XiaoMi-AI文件搜索系统
World File Search System高度预测
Shapley-Lorenz 可解释人工智能
数据和计算能力的不断增长使得开发具有高度预测性的机器学习模型成为可能。另一方面，考虑到对具有重大社会影响的活动可能产生的不利后果，政策制定者和监管者对人工智能应用产生了一定程度的怀疑。为了在保护社会的同时促进创新，人们开始就开发可解释的人工智能 (XAI) 方法达成共识，即能够使机器学习模型可解释并因此被理解的方法，特别是在因果发现方面。事实上，近年来，人工智能应用和产品的日益普及，促使政策制定者和监管者要求底层机器学习模型是可解释的，以便人类用户能够理解它们：例如，参见欧洲委员会 (2020) 最近的论文。这一要求在受到严格监管的经济部门（如卫生和金融）中尤为明显。根据政策要求，研究人员最近讨论了如何使机器学习模型可解释的问题。现有论文将内容分为不同的解释类别。这些方法的详细评论可以在 Guidotti 等人 (2018) 中找到。本文仅关注两种方法：全局解释和局部解释。这是因为我们的提议是局部解释和全局解释相结合的结果。虽然全局解释描述了整个模型，即哪些解释变量最能决定其预测，但对于所有统计
探索孟加拉国城市人口中Covid-19的行为决定因素：行为改变干预措施的影响
后果，感知的动作功效，COVID-19的严重程度，访问权限和最终的神圣意志。与HBM一致，对疾病本身的信念高度预测了疫苗的接受性，并且在该人群中接受疫苗接受率最强的统计学意义（p <0.001）的依据是禁令和描述性社交规范的信念。具体来说，如果医生或护士推荐医生或护士，受体的可能性高出3.2倍，他们很可能会接受Covid-19-19，这是他们认识的大多数人会接受疫苗的可能性的两倍，而大多数人会说，大多数亲密的家人和朋友将获得疫苗的可能性要高1.3倍。发现疫苗的感知安全性很重要，因为非接受者说Covid-19疫苗“根本不安全”的可能性高1.8倍。对一个人患Covid-19疾病及其严重性的风险的信念是预测成为疫苗受体的人：受体的1.4倍可能会说，他们家中的某人很有可能会说，共同获得1.3倍的可能性，说他们很可能会更担心某人，如果某人的契合率更高，则他们的家庭可能会更加严重。受托人对使免疫更容易的其他反应可能有助于编程以提高接受的接受，例如通过政府医疗机构，学校和亭提供疫苗接种，并让疫苗接种者保持适当的COVID-COVID-19-Health and Safety Consects。
通过校准患者特定通路特征，使用预测机器学习模型进行药物反应模拟
图 1. 方法论和方法验证的概念概述。a) 通路活动评分用于训练一个高度预测性的 ML 模型，该模型可区分正常和疾病样本，在热图上分别标记为绿色和红色。b) 接下来，使用药物靶标信息并应用模拟给定药物在通路水平上效果的评分算法来修改疾病样本的通路评分。然后使用训练有素的 ML 分类器评估以前归类为“患病”的修改后的疾病样本现在是否可以归类为“正常”。c) 最后，我们使用现在被归类为正常的疾病样本比例作为代理来识别候选药物，提出联合疗法，并确定新的目标。d) 为了验证该方法，我们首先使用来自 KEGG 和 BRCA-、LIHC- 和 PRAD-TCGA 数据集的通路执行 ssGSEA 以获取样本通路活动得分。 e) 接下来，我们从 DrugBank 和 DrugCentral 获得已知的药物-靶标相互作用，从 Clinicaltrials.gov 和 FDA 批准的药物获得药物-疾病对（即 FDA 批准的药物和针对特定病症的临床试验药物），其中后两者被用作真实阳性（TP）列表。 f) 为了使用通路活性得分模拟上述 TCGA 数据集中患者的药物治疗（即图 1d），我们应用了图 1a-c 中描述的方法，根据治疗的疾病样本比例获得药物排名。最后，我们确定了按我们的方法排名的药物中对三个 TCGA 数据集为真阳性的比例，并将该比例与随机机会进行了比较。
个体语言学习概况的神经指纹
