XiaoMi-AI文件搜索系统
World File Search System好于
CP 研究新闻 2024 – 11 月 25 日
背景：选择性自主运动控制 (SVMC) 是独立控制关节运动的能力。SVMC 受损会影响功能活动，但只有少数干预措施直接针对 SVMC。因此，我们为患有上运动神经元损伤的儿童开发了一种基于游戏的干预措施，以改善 SVMC。该干预措施训练选择性激活肌肉或关节运动，同时提供有关另一个关节中不由自主发生的肌肉激活或运动的即时反馈。干预措施以好玩的方式提供，采用定制的游戏环境和基于技术的界面来捕捉肌肉激活或关节运动。目的：本研究旨在调查这种基于游戏的干预措施的有效性，并探索住院神经康复中 SVMC 受损儿童的治疗反应相关因素。方法：我们进行了一项随机、非并发、多基线设计的单病例研究。该研究包括一个随机长度的基线阶段（其中不提供针对 SVMC 的干预措施）和一个带有额外 SVMC 培训的干预阶段。在两个阶段，儿童同时在我们的诊所瑞士儿童康复中心参加他们自己的多模式康复计划。在干预阶段，参与者完成了十次 45 分钟的基于游戏的 SVMC 训练课程。在两个阶段以及 3 个月的随访中，我们反复测量 SVMC，并使用简短的定制评估。结果：18 名因上运动神经元损伤而导致 SVMC 减少的儿童参加了这项研究。这些儿童的平均年龄为 12.7 岁（标准差 2.9 岁），他们大多患有痉挛性脑瘫。线性混合效应模型显示，在基线阶段，SVMC 改善的趋势已经显著（P<.001）。当在干预阶段引入基于游戏的 SVMC 训练时，这种趋势没有发生显著变化（P=.15），表明 SVMC 训练没有带来额外的改善。虽然我们无法找到整体治疗效果，但我们可以通过患者和治疗特征来解释治疗效果总随机变化的 89.4%。受训动作痉挛的儿童（20.1%）和受训受影响较大的一侧的儿童（23.5%）从干预中获益最多。在 3 个月的随访中，SVMC 与干预结束时相比有所恶化，但仍好于研究开始时。结论：常规伴随康复计划已经改善了 SVMC，而基于游戏的 SVMC 训练没有显示出额外的效果。虽然干预没有显示出群体效应，但我们可以确定患者和治疗特征，以确定谁可能从干预中受益。PMID：39556826
富兰克林生物技术发现基金
地区和 2025 年进一步降息的可能性。虽然唐纳德·特朗普的总统胜利以及进一步减税和扩张性财政政策的可能性支撑了美国股市，但美国以外的投资者担心当选总统的关税计划及其对全球贸易的影响。以美元计价的 MSCI 指数衡量，发达市场股票表现好于全球指数，而新兴市场股票表现不及全球指数。2024 年第四季度，全球 11 个股票板块中有 7 个遭到抛售，医疗保健位列第十，排名垫底。生物技术、制药和生命科学工具和服务行业表现最差；这三个行业整体下跌幅度都在 12% 至 13% 之间，不过医疗保健提供商和服务表现更差，而医疗技术是唯一一个上涨的行业。医疗保健板块的轮动归因于几个因素，因为投资者通常将资金从医疗保健领域转移出去，以利用经济中更具周期性的领域，包括 (1) 持续的监管不确定性影响药品定价和审批流程；(2) 医疗保健成本（包括劳动力和材料）的上涨速度快于一般通胀率（从而挤压了许多医疗保健公司的利润率）；(3) 医疗保健支出的增长速度低于整体经济；(4) 人们对当选总统唐纳德·特朗普的新政府和提案可能对医疗保健产生影响的风险有所察觉。预计特朗普将专注于放松管制和政策回滚，其中包括修改或扭转即将离任的总统乔·拜登的政策。这些问题带来了不确定性，尤其是对生物技术和制药公司而言。新政府还计划促进市场竞争和透明度，以帮助改善医疗保健的可及性并降低成本。然而，人们担心公共医疗保险计划可能会被削减，医疗补助计划可能会引入工作要求。由于罗伯特·肯尼迪（Robert F. Kennedy Jr.）等顾问对疫苗持怀疑态度，人们对公共卫生干预措施的变化感到担忧。这可能会影响投资者对参与疫苗生产和公共卫生运动的公司的信心。