跳到正文
只看一手#医学 AI
  1. Google Research Blog60

    Google 发布 Deep Review 智能体文档审阅系统

    Google 公开发布 Deep Review，一个面向复杂技术文档的智能体审阅系统，可检查逻辑一致性、数学陈述、事实依据并与已有工作比较。系统采用文档分段、自适应算力分配、并行分段核查与全局综合四阶段流程，并已加入 Gemini 4 Argon 支持。

    推荐理由：该工具用四阶段智能体流程做长文档审阅，并公开了与四个会议试点中超过 1.6 万篇稿件的反馈经验。

  1. Nature Machine Intelligence82

    AMIFound 统一 7 种医学影像的修复与增强

    Cao 等人提出一体化基础模型 AMIFound，用于 CT、MRI、PET、内镜、超声、眼底成像和 X 射线 7 种医学影像的增强与修复。模型在 376 万对高质量与退化图像上训练和评估，覆盖 7 类代表性退化模式；共享编码器提取模态与退化线索，动态路由的专家修复池为每个输入选择增强路径。在 7 种模态上，AMIFound 在全参考图像质量指标、临床医生评估、组合退化鲁棒性测试以及自然退化临床图像上均优于 38 个任务专用与通用基线。增强后的图像还改善了 44 项疾病检测任务、肿瘤分期预测和非小细胞肺癌生存风险分层，包括个体层面的预后排序。

    推荐理由：该模型用 376 万对图像统一处理 7 种医学影像的退化修复，并检验增强后对下游诊断任务的影响。

  2. Google Health Blog58

    Google 总结用 AI 模型理解与治疗疾病的研究进展

    Google 回顾其健康研究布局，称过去五年团队发表了 90 篇经同行评审的疾病相关论文，累计被引用超过 9 万次。

    推荐理由：Google 汇总了 AlphaFold、AlphaGenome Atlas 等模型在疾病检测与药物发现上的落地案例，可快速了解其健康研究布局。

  1. Nature Computational Science40

    人工智能时代的流行病学建模

    Nature Computational Science 刊文讨论人工智能正让流行病模型能够跨多次疫情暴发进行学习，而接下来的挑战是确保这些模型学到并迁移的不只是统计模式，还包括流行病学机制。

    推荐理由：文章把跨疫情暴发的模型学习与机制迁移问题摆在一起，适合关注传染病建模与 AI 结合方向的读者了解这一领域当前的讨论焦点。

  2. Google Health Blog72

    Google 与 BIDMC 在《柳叶刀》发表 AMIE 诊断 AI 真实门诊研究

    Google 与 Beth Israel Deaconess Medical Center（BIDMC）在《柳叶刀》发表 AMIE 诊断 AI 聊天机器人真实门诊研究，98 例患者在就诊前先与 AMIE 对话，监督医生实时监控，没有一次对话因预设安全标准被中断。

    推荐理由：在真实门诊中，98 例患者先与诊断 AI 对话，医生实时监督，结果无一次因安全标准被中断，可对照 AI 问诊的落地边界。

  1. Google Health Blog67

    Google Earth AI 联合全球卫生伙伴，用地理空间模型预测疾病暴发

    Google Research 与 Google Health 发布与全球卫生伙伴合作的新研究论文，展示 Google Earth AI 结合卫星影像、移动数据和 AlphaEarth Foundations、Population Dynamics Foundation Model（PDFM）等基础模型，用于疾病预测与公共卫生决策。

    推荐理由：Google Earth AI 与 WHO、INRB 等机构合作，把地理空间模型用于埃博拉、霍乱、登革热等疾病预测，展示了公共卫生从被动响应转向主动预防的路径。

  2. Nature Biotechnology72

    Visionary AI 用视网膜图像与血管建模预测妊娠期高血压疾病

    研究团队提出可解释人工智能平台 Visionary AI，将视网膜图像与基于图的血管建模结合，在临床发病前预测妊娠期高血压疾病。该平台把视网膜图像转换为微血管结构的拓扑与几何表示，依据有生物学基础的血管特征而非通用图像嵌入或临床变量进行风险预测。在 1,267 例妊娠的前瞻性开发队列中，Visionary AI 对子痫前期在全人群对照设置下取得 AUC = 0.91、AP = 0.81；经稳定性优化的模型无需重新训练即迁移至独立外部验证队列，取得 AUC = 0.81、AP = 0.68，并优于临床与深度学习基准。

    推荐理由：该框架把视网膜微血管拓扑与几何特征用于妊娠高血压疾病的早期预测，并在独立外部队列中验证了迁移能力。

  1. Biohub78

    Biohub 用 AI 揭示肿瘤细胞状态异质性，预测联合用药延长 DMG 小鼠生存

    Biohub 与哥伦比亚大学等机构合作在 Nature Genetics 发表两篇论文，提出“cancer quantum biology”假说：同类型肿瘤在患者间拥有几乎相同的恶性细胞状态集合，这些状态可相互转换从而逃避单靶点药物。

    推荐理由：两篇 Nature Genetics 论文提出肿瘤细胞状态在患者间高度保守，并用 AI 预测针对多状态的联合用药，在 DMG 小鼠模型中延长生存。

  1. Biohub60

    Biohub 联合创始人 Priscilla Chan 回顾蛋白建模、细胞成像与患者驱动研究进展

    Biohub 联合创始人 Priscilla Chan 发文回顾今年上半年进展，包括 5 月发布基于下一代 ESM 的蛋白质生物学世界模型，可预测蛋白折叠、相互作用与功能并设计新蛋白，已有科学家用它设计抗体候选并在早期实验室测试中针对癌症和免疫相关靶点显示初步结果。

    推荐理由：Biohub 联合创始人以第一人称复盘半年进展，把蛋白世界模型、激光相位板与虚拟细胞计划串成一条开放科学路线。

  1. Biohub75

    Biohub 用全基因组 CRISPR 筛选结合 AI 发现银屑病新药靶点

    Biohub 团队对原代人成年皮肤角质形成细胞完成全基因组 CRISPR 筛选，并用基于文献训练的大语言模型 VirtualCRISPR 筛出文献中未被关注的靶点，相关结果发表于 Nature Communications。

    推荐理由：用离心递送绕过角质形成细胞转染难题，完成全基因组 CRISPR 筛选，再以语言模型筛出文献未覆盖的靶点。

已经到底了