Lebek 博士专注于心肌功能和各种心血管疾病的潜在病理机制。在获得实验内科医学资格后，Lebek 博士加入了美国达拉斯 UT 西南医学中心 Eric N. Olson 教授的实验室，并获得了德国研究基金会 (DFG) 的 Walter Benjamin 奖学金的支持。在那里，他采用 CRISPR-Cas 基因编辑来破坏病理信号通路，作为治疗常见心血管疾病的策略。2023 年，Lebek 博士被 DFG 海森堡计划录取，这使他能够在雷根斯堡建立自己的独立研究小组。自 2024 年 4 月起，他一直担任雷根斯堡大学医院的内科、实验心脏病学和基因编辑教授。
Eric D. Green，医学博士，博士 - 可打印的传记
-----他揭示了深远的不平等，尤其是种族不平等，在跨社区之间产生了巨大的寿命和福祉差异，他提供了强大的患者轶事，这些轶事为其他抽象的挑战提供了人类的面孔。”哈罗德·波拉克（Harold Pollack），芝加哥大学
房间里的 AI 代理：为移植选择委员会提供客观决策信息 Bima J. Hasjim MD MSc 1,2 *、Ghazal Azafar PhD 2,3 *、Frank Lee MD 4、Tayyab S. Diwan MD 4、Shilpa Raju MPH 2、Jed Adam Gross MPhil JD 5,6、Aman Sidhu MD 2、Hirohito Ichii MD PhD 1、Rahul G. Krishnan PhD 7、Muhammad Mamdani MPH PharmD 8,9、Divya Sharma PhD 10,11 +、Mamatha Bhat MD PhD 2,3,12,13 + *共同第一作者 + 共同资深作者 1 加州大学欧文分校外科系，加利福尼亚州奥兰治，美国 2 多伦多大学大学健康网络 Ajmera 移植中心移植 AI 计划， 3 加拿大安大略省多伦多大学健康网络多伦多总医院研究所 4 明尼苏达州罗彻斯特梅奥诊所医学院移植外科分部 5 加拿大多伦多大学健康网络临床和组织伦理学系 6 加拿大安大略省多伦多大学达拉拉纳公共卫生学院临床公共卫生分部 7 加拿大安大略省多伦多大学计算机科学系 8 加拿大安大略省多伦多大学健康网络多伦多总医院药学系和妇女健康计划 9 临床评估科学研究所 10 加拿大安大略省北约克大学数学与统计学系 11 加拿大安大略省多伦多大学健康网络生物统计学系 12 加拿大安大略省多伦多大学医学系胃肠病学和肝病学分部 13 加拿大安大略省多伦多矢量研究所 通讯作者：Mamatha Bhat，医学博士
房间里的 AI 代理：为移植选择委员会提供客观决策信息 Bima J. Hasjim MD MSc 1,2 *、Ghazal Azafar PhD 2,3 *、Frank Lee MD 4、Tayyab S. Diwan MD 4、Shilpa Raju MPH 2、Jed Adam Gross MPhil JD 5,6、Aman Sidhu MD 2、Hirohito Ichii MD PhD 1、Rahul G. Krishnan PhD 7、Muhammad Mamdani MPH PharmD 8,9、Divya Sharma PhD 10,11 +、Mamatha Bhat MD PhD 2,3,12,13 + *共同第一作者 + 共同资深作者 1 加州大学欧文分校外科系，加利福尼亚州奥兰治，美国 2 多伦多大学大学健康网络 Ajmera 移植中心移植 AI 计划， 3 加拿大安大略省多伦多大学健康网络多伦多总医院研究所 4 明尼苏达州罗彻斯特梅奥诊所医学院移植外科分部 5 加拿大多伦多大学健康网络临床和组织伦理学系 6 加拿大安大略省多伦多大学达拉拉纳公共卫生学院临床公共卫生分部 7 加拿大安大略省多伦多大学计算机科学系 8 加拿大安大略省多伦多大学健康网络多伦多总医院药学系和妇女健康计划 9 临床评估科学研究所 10 加拿大安大略省北约克大学数学与统计学系 11 加拿大安大略省多伦多大学健康网络生物统计学系 12 加拿大安大略省多伦多大学医学系胃肠病学和肝病学分部 13 加拿大安大略省多伦多矢量研究所 通讯作者：Mamatha Bhat，医学博士