所有这些政策的具体内容仍不清楚，导致投资者持谨慎态度。生物技术行业在 2023 年获得了美国食品药品管理局 (FDA) 的药品批准数量创下历史新高，这可能会推动相关公司的收入在未来十年或更长时间内增长；该行业在 2024 年也创下了类似的速度，因为 FDA 批准了 50 种新型药物疗法（而 2023 年全年为 55 种）。创新步伐仍在继续，各公司报告了下一波癌症医学进步的临床进展，神经肌肉疾病和自身免疫性疾病。在医疗器械领域，脉冲场消融正在成为一种治疗心房颤动（一种心律不齐）的新模式，比以前的方法更安全、更快捷。同时，机器人手术的采用使手术更准确、疼痛更少、恢复时间更快、效果更好。最新的机器人手术系统的处理速度是前几代的 10,000 倍。整个行业还有更多的例子，预计未来几个月将针对癌症、肥胖症、狼疮和精神分裂症进行重要的临床试验和产品更新。
体外化学耐药性和化学敏化测定
系统综述的结论，发现震颤在DBS后5到6年有效地控制了震颤。证据足以确定该技术会改善净健康结果。症状（例如，语音，运动波动）与帕金森氏病有关的帕金森氏病与帕利德斯国际核DB或丘脑下核治疗相关，证据包括随机对照试验（RCT）和系统评价。一项审查得出的结论是，评估pallidus pallidus interna或丘脑下核的DBS的研究始终在结局的临床上表现出显着改善（例如，神经系统功能）。其他系统评价也发现深入DB后的结果明显好于对照干预措施。左旋多巴患者的RCT至少4年的左旋多巴帕金森氏病和不受控制的运动症状发现，除了医疗疗法外，还提供了DBS时2年的生活质量明显更高。证据足以确定该技术会改善净健康结果。div> div pallidus interna或丘脑下核用于治疗原发性肌张力障碍，证据包括系统评价，RCT和病例系列。对24项研究（主要是不受控制）的汇总分析发现，在6个月后和最后随访（平均32个月）后，运动得分和残疾评分的改善。两种双盲RCT都发现，与假刺激后，主动后的严重程度得分更高。需要进行其他试验以确定DBS对患者预后的影响。证据足以确定该技术会改善净健康结果。DBS用于治疗癫痫病，证据包括系统评价，RCT和许多观察性研究。观察性研究报告说，与基线相比，癫痫发作较少，但是，如果没有对照组，对这些结果的解释是有限的。证据不足以确定该技术会改善净健康结果。治疗簇头痛或面部疼痛与DBS的治疗，证据包括系统的审查，随机跨界研究和病例系列。系统的审查包括34例患者的单个患者数据荟萃分析，显示出慢性面部疼痛后3个月的3个月疼痛强度显着降低；超过3个月的随访数据没有资格进行统计分析。在11例严重，难治性，慢性簇头痛的患者中，反应率的组间差异在主动刺激阶段之间没有显着差异。证据不足以确定该技术会改善净健康结果。一项题为“强迫症治疗的深脑刺激”（2024年）的包括：“ DBS对强迫症的功效[强迫症]尚未确定，但初步试验，未经控制或不充分控制，显示出令人鼓舞的结果。 63例接受DBS的治疗 - 饮食性强迫症患者中，有34例症状减少了35％或更多。 两个包括：“ DBS对强迫症的功效[强迫症]尚未确定，但初步试验，未经控制或不充分控制，显示出令人鼓舞的结果。63例接受DBS的治疗 - 饮食性强迫症患者中，有34例症状减少了35％或更多。两个DBS是一种实验程序，已用于治疗无行为能力和治疗难治性强迫症。鉴于DBS的侵入性和相对缺乏疗效数据，我们建议仅在临床试验的背景下使用OCD患者进行DBS治疗。”用DBS处理的强迫症的证据包括RCT，几个系统评价和荟萃分析许多研究的样本量有限。研究表明，DBS治疗后可能会改善强迫症症状，但也确定了大量不良事件，并且尚未确定最佳目标。需要进行其他盲目对照研究，以得出关于DBS对净健康益处的影响的结论。用DBS处理的Tourette综合征，证据包括观察性研究，RCT和系统评价。已有两个患者有15例或更多患者的RCT。一个RCT发现Tourte综合征在3个月时与假手术的严重程度差异，而另一个RCT则没有。既没有研究表明强迫症或抑郁症的合并症症状的改善。