人类语言学习在此过程中在个人之间有显着差异和最终成就。尽管数十年的研究探索语言学习的神经底物已经确定了独特而重叠的神经网络，这些神经网络依靠不同组成部分的学习，但驱动较大个体间差异的神经机制仍然远非被理解。在这里，我们研究了培训会议中男女多种大脑网络的神经动力学在多大程度上有助于解释在7 d培训和成像与功能MRI的7 d训练和成像中，在学习多种语言组成部分（即词汇，形态和短语和句子结构）的多种程度差异。通过机器学习和预性建模，跨培训课程的神经激活模式高度预测了从四个组成部分得出的个体学习成功曲线。我们确定了四个神经学习网络（即Perisylvian，Frontoparietal，显着性和默认模式网络），并检查了他们对学习成功预测的动态贡献。此外，根据特定的训练阶段和学习组件，跨网络的预测性鲁棒性会系统地改变。我们进一步揭示了下部额叶，孤立和额叶区域中网络节点的子集越来越代表新获得的语言知识，而在学习过程中，这些表示区域之间的多元连通性在学习过程中增强了更多成功的学习者。这些发现使我们能够理解为什么学习者有所不同，并且第一个不仅可以归因于跨组件的成功程度，而且归因于语言学习的模式，也可以归因于从多个神经网络动力学中总结的神经指纹。
大脑行为和免疫力
西方饮食（WD）在生命早期发育时期的消费与记忆功能受损有关，特别是对于海马（HPC）依赖性过程。我们开发了一种与长期HPC功能障碍相关的早期生命WD啮齿动物模型，以研究介导这些作用的神经生物学机制。大鼠在少年和青少年阶段（产后26 - 56天）接受了自助餐风格的WD（随意进入各种高脂/高糖食品； CAF）或标准的健康食物（CTL）。行为和代谢评估是从成年开始的健康饮食干预期之前和之后进行的。结果显示，尽管有健康的饮食干预，但CAF大鼠中依赖于HPC的上下文记忆障碍。鉴于HPC乙酰胆碱（ACH）信号失调与人类和动物模型中的记忆障碍有关，我们检查了CAF和CTL大鼠背侧HPC（HPCD）中ACH张力的蛋白质标志物。结果表明，CAF与CTL大鼠的HPCD中囊泡ACH转运蛋白的蛋白质水平明显降低，表明慢性降低了ACH张力。使用基于强度的ACH感应荧光报告基因（IACHSNFR）在体内纤维光度法中靶向HPCD，我们接下来透露，在对象上下文新颖性识别过程中ACH释放在高度预测的记忆力中，并且在CAF VS. CTL大鼠中被干扰。神经药物的结果表明，在训练中，HPCD中的α7烟碱ACH受体激动剂输注CAF大鼠的记忆缺陷。总的来说，这些发现揭示了将早期生命摄入量与HPC ACH信号的长期失调联系起来的功能连接，从而确定了与WD相关的记忆障碍的基本机制。
AUD（酒精使用障碍）的处理
在青春期或成年初期，受到适度的严重性，通常与犯罪行为相关。其他研究表明，I型和II型酒精中毒也不同于特征性格特征（避免危害和新颖性）以及某些神经物理 - 逻辑标记。即使在治疗后，治愈和保持清醒的生活方式似乎更加困难。尽管经常出现非典型，特定于病例的情况，但此分类仍然可用于基于单个患者的个性化特定必需品临床决策。重要的是要考虑到酒精中毒的类型高度预测相关的不同预后进化，比任何其他预后因素都更为重要。渴望与I型酒精中毒有关，希望（情感，作者的注意）缓解疼痛，在II型al-Cololism中，“寻求”/“想要”/“想要”主要是欣快的感觉。以某种方式，任何成瘾以及酒精中毒都可以被视为情感问题。不知所措的情绪制度在某种程度上被破坏了，并且饮酒和/或物质的消费是试图对“错误”情绪的治疗答案。对于I型酒精中毒，这可能是一种慢性情绪麻木，由于较早时代的一次创伤事件而导致的潜在疼痛。但是，在这里，基本的情绪系统仅处于困境中，基本上没有损坏。因此，对I型酒精中毒的良好治疗干预与更好的预后相关。在II型中，情绪系统本身存在问题4，主要是关于阿片类药物和多巴胺系统的问题。缺乏阿片类药物是由于不安全的纽带5和/或由于婴儿早期/青春期的神经可塑性发展而导致的多巴胺缺乏多巴胺，导致个人疾病的主要症状：害怕遗弃（Opioid System）的恐惧（Opioid System），并且缺乏基本的anheDonia dopamine dopamine dopamiNe dopamiNe dopamiNe dopamiNe dopammin neverne casunia。在这种情况下的治疗目标无法作为Integrum的真正康复设定，但是治疗可以促进更好地接受自己的“在世界上”，与脆弱的情感体系一起生活，并尽最大努力6。Marsha Linehan为此使用图像：“如果生活给了我lem-ons，我应该做柠檬水。”有趣的是，预测预后的观点并不是实际的加性或情感不稳定症状的严重性。必须一方面考虑最近的创伤性，实际资源（家人，朋友，家庭，经济状况，工作，工作，身体和