CAIRS：用于数字心理健康的因果人工智能推荐系统 Mathew Varidel，博士 a；Victor An a，Ian B. Hickie a，医学博士，Sally Cripps b，c，博士，Roman Marchant b，c，博士，Jan Scott d，博士，Jacob J. Crouse a，博士，Adam Poulsen a，博士，Bridianne O'Dea e，博士，Frank Iorfino a，博士 a 悉尼大学大脑与思维中心，澳大利亚新南威尔士州。 b 悉尼科技大学人类技术研究所，澳大利亚新南威尔士州。 c 悉尼科技大学数学与物理科学学院，澳大利亚新南威尔士州悉尼。 d 纽卡斯尔大学神经科学研究所学术精神病学，英国纽卡斯尔。 e 弗林德斯大学心理健康与福祉研究所，弗林德斯大学，南澳大利亚阿德莱德，澳大利亚。 * 通讯作者：Mathew Varidel，5 楼，1 King Street，Newtown，新南威尔士州 2042，mathew.varidel@sydney.edu.au 摘要 数字心理健康工具有望增强和扩大有需要的人获得医疗服务的机会。一些工具向个人提供干预建议，通常使用简单的静态规则系统（例如，if-else 语句）或结合预测性人工智能。然而，干预建议需要基于对不同干预措施下未来结果的比较来做出决定，这需要考虑因果关系。在这里，我们开发了 CAIRS，这是一个因果人工智能推荐系统，它使用个人的当前表现和领域之间学习到的动态来提供个性化的干预建议，以识别和排名对未来结果影响最大的干预目标。我们的方法应用于从数字心理健康工具收集的两个时间点（从基线开始 1 周 - 6 个月）的多个心理健康和相关领域的纵向数据。在我们的例子中，心理困扰被发现是影响多个领域（例如个人功能、社会联系）的关键影响领域，因此在多个领域不健康的复杂情况下，心理困扰通常是首选目标。我们的方法广泛适用于因果关系很重要的推荐环境，并且该框架可以纳入实时应用程序中以增强数字心理健康工具。关键词：因果关系；人工智能；决策理论；幸福感；心理困扰；功能；睡眠；社会支持
CAIRS：用于数字心理健康的因果人工智能推荐系统 Mathew Varidel，博士 a；Victor An a，Ian B. Hickie a，医学博士，Sally Cripps b，c，博士，Roman Marchant b，c，博士，Jan Scott d，博士，Jacob J. Crouse a，博士，Adam Poulsen a，博士，Bridianne O'Dea e，博士，Frank Iorfino a，博士 a 悉尼大学大脑与思维中心，澳大利亚新南威尔士州。 b 悉尼科技大学人类技术研究所，澳大利亚新南威尔士州。 c 悉尼科技大学数学与物理科学学院，澳大利亚新南威尔士州悉尼。 d 纽卡斯尔大学神经科学研究所学术精神病学，英国纽卡斯尔。 e 弗林德斯大学心理健康与福祉研究所，弗林德斯大学，南澳大利亚阿德莱德，澳大利亚。 * 通讯作者：Mathew Varidel，5 楼，1 King Street，Newtown，新南威尔士州 2042，mathew.varidel@sydney.edu.au 摘要 数字心理健康工具有望增强和扩大有需要的人获得医疗服务的机会。一些工具向个人提供干预建议，通常使用简单的静态规则系统（例如，if-else 语句）或结合预测性人工智能。然而，干预建议需要基于对不同干预措施下未来结果的比较来做出决定，这需要考虑因果关系。在这里，我们开发了 CAIRS，这是一个因果人工智能推荐系统，它使用个人的当前表现和领域之间学习到的动态来提供个性化的干预建议，以识别和排名对未来结果影响最大的干预目标。我们的方法应用于从数字心理健康工具收集的两个时间点（从基线开始 1 周 - 6 个月）的多个心理健康和相关领域的纵向数据。在我们的例子中，心理困扰被发现是影响多个领域（例如个人功能、社会联系）的关键影响领域，因此在多个领域不健康的复杂情况下，心理困扰通常是首选目标。我们的方法广泛适用于因果关系很重要的推荐环境，并且该框架可以纳入实时应用程序中以增强数字心理健康工具。关键词：因果关系；人工智能；决策理论；幸福感；心理困扰；功能；睡眠；社会支持
