AI 與世界的難題 ─ 醫學與藥物探索
由 AI 推進的科學與學術，依學門分類
RSS 訂閱源 · 17 項
用於肺癌與結腸癌偵測的可解釋階層式深度學習框架
原標題: An interpretable hierarchical deep learning framework for lung and colon cancer detection
由於各類別外觀相似且組織形態多變，從組織病理影像分類肺癌與結腸癌相當困難，而傳統深度學習模型幾乎無法提供透明度。作者將這項五類別任務拆解為由粗到細的階段：先區分正常與癌症，再針對正常組織類別或癌症亞型使用專門的分類器，並為每個階段選出最佳架構。該框架在 LC25000 上達到 98.50% 的準確率，在獨立的 LungHist700 資料集上達到 82.01%，並使用 Grad-CAM、Grad-CAM++、LIME 與 Occlusion Sensitivity 標示出其預測所依據的影像區域。
在MASLD時代，以人工智慧預測無B型肝炎病毒或C型肝炎病毒感染者的肝細胞癌
原標題: Artificial intelligence-based prediction of hepatocellular carcinoma in individuals without HBV or HCV infection in the MASLD era
目前的肝癌（HCC）監測指引主要針對肝硬化或病毒性肝炎患者。研究人員利用約796萬名接受健康檢查的南韓成年人的資料，建立了一個AI模型，用以預測沒有病毒性肝炎者的HCC風險。在比較的十二個模型中，MHA_DNN表現最佳，並在獨立驗證世代中維持一致的準確度。脂肪肝指數與三酸甘油酯是影響力最大的預測因子，顯示此模型有助於以代謝為基礎的個人化監測。
一種結合混合注意力機制與可解釋 AI、用於從視網膜眼底影像自動預測健康狀況的多任務深度學習框架
原標題: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
現有的視網膜眼底影像深度學習模型僅能處理單一任務,可解釋性有限,且難以應對不同資料集之間的差異。作者提出一種多任務網路,只需一次前向傳遞,即可從單張影像同時分類糖尿病視網膜病變嚴重程度、青光眼、AMD 分期及心血管風險,並提供 Grad-CAM 解釋。該模型在四個資料集上達到 94.7% 的準確率與 0.978 的 AUC,在統計上優於所有單任務模型,且在零樣本跨資料集評估中 AUC 至少達 0.951。
用於智慧心理健康診斷的自動機與機器學習整合框架
原標題: An automata-machine learning integrated framework for intelligent mental health diagnostics
學生的憂鬱症往往要到病情嚴重時才被發現,因此需要及早預測。作者結合了以有限自動機為基礎的行為建模與機器學習,從學生的情緒狀態產生特徵,並合併冗餘特徵。使用隨機森林與 KStar 的集成方法後,準確率從隨機森林的 82.02% 基準提升至採用自動機特徵後的 96.88%。作者表示,此方法能讓特徵保持可解釋且可追溯。
運用大型語言模型進行可信賴的大規模臨床資訊擷取之多階段驗證框架
原標題: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
驗證大型語言模型在臨床資訊擷取上的表現,通常需要耗費高昂成本的人工標註。作者提出一個多階段框架,結合規則式過濾、語意對應、評審 LLM 評估、專家審查及預測效度分析。將其應用於 919,783 份臨床記錄中的物質使用障礙診斷時,該框架將 14.59% 的 LLM 陽性擷取結果剔除,因為這些結果缺乏依據或不合理。主要 LLM 對照評審評估的 F1 分數為 0.80,其擷取出的診斷對後續專科照護參與度的預測表現優於結構化資料基準。
AI 在小型測試中透過臉部與舌頭照片偵測冠狀動脈心臟病
原標題: AI detects coronary heart disease from face and tongue photos in small test
中國一項新研究以臉部與舌頭的照片訓練 AI 系統，用以偵測冠狀動脈心臟病（CHD）。在一項小型測試中，該系統正確辨識出每一位 CHD 患者。
運用人工智慧與數位聽診辨識孟加拉呼吸道疾病兒童的附加肺音
原標題: Identification of adventitious lung sounds in children with respiratory illnesses in Bangladesh using artificial intelligence and digital auscultation
兒童疾病整合管理指引對肺炎的敏感度高，但特異度低。孟加拉的醫事人員使用數位聽診器，記錄疑似肺炎的五歲以下兒童的肺音，並將 AI 演算法與小兒科醫師小組進行比較。AI 偵測異常肺音的整體敏感度為 61.8%、特異度為 60.7%；在依 IMCI 判定的肺炎病例中則分別為 63.5% 和 66.8%。作者認為這屬於中等表現，在分類無法判讀的錄音方面仍需改進。
使用基礎模型自動標示手術切除邊緣
原標題: Autonomous labeling of surgical resection margins using a foundation model
病理學中評估手術切除邊緣，會受到人工塗墨錯誤、組織變形及燒灼損傷的影響。作者開發了一種虛擬塗墨網路，採用凍結的基礎模型與小型分類器，無需實體墨水即可在全切片影像上標示邊緣。在來自未見過的組織塊的 20 張切片上，其區域層級準確率約為 73.3%，所產生的疊圖在定性上與專家標註相符。這些結果屬於概念驗證，仍需在更大型的臨床世代中進行驗證。