社交媒体和疫苗犹豫
摘要 背景 随着全球范围内 COVID-19 疫苗接种计划的日益临近，了解社交媒体上反疫苗接种活动所带来的威胁至关重要。我们在全球范围内评估社交媒体和在线外国虚假宣传活动对疫苗接种率和对疫苗安全态度的影响。 方法 我们使用大 n 跨国回归框架来评估社交媒体对全球疫苗犹豫的影响。为此，我们从两个维度对社交媒体的使用进行操作：公众使用它来组织行动（使用数字社会项目指标），以及社交媒体上关于疫苗的负面言论水平（使用 2018-2019 年全球所有地理编码推文的数据集）。此外，我们还衡量了每个国家社交媒体上外国来源的协调虚假信息行动的水平（使用数字社会项目指标）。疫苗犹豫的结果以两种方式衡量。首先，我们使用民意调查来了解每个国家有多少比例的公众认为疫苗不安全（使用 137 个国家的 Wellcome 全球监测指标）。其次，我们使用了世卫组织针对 166 个国家的年度实际疫苗接种率数据。结果我们发现，使用社交媒体组织线下行动可以高度预测人们认为接种疫苗不安全的信念，而且随着社交媒体上组织活动的增多，这种信念会日益增强。此外，外国虚假信息的盛行在预测平均疫苗接种覆盖率随时间下降方面具有高度统计和实质性意义。5 点虚假信息量表中每上升 1 点，平均疫苗接种覆盖率就会同比下降 2 个百分点。我们还发现有证据支持外国虚假信息与社交媒体上有关疫苗接种的负面活动之间的联系。外国虚假信息的实质性影响是使中位数国家的负面疫苗推文数量增加了 15%。结论社交媒体上的组织活动与公众对疫苗安全性的疑虑之间存在显著关系。此外，外国虚假宣传活动与疫苗接种覆盖率下降之间存在显著关系。
社交媒体和疫苗犹豫
摘要 背景 随着全球范围内 COVID-19 疫苗接种计划的日益临近，了解社交媒体上反疫苗接种活动所带来的威胁至关重要。我们在全球范围内评估社交媒体和在线外国虚假宣传活动对疫苗接种率和对疫苗安全态度的影响。 方法 我们使用大 n 跨国回归框架来评估社交媒体对全球疫苗犹豫的影响。为此，我们从两个维度对社交媒体的使用进行操作：公众使用它来组织行动（使用数字社会项目指标），以及社交媒体上关于疫苗的负面言论水平（使用 2018-2019 年全球所有地理编码推文的数据集）。此外，我们还衡量了每个国家社交媒体上外国来源的协调虚假信息行动的水平（使用数字社会项目指标）。疫苗犹豫的结果以两种方式衡量。首先，我们使用民意调查来了解每个国家有多少比例的公众认为疫苗不安全（使用 137 个国家的 Wellcome 全球监测指标）。其次，我们使用了世卫组织针对 166 个国家的年度实际疫苗接种率数据。结果我们发现，使用社交媒体组织线下行动可以高度预测人们认为接种疫苗不安全的信念，而且随着社交媒体上组织活动的增多，这种信念会日益增强。此外，外国虚假信息的盛行在预测平均疫苗接种覆盖率随时间下降方面具有高度统计和实质性意义。5 点虚假信息量表中每上升 1 点，平均疫苗接种覆盖率就会同比下降 2 个百分点。我们还发现有证据支持外国虚假信息与社交媒体上有关疫苗接种的负面活动之间的联系。外国虚假信息的实质性影响是使中位数国家的负面疫苗推文数量增加了 15%。结论社交媒体上的组织活动与公众对疫苗安全性的疑虑之间存在显著关系。此外，外国虚假宣传活动与疫苗接种覆盖率下降之间存在显著关系。
使用后部优势节律预测创伤性脑损伤结果