Francesco Tona，医学博士，博士Francesco Tona，医学博士，博士
描述专家心脏病专家外科医生在心脏病的诊断和治疗方面具有多年的经验。多年来，它一直在高辅助 - 体积的部门临床环境中运作，在该环境中，在高级，介入和电生理学活动的心脏病学活动中，以及在诊断和心脏衰竭和心脏衰竭治疗的重要活动中，作为系统性病理学的“遇见点”（免疫学，流变学，流变学，Neumologicy，Rheumogicity，Rheumalologicy，Rheumagicies，Rhemumyies。 此外，临床活动始终了解与心脏手术和复苏问题的每日相互作用，并且在较小程度上，血管和胸部在仪器诊断方面具有可取的技能，尤其是高级心脏病幽默的技能。 在临床，实验和转化研究方面拥有多年经验的医学研究人员。 专门研究心血管病理学，具有出色的方法论技巧和数据分析技能。 除临床领域的研究外，近年来，在大型的临床前建模方案中，旨在开发能够有效再现心脏疾病和人血管系统疾病中发生的状况的生理病理学模型的研究活动，并将其整合到生物信息形式的模拟平台中，并指示翻译线条，并已属于生物信息形成线条。多年来，它一直在高辅助 - 体积的部门临床环境中运作，在该环境中，在高级，介入和电生理学活动的心脏病学活动中，以及在诊断和心脏衰竭和心脏衰竭治疗的重要活动中，作为系统性病理学的“遇见点”（免疫学，流变学，流变学，Neumologicy，Rheumogicity，Rheumalologicy，Rheumagicies，Rhemumyies。此外，临床活动始终了解与心脏手术和复苏问题的每日相互作用，并且在较小程度上，血管和胸部在仪器诊断方面具有可取的技能，尤其是高级心脏病幽默的技能。在临床，实验和转化研究方面拥有多年经验的医学研究人员。专门研究心血管病理学，具有出色的方法论技巧和数据分析技能。除临床领域的研究外，近年来，在大型的临床前建模方案中，旨在开发能够有效再现心脏疾病和人血管系统疾病中发生的状况的生理病理学模型的研究活动，并将其整合到生物信息形式的模拟平台中，并指示翻译线条，并已属于生物信息形成线条。使用这种临床和实验性的多学科心脏病学方法以及生物统计学家，旨在通过克服每种实验建模方法的限制来验证从心脏病患者观察到的假设，回答临床问题，并在临床实践中具有实际翻译潜力。Padova经验，意大利设定了心脏病学诊所的2015年及副教授
b"作者姓名：Divyanshu Tak 1,2, ；Biniam A. Garomsa 1,2 ；Tafadzwa L. Chaunzwa 1,2,10 ；Anna Zapaishchykova 1,2, ；Juan Carlos Climent Pardo 1,2 ；Zezhong Ye 1,2, ；John Zielke 1,2 ；Yashwanth Ravipati 1,2 ；Sri Vajapeyam 4 ；Ceilidh Smith 2 ；Kevin X.Liu 4 ；Pratiti Bandopadhayay 4,5 ；Sabine Mueller 9 ；黄蒙德4,5,11; Tina Y. Poussaint 4,5；Benjamin H. Kann 1,2,5 * 作者隶属关系：1. 哈佛医学院麻省总医院医学人工智能 (AIM) 项目，美国马萨诸塞州波士顿 2. 哈佛医学院丹娜—法伯癌症研究所和布莱根妇女医院放射肿瘤学系，美国马萨诸塞州波士顿 3. 马斯特里赫特大学 CARIM & GROW 放射学和核医学系，荷兰马斯特里赫特 4. 波士顿儿童医院，美国马萨诸塞州波士顿 5. 丹娜—法伯癌症研究所，美国马萨诸塞州波士顿 6. 密歇根州立大学，美国密歇根州东兰辛 7. 费城儿童医院，美国费城 8. 宾夕法尼亚大学，美国宾夕法尼亚州 9. 加利福尼亚大学神经内科、神经外科和儿科系，美国旧金山 10. 纪念斯隆凯特琳癌症中心中心，纽约，美国 11. 哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿。 * 通讯作者 通讯地址：Benjamin H. Kann，医学博士 医学人工智能 (AIM) 项目，麻省总医院布莱根，哈佛医学院，221 Longwood Avenue，Ste 442，波士顿，马萨诸塞州 02115，美国 电子邮件：Benjamin_Kann@dfci.harvard.edu 摘要 应用于脑磁共振成像 (MRI) 的人工智能 (AI) 有可能改善疾病的诊断和管理，但需要具有可泛化知识的算法，以便在各种临床场景中表现良好。到目前为止，该领域受到有限的训练数据和特定于任务的模型的限制，这些模型不能很好地应用于患者群体和医疗任务。基础模型通过利用自我监督学习、预训练和有针对性的适应，提出了一个有前途的范例来克服这些限制。在这里，我们介绍了脑成像自适应核心 (BrainIAC)，这是一种新颖的基础模型，旨在从未标记的脑 MRI 数据中学习广义表示，并作为各种下游应用适应的核心基础。我们在 48,519 个脑 MRI 上进行了广泛任务的训练和验证，证明 BrainIAC 优于局部监督训练和其他预训练模型，特别是在低数据设置和高难度任务中，允许在其他不可行的情况下应用。
b"作者姓名：Divyanshu Tak 1,2, ；Biniam A. Garomsa 1,2 ；Tafadzwa L. Chaunzwa 1,2,10 ；Anna Zapaishchykova 1,2, ；Juan Carlos Climent Pardo 1,2 ；Zezhong Ye 1,2, ；John Zielke 1,2 ；Yashwanth Ravipati 1,2 ；Sri Vajapeyam 4 ；Ceilidh Smith 2 ；Kevin X.Liu 4 ；Pratiti Bandopadhayay 4,5 ；Sabine Mueller 9 ；黄蒙德4,5,11; Tina Y. Poussaint 4,5；Benjamin H. Kann 1,2,5 * 作者隶属关系：1. 哈佛医学院麻省总医院医学人工智能 (AIM) 项目，美国马萨诸塞州波士顿 2. 哈佛医学院丹娜—法伯癌症研究所和布莱根妇女医院放射肿瘤学系，美国马萨诸塞州波士顿 3. 马斯特里赫特大学 CARIM & GROW 放射学和核医学系，荷兰马斯特里赫特 4. 波士顿儿童医院，美国马萨诸塞州波士顿 5. 丹娜—法伯癌症研究所，美国马萨诸塞州波士顿 6. 密歇根州立大学，美国密歇根州东兰辛 7. 费城儿童医院，美国费城 8. 宾夕法尼亚大学，美国宾夕法尼亚州 9. 加利福尼亚大学神经内科、神经外科和儿科系，美国旧金山 10. 纪念斯隆凯特琳癌症中心中心，纽约，美国 11. 哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿。 * 通讯作者 通讯地址：Benjamin H. Kann，医学博士 医学人工智能 (AIM) 项目，麻省总医院布莱根，哈佛医学院，221 Longwood Avenue，Ste 442，波士顿，马萨诸塞州 02115，美国 电子邮件：Benjamin_Kann@dfci.harvard.edu 摘要 应用于脑磁共振成像 (MRI) 的人工智能 (AI) 有可能改善疾病的诊断和管理，但需要具有可泛化知识的算法，以便在各种临床场景中表现良好。到目前为止，该领域受到有限的训练数据和特定于任务的模型的限制，这些模型不能很好地应用于患者群体和医疗任务。基础模型通过利用自我监督学习、预训练和有针对性的适应，提出了一个有前途的范例来克服这些限制。在这里，我们介绍了脑成像自适应核心 (BrainIAC)，这是一种新颖的基础模型，旨在从未标记的脑 MRI 数据中学习广义表示，并作为各种下游应用适应的核心基础。我们在 48,519 个脑 MRI 上进行了广泛任务的训练和验证，证明 BrainIAC 优于局部监督训练和其他预训练模型，特别是在低数据设置和高难度任务中，允许在其他不可行的情况下应用。
全科医生 博士约翰内斯·巴克斯医学博士