以人工智慧實現人類棕色脂肪的臨床表型分析
原標題: Artificial intelligence-enabled clinical phenotyping of human brown fat
目前缺乏可大規模量化人體棕色脂肪組織（BAT）活性的方法。作者利用某大型癌症中心 101,243 名患者的資料，以機器學習對約 8,700 名患者的 BAT 活性進行半自動量化。較高的 BAT 活性（尤其是腋窩部位）與較低的心臟代謝疾病發生機率，以及更健康的白色脂肪分布相關。
適用於多模態醫學影像修復與增強的一體化基礎模型
原標題: An all-in-one foundation model for multimodal medical image restoration and enhancement
AMIFound 是一個基礎模型，能修復並增強因雜訊、動作偽影、低對比度或低劑量攝影而劣化的醫學影像，涵蓋七種影像模態，包括 CT、MRI、PET、內視鏡、超音波、眼底攝影和 X 光。該模型以 376 萬組成對影像訓練，在影像品質指標、臨床醫師評估和穩健性測試方面，表現優於 38 個特定任務及通用基準模型。經增強的影像也改善了 44 項疾病偵測任務、腫瘤分期預測，以及非小細胞肺癌的存活風險分層。
睡眠中的隱藏訊號可預測未來健康狀況
原標題: Hidden signals in sleep can predict future health
AI 工具能從單晚睡眠中擷取傳統睡眠指標所忽略的生理模式，而這些模式與疾病和死亡率相關。《Nature Communications》與《Nature Medicine》上的兩篇近期論文指出，睡眠資料蘊含的健康資訊遠多於臨床醫師和研究人員目前所擷取的。越來越多的證據也顯示，睡眠變化可能在疾病確診之前就已出現。
對纖毛驅動粒子運輸進行機器學習分析，可區分原發性纖毛運動不良症與正常纖毛
原標題: Machine learning analysis of cilia driven particle transport distinguishes primary ciliary dyskinesia from normal cilia
原發性纖毛運動障礙（PCD）是一種纖毛運動異常的遺傳性疾病，診斷仍具挑戰性。作者開發了 CiliaTracks，這是一個機器學習框架，可分析高速顯微鏡所拍攝的培養氣道細胞上的粒子傳輸。傳統機器學習模型與卷積神經網路對 14 位 PCD 患者和 10 位健康捐贈者的影像紀錄進行分類，準確率達 95-97%。
運用粒子群最佳化直方圖等化與基於 VGG19 的 U-Net 進行腦腫瘤分割
原標題: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
MRI 中的腦腫瘤分割速度緩慢、容易出錯，且受操作者偏差影響，而深度學習模型往往缺乏可解釋性。作者提出 SPOHE-VGGNet，結合改良版 U-Net 與 VGG-19，並以粒子群最佳化直方圖等化來增強 MRI 對比度。在 Figshare 資料集上，其 Dice 分數分別為 0.9522（腦膜瘤）、0.9428（神經膠質瘤）與 0.9518（腦下垂體腫瘤）；在 BraTS 2021 上，整個腫瘤分割的 Dice 分數為 0.9463。不過作者指出，在臨床使用前，仍需進行外部驗證、體積驗證及以臨床醫師為中心的驗證。
釋放 Earth AI 全球地理空間基礎模型的潛力，助力全球公共衛生
原標題: Unlocking Earth AI’s planetary geospatial foundation models for global public health
公共衛生決策經常因通報延遲、資料孤島和資料稀疏而受到拖累。Google 的 Population Dynamics Foundation Model（PDFM）將保護隱私的搜尋趨勢、人口移動、建成環境密度及環境因素壓縮為地點嵌入。這些嵌入可直接接入現有的流行病學模型，無需針對特定任務進行微調，並已展示五項合作夥伴的案例研究。
利用深度學習驅動的流程，透過二維多視角心臟超音波區分肥厚型心肌病變與心臟類澱粉沉積症
原標題: A deep learning-driven pipeline for differentiating hypertrophic cardiomyopathy from cardiac amyloidosis using 2D multi-view echocardiography
肥厚型心肌病變（HCM）與心臟類澱粉沉積症（CA）在心臟超音波上外觀相似，因此難以區分。該研究開發了一套深度學習架構，可將二維超音波影像分類為五種臨床相關切面，從各切面擷取特徵並加以融合。在對 212 名 HCM 患者、119 名 CA 患者及 200 名對照組患者進行的五折交叉驗證中，其精確率為 0.83、敏感度為 0.81、特異度為 0.89，micro-F1 為 0.82，作者稱其為可靠的診斷工具。
新配方可協助 RNA 疫苗耐受高溫
原標題: New formulation helps RNA vaccines withstand high temperatures
RNA 疫苗通常需要超低溫保存，因此 MIT 的研究人員利用 AI 演算法調整遞送 mRNA 疫苗的脂質奈米粒子周邊的配方。該演算法預測出最佳配方，減少了所需實驗的數量並加快開發速度。所得疫苗在室溫下可穩定保存長達一年，或在接近 100°F 的環境下穩定保存兩個月；在小鼠實驗中，一款 Covid-19 疫苗所產生的免疫反應，與類似 Moderna 的 RNA 疫苗一樣強。