目的 预测严重创伤性脑损伤 (sTBI) 的结果具有挑战性，现有模型对个体患者的适用性有限。本研究旨在确定可以预测 sTBI 后恢复情况的指标。研究人员努力证明脑电图上的后部优势节律与积极结果密切相关，并开发一种基于机器学习的新型模型，准确预测意识的恢复。方法 在这项回顾性研究中，作者评估了 2010 年至 2021 年期间所有因 sTBI（格拉斯哥昏迷量表 [GCS] 评分 ≤ 8）入院的插管成年人，他们在 sTBI 后 30 天内接受了 EEG 记录（n = 195）。收集了 73 个临床、放射学和 EEG 变量。根据受伤后 30 天内是否出现 PDR，创建了两个队列：有 PDR 的队列（PDR[+] 队列，n = 51）和没有 PDR 的队列（PDR[-] 队列，n = 144），以评估表现和四种结果的差异：院内生存率、恢复服从命令的能力、出院时格拉斯哥预后量表扩展版 (GOS-E) 评分以及出院后 6 个月的 GOS-E 评分。AutoScore 是一种基于机器学习的临床评分生成器，可选择重要预测变量并为其分配权重，用于创建预测院内生存率和恢复服从命令能力的预后模型。最后，使用 MRC-CRASH 和 IMPACT 创伤性脑损伤预测模型将预期的患者结果与真实结果进行比较。结果 在入院时，PDR(−) 组的平均 GCS 运动分较低（1.97 比 2.45，p = 0.048）。尽管预测结果（通过 MRC-CRASH 和 IMPACT）没有差异，但 PDR(+) 组具有更高的院内生存率（84.3% 比 63.9%，p = 0.007）、恢复听从指令率（76.5% 比 53.5%，p = 0.004）和平均出院 GOS-E 评分（3.00 比 2.39，p = 0.006）。6 个月 GOS-E 评分没有差异。然后使用 AutoScore 识别以下 7 个对院内生存率和恢复听从指令具有高度预测性的变量：年龄、体重指数、收缩压、瞳孔反应性、血糖和血红蛋白（均在入院时）以及 EEG 上的 PDR。该模型对预测住院生存率（曲线下面积 [AUC] 0.815）和恢复命令执行能力（AUC 0.700）具有出色的辨别力。结论 sTBI 患者脑电图的 PDR 可预测有利的结果。作者的预后模型在预测这些结果方面具有很强的准确性，并且比以前报告的模型表现更好。作者的模型在临床决策以及为此类伤害后的家庭提供咨询方面很有价值。
患有或患有心力衰竭风险但在第一次住院之前患者或有风险的患者的生长分化因子15
在早期阶段对患有心力衰竭（HF）不良预后的患者的抽象客观识别是一个优先事项。生长分化因子（GDF）-15已成为一种潜在有用的生物标志物。本研究试图确定循环GDF-15的决定因素，并评估其在HF风险或患有HF的患者但在首次住院之前的患者中的预后价值。在A – C HF期间经历了心血管磁共振和GDF-15的测量的A – C HF期间2166名患者的前瞻性，纵向队列研究。多变量线性回归研究了GDF-15的决定因素。COX比例危害建模，净重新分类改进和决策曲线分析检查了其增量预后价值。 主要结果是HF或全因死亡率的首次住院综合。 中值随访是1093（939–1231）天。 结果GDF-15的主要决定因素是年龄，糖尿病和N末端pro-b型纳地酸肽，尽管尽管进行了广泛的表型，但只能解释GDF-15差异的一半左右（R 2 0.51）。 对数转换的GDF-15是结果的最强预测指标（HR 2.12，95％CI 1.71至2.63），导致了具有更高预测精确度的风险预测模型（连续净重新分类0.26; 95％CI 0.13至0.39; 95％CI 0.13至0.39），并且具有更大的临床网络范围内的临床范围优先范围。 试用注册号NCT02326324。COX比例危害建模，净重新分类改进和决策曲线分析检查了其增量预后价值。主要结果是HF或全因死亡率的首次住院综合。中值随访是1093（939–1231）天。结果GDF-15的主要决定因素是年龄，糖尿病和N末端pro-b型纳地酸肽，尽管尽管进行了广泛的表型，但只能解释GDF-15差异的一半左右（R 2 0.51）。对数转换的GDF-15是结果的最强预测指标（HR 2.12，95％CI 1.71至2.63），导致了具有更高预测精确度的风险预测模型（连续净重新分类0.26; 95％CI 0.13至0.39; 95％CI 0.13至0.39），并且具有更大的临床网络范围内的临床范围优先范围。试用注册号NCT02326324。在患有HF风险或HF的患者中的结论，但在首次住院之前，GDF-15提供了独特的信息，并高度预测了HF或全因死亡率的住院治疗，从而导致更准确的风险分层可以改善临床决策。