2019 – 2023 年 科布伦茨 Kdo SanDstBw 部门负责人 2023 – 2024 年 自 2024 年 10 月 1 日起 乌尔姆 BwKrhs 指挥官兼医疗主任 副督察兼卫生设施指挥官 运营经验 1998 -1999 年 BAT 的 SanStOffzArzt（第二任后续特遣队 SFOR）2004 年 MTH 医疗官（SanKp PRT KUNDUZ）2014 年医疗顾问和 LSO i.E.MeS（RC 北方 ISAF） 2021 年 Ahrtal 洪水赈灾行动 2023 年 EUMAM UKR 晋升 1992 年 中尉 1998 年 参谋医生 2001 年 上校参谋医生 2004 年 高级医务官 2012 年 上校医务官 2020 年 总医务官 2024 年 总医务官 奖项 德国联邦国防军金质荣誉十字勋章德国联邦国防军银质荣誉十字勋章 SFOR、ISAF、2021 年抗洪救灾、EUMAM UKR 作战勋章 法国国家功绩勋章 (Ordre national du Mérite) KLK/4 荣誉徽章。师和特别行动师荣誉硬币指挥官1名。装甲师 主要专业资格 麻醉/神经外科博士学位 全科医学专家 运动和救援医学额外资格，高级急诊医师 (LNA) 卫生经济学学位 (EBS) 自 01.04 起担任全科医学咨询组组长.2015 年至 2018 年 1 月 31 日 其他 德国红十字会主席团成员，自 2022 年起担任德国联邦国防军医疗服务军民合作代表
AI 驱动的对话代理增强了精准医学研究的临床和基因组数据集成 Ei-Wen Yang，博士 1，Enrique Velazquez-Villarreal，医学博士，哲学博士，公共卫生硕士 2,3 , *
1 Polyagent，加利福尼亚州旧金山 2 希望之城贝克曼研究所综合转化科学系，加利福尼亚州杜瓦特 3 希望之城综合癌症中心，加利福尼亚州杜瓦特 *通讯作者 摘要 简介：临床癌症研究日益复杂，需要开发能够整合临床和基因组数据并加速发现工作的自动化工具。精准医疗 AI 代理 (PM-AI) 是一个由大型语言模型 (LLM) 提供支持的创新对话式 AI 平台，旨在使领域专家能够通过自然语言输入执行综合数据分析，从而无需编程专业知识。PM-AI 提供强大的分析功能，能够在临床和转化研究中产生可操作的见解。方法：PM-AI 以自然语言解释用户指令并将其转换为可执行代码以分析本地存储的数据。它有助于进行临床患病率和生存分析的子集比较，生成统计输出，例如比值比、Kaplan-Meier 生存曲线和风险比。通过使用 Cancer Genome Atlas (TCGA) 的两项病例对照研究证明了其功能：(1) 分析早期和晚期结直肠癌 (CRC) 患者的 TP53 突变富集情况，以及 (2) 比较接受 FOLFOX 治疗且有或无 RAS 突变的患者的无进展生存期。结果：在第一项研究中，PM-AI 发现与早期 (I/II) 病例相比，晚期 (III/IV) CRC 中 TP53 突变显著富集。在第二项研究中，PM-AI 揭示了 KRAS 突变与接受 FOLFOX 治疗的患者较差的无进展生存期之间存在显著关联。这些发现与既定文献相一致，证明了 PM-AI 能够在没有用户事先假设的情况下独立发现有意义的见解。结论：PM-AI 代表了精准医学研究的变革性进步，为整合临床和基因组数据提供了一个可扩展、用户友好的框架。它的多功能性不仅限于癌症研究，还支持跨不同生物医学领域的应用。未来的增强功能（例如实时数据集成和多组学功能）将进一步巩固其作为推进转化研究和改善患者结果的关键资源的作用。PM-AI 弥合了数据复杂性和研究需求之间的差距，加速了精准医学研究的发现。
通过自动机器学习从超广角图像中对可转诊糖尿病视网膜病变图像进行分类 Leandro Victor L. Arcena，医学博士-MBA 1，P
糖尿病视网膜病变 (DR) 是一种普遍存在且可能导致失明的眼部病变。由于该病通常无症状进展，因此定期筛查至关重要。视网膜成像技术的进步，例如标准 45° 视网膜摄影和超广角 (UWF) 成像，已显著改善了 DR 的检测和管理。人工智能 (AI) 在眼科领域的整合，特别是通过深度学习系统进行 DR 检测，已显示出令人欣喜的结果。无代码 AI 平台（如 Google AutoML（Google，加利福尼亚州，美国））旨在让没有编程专业知识的用户也能使用，从而使临床医生更容易开发和实施 AI 驱动的诊断工具。本研究探索了将 Google AutoML 应用于菲律宾当地三级医院图像数据集中的 UWF 视网膜图像，以创建和评估用于检测可转诊糖尿病视网膜病变 (refDR) 的机器学习模型。