1. 通過機器學習預(yù)測精神分裂癥或雙相情感障礙的診斷進展

Predicting Diagnostic Progression to Schizophrenia or Bipolar Disorder via Machine Learning

(1) 目的：探討在電子健康記錄（EHR）的常規(guī)臨床數(shù)據(jù)上訓練的機器學習模型是否可以預(yù)測因其他精神疾病接受精神病學服務(wù)治療的患者是否會發(fā)展為精神分裂癥或雙相情感障礙。

(2) 結(jié)論：這些發(fā)現(xiàn)表明，可以從EHR中提取的常規(guī)臨床數(shù)據(jù)中預(yù)測向精神分裂癥和雙相情感障礙的診斷轉(zhuǎn)變，其中精神分裂癥明顯比雙相情感障礙更容易預(yù)測。 

2. 8個吸煙指標對頭頸部鱗狀細胞癌生存建模的性能

Performance of 8 Smoking Metrics for Modeling Survival in Head and Neck Squamous Cell Carcinoma

(1) 目的：確定哪種吸煙指標最能模擬頭頸部鱗狀細胞癌（HNSCC）患者吸煙暴露與總生存期（OS）之間的線性關(guān)聯(lián)。

(2) 結(jié)論：在這項隊列研究中，吸煙持續(xù)時間和對數(shù)煙年最好地模擬了HNSCC患者與OS的線性關(guān)系。這兩個指標在特定的臨床人口學亞組和解剖亞位點中都保持了穩(wěn)健的表現(xiàn)。盡管大多數(shù)HNSCC生存模型使用吸煙狀況或包年控制吸煙暴露，但持續(xù)時間和對數(shù)煙年可能是解釋吸煙對生存影響的更好指標。

1. 人工智能通過智能手機應(yīng)用程序輔助識別新生兒耳廓畸形

Artificial intelligence assisted identification of newborn auricular deformities via smartphone application

(1) 目的：本研究提出了一種新的人工智能（AI）模型，用于使用移動設(shè)備拍攝的照片來識別和分類耳廓畸形的常見亞型。

(2) 結(jié)論：開發(fā)的系統(tǒng)為臨床應(yīng)用提供了高效且具有成本效益的解決方案，包括新生兒耳廓畸形的早期診斷、監(jiān)測治療進展和教育目的。

 2. 機器學習檢測大腸桿菌中的異質(zhì)耐藥性

Machine learning detection of heteroresistance in Escherichia coli

(1) 目的：本文旨在研究了全基因組序列（WGS）數(shù)據(jù)和機器學習（ML）是否可用于檢測細菌異質(zhì)耐藥性（HR）。

(2) 結(jié)論：WGS和ML的組合可以以完美的靈敏度和高特異性識別細菌中的HR。這種改進的檢測將有助于做出更明智的治療決策，并可能減少與HR相關(guān)治療失敗的發(fā)生。

 3. 利用近乎實時的患者和人群數(shù)據(jù)來整合嚴重COVID-19的波動風險：個性化風險預(yù)測工具的開發(fā)和前瞻性驗證

Leveraging near-real-time patient and population data to incorporate fluctuating risk of severe COVID-19: development and prospective validation of a personalised risk prediction tool

(1) 目的：本研究的目的是開發(fā)和前瞻性驗證一種工具，用于預(yù)測嚴重COVID-19的絕對風險，并結(jié)合患者和人群水平的動態(tài)參數(shù)，可用于為臨床護理提供信息。

(2) 風險預(yù)測工具使用一種簡單的方法來調(diào)整時間變化，并且可以實施以促進循證療法的采用。該研究提供了概念驗證，用于利用實時數(shù)據(jù)來支持風險預(yù)測，其中包括不斷變化的人群水平趨勢和患者水平風險的變化。

 4. 開發(fā)基于MRI的人工智能模型，用于識別缺血性卒中后潛在的心房顫動：多中心概念驗證分析

Development of an MRI based artificial intelligence model for the identification of underlying atrial fibrillation after ischemic stroke: a multicenter proof-of-concept analysis

(1) 目的：創(chuàng)建一種新的端到端人工智能（AI）模型，該模型使用磁共振成像（MRI）數(shù)據(jù)快速識別急性缺血性中風患者的高心房顫動（AF）風險。

(2) 我們的研究表明MR圖像上的腦缺血病變模式與潛在的AF之間存在潛在關(guān)聯(lián)。此外，通過額外的驗證，我們開發(fā)的AI模型可以作為卒中單元臨床實踐中AF的快速篩查工具。

 5. 開發(fā)和驗證定量正痘病毒免疫測定法，以評估和區(qū)分對猴痘感染和疫苗接種的血清學反應(yīng)

Development and validation of a quantitative Orthopoxvirus immunoassay to evaluate and differentiate serological responses to Mpox infection and vaccination

(1) 目的：我們旨在開發(fā)一種定量免疫測定法，以區(qū)分感染和疫苗接種誘導的免疫力，并探索對猴痘感染和疫苗接種的血清學反應(yīng)。

(2) 結(jié)論：該測定在量化和區(qū)分對猴痘病毒（Mpox）感染和疫苗接種的抗體反應(yīng)方面表現(xiàn)出高靈敏度和特異性。猴痘后抗體反應(yīng)高于接種疫苗后，盡管兩者都隨著時間的推移而減弱。

1. 基于DNA甲基化的腦腫瘤診斷的可解釋人工智能

Explainable artificial intelligence of DNA methylation-based brain tumor diagnostics

(1) 目的：開發(fā)了一種機器學習分類器，可以根據(jù)臨床廣泛使用的全基因組DNA甲基化圖譜對腦腫瘤進行快速、準確和經(jīng)濟實惠的分類。

(2) 結(jié)論：預(yù)計該分類器將在臨床環(huán)境中建立對機器學習的信任，促進生物標志物的發(fā)現(xiàn)和緊湊的即時檢測的開發(fā)，并實現(xiàn)腦腫瘤的進一步表觀基因組研究。

 2. 從組織學圖像中系統(tǒng)推斷超分辨率細胞空間圖

Systematic inference of super-resolution cell spatial profiles from histology images

(1) 目的：在這項研究中報道了一種弱監(jiān)督深度學習方法HistoCell，該方法從單核水平的組織學圖像中直接推斷由細胞類型、細胞狀態(tài)及其空間網(wǎng)絡(luò)組成的超分辨率細胞空間圖譜。

(2) 結(jié)論：HistoCell將成為一種強大的多功能工具，可用于僅組織學圖像隊列中的癌癥研究。