羊毛生产中的人工智能
通过人工智能 (AI) 从大规模数字化数据集中提取信息在规模和变化速度上都是前所未有的。新的数据捕获源包括数字成像、GPS 定位和移动、高分辨率生物标记和生物传感器、实时自动捕获市场和环境数据。澳大利亚羊毛行业是评估此类新表型对盈利能力和先进农业系统影响的理想选择。该项目对人工智能（尤其是深度学习）的实用性进行了初步评估，以准确预测图像、生物标记和动物传感器输出的性能结果。我们开发了一种半自动化系统，该系统能够在田间/院子条件下拍摄高分辨率图像并将其链接到动物电子识别 (EID)。该系统还允许半自动记录体重。使用该系统，我们使用 4 个摄像机角度（即正面、顶部和背面）从 4072 只绵羊创建了 1,482,041 幅图像的图像库。所有绵羊在拍摄图像时都称重，并根据面部覆盖（1-5）、颈部皱纹（1-5）和身体皱纹（1-5）进行主观评分，并识别为 EID。使用图像子集，我们将数字信息应用于深度学习分析管道，特别是使用卷积神经网络 (CNN) 分析。使用 Keras (https://keras.rstudio.com) 和 Tensorflow (https://www.tensorflow.org) 开发模型。将数据细分为训练集、评估集和独立测试集，以预测 AI 预测相应表型的能力。使用侧面和顶部摄像头，预测算法可以分别以 86% 和 87% 的准确率预测体重，并且没有偏差。顶部和侧面摄像头的信息相结合，准确率为 89%。对于面部识别，AI 经过训练可以检测每只羊的头部形状和身体形状，只要羊来自相同的训练和测试集，准确率为 99%。使用每只羊的面部和身体图像的随机子集，AI 算法可以以 94% 和 98% 的准确率将匿名面部和身体图像与羊 EID 匹配，当同时使用面部和身体信息时，准确率为 99.7%。但是，当 5 个月后测试同一只羊的图像时，准确率会大大降低（<10%），除非两个时间点的图像都包含在训练数据集中（准确率提高到 90-98%）。使用皱纹评分的全量表（1-5）预测准确率较低，为 38%-58%。这表明，在面部识别的初始训练中，需要从同一只羊那里获取非常大的数据集，并随着时间的推移不断重复，以检测每只羊独特的生物特征。一旦建立了这样的初始训练数据集，面部识别就可以应用于新的人群。对于颈部和身体皱纹，AI 管道能够将动物分配到高皱纹或低皱纹类别，准确率为 73%-90%，具体取决于预测的相机角度和皱纹特征。AI 预测与手动评分的准确率相匹配，高和低皱纹评分的准确率为 98%-99%，扩展的 1-5 级皱纹评分的准确率为 57%-60%。对于面部遮盖评分，在 2 和 3 之间划分的初始分类器显示的结果略好于随机结果。这在很大程度上取决于种群中面部遮盖数据的分布，其中 87% 的动物被分配到中心类别，不到 1% 的动物属于极端类别。这没有为 AI 算法的训练和验证提供任何能力。为了测试 AI 在描述面部遮盖分数方面的实用性，ML 分类器经过训练可以区分面部遮盖分数 2 和 4。当从图像中裁剪出多个区域时，分类器的预测能力得到证明，准确率为 87%。使用更平衡的数据集，其中每个面部遮盖分数都得到同等代表，很可能区分所有 5 个面部遮盖分数。对生物传感器和生物标记技术的范围及其与深度学习 AI 技术相结合时对绵羊产业定义表型的可能效用进行了审查。全球在该领域的投资成果可能会转移到绵羊产业，并将加速数字化数据量的涌现，其中大多数数据都适合人工智能和深度学习管道。在生物传感器领域，动物加速度计和地理定位设备最有前景。在生物标记领域，基因组学被认为具有最大的潜在直接优势，因为样本可以在早期采集，不受生理状态的影响，并且可以从单个样本中为几乎所有性状提供表型和遗传预测值。大规模蛋白质组学（包括免疫学）和代谢组学研究都具有广阔的未来，因为它们与生理（生产/疾病）状态密切相关，并且适合通过人工智能进行大规模分析，并且可能为复杂性状提供低成本的表型分析，尤其是与动物生物传感器结合时。