JAMA  2025/07/07-2025/07/13

THE LANCET  2025/07/07-2025/07/13

Nature  2025/07/07-2025/07/13

JAMA

1.應(yīng)用大型語言模型進(jìn)行手術(shù)病例持續(xù)時(shí)間預(yù)測(cè)

Applying Large Language Models for Surgical Case Length Prediction

(1)目的：評(píng)價(jià)大型語言模型（LLM）使用非結(jié)構(gòu)化臨床數(shù)據(jù)預(yù)測(cè)手術(shù)病例持續(xù)時(shí)間的可行性和準(zhǔn)確性，與現(xiàn)有估計(jì)方法相比。

(2)結(jié)論：研究的結(jié)果表明，微調(diào)的LLM可以預(yù)測(cè)手術(shù)病例持續(xù)時(shí)間，其準(zhǔn)確性與當(dāng)前的機(jī)構(gòu)調(diào)度方法相當(dāng)或超過。這表明LLM有可能通過使用現(xiàn)有臨床文檔改進(jìn)病例持續(xù)時(shí)間預(yù)測(cè)來提高手術(shù)室效率。

2.使用標(biāo)準(zhǔn)化框架評(píng)估將患者說明翻譯成西班牙語的大型語言模型

Evaluating a Large Language Model in Translating Patient Instructions to Spanish Using a Standardized Framework

(1)目的：確定GPT-4o是否可以生成與專業(yè)人工翻譯相當(dāng)?shù)膫€(gè)性化患者指示的高質(zhì)量西班牙語翻譯。

(2)結(jié)論：在這項(xiàng)橫斷面研究中，GPT-4o生成的兒科患者說明的西班牙語翻譯在質(zhì)量上與使用標(biāo)準(zhǔn)化框架評(píng)估的專業(yè)人工翻譯的質(zhì)量相當(dāng)。雖然對(duì)LLM翻譯的人工審查在醫(yī)療保健中仍然是必不可少的，但這些發(fā)現(xiàn)表明GPT-4o 可以減少西班牙語的翻譯工作量，從而可能釋放資源來支持小語種傳播。

THE LANCET

1.開發(fā)基于深度學(xué)習(xí)的成像診斷框架PVDNet，用于區(qū)分肺動(dòng)脈肉瘤和肺血栓栓塞：一項(xiàng)多中心觀察性研究

Developing a deep learning-based imaging diagnostic framework, PVDNet, for differentiating pulmonary artery sarcoma and pulmonary thromboembolism: a multi-center observational study

(1)背景：根據(jù)CT肺血管造影（CTPA）區(qū)分肺動(dòng)脈肉瘤（PAS）和肺血栓栓塞（PTE）是一項(xiàng)巨大的挑戰(zhàn)，需要結(jié)合其他方法，例如深度學(xué)習(xí)（DL）。本研究旨在開發(fā)和驗(yàn)證一種基于DL的模型PVDNet，用于區(qū)分CTPA上的PAS和PTE。

(2)解釋：PVDNet模型可以區(qū)分PAS和PTE，其性能接近專門研究肺血管疾病的高級(jí)放射科醫(yī)生的熟練程度。PVDNet在區(qū)分急性PTE和慢性PTE方面的性能需要進(jìn)一步優(yōu)化。

2.基于FTIR的分子指紋圖譜使用機(jī)器學(xué)習(xí)從人類血清中快速分類登革熱和基孔肯雅熱：一項(xiàng)觀察性研究

FTIR-based molecular fingerprinting for the rapid classification of dengue and chikungunya from human sera using machine learning: an observational study

(1)背景：登革熱和基孔肯雅熱是由伊蚊傳播的蟲媒病毒性疾病，在東南亞和印度共同流行。準(zhǔn)確和快速的診斷對(duì)于有效的疫情管理至關(guān)重要，但傳統(tǒng)的診斷方法（ELISA、RT-PCR）受到交叉反應(yīng)性和對(duì)專業(yè)基礎(chǔ)設(shè)施需求的限制。振動(dòng)光譜法提供了一種新穎的、無標(biāo)記的替代方案，可直接從血清中檢測(cè)宿主分子變化。

(2)解釋：振動(dòng)光譜學(xué)，特別是與機(jī)器學(xué)習(xí)集成的FTIR，提供了一個(gè)強(qiáng)大、快速和可擴(kuò)展的診斷平臺(tái)，用于區(qū)分混合感染率高地區(qū)的蟲媒病毒感染。與ELISA和RT-PCR相比，該方法直接從血清中捕獲宿主生物分子變化，最大限度地減少了交叉反應(yīng)性并提高了診斷速度。它在床旁環(huán)境中的部署可以顯著改善蟲媒病毒監(jiān)測(cè)和臨床管理，尤其是在資源有限的地區(qū)。

Nature

1.核形態(tài)計(jì)量學(xué)與機(jī)器學(xué)習(xí)相結(jié)合，可識(shí)別不同年齡的衰老動(dòng)態(tài)狀態(tài)

Nuclear morphometrics coupled with machine learning identifies dynamic states of senescence across age

(1)摘要：細(xì)胞衰老是一種不可逆的細(xì)胞周期停滯狀態(tài)，在組織修復(fù)、衰老和疾病中起著復(fù)雜的作用。然而，鑒定細(xì)胞衰老的不一致導(dǎo)致了關(guān)于其功能意義的不同結(jié)論。我們開發(fā)了一種基于機(jī)器學(xué)習(xí)的方法，該方法使用核形態(tài)計(jì)量學(xué)以單細(xì)胞分辨率識(shí)別衰老細(xì)胞。通過應(yīng)用無監(jiān)督聚類和降維技術(shù)，我們構(gòu)建了一個(gè)強(qiáng)大的流程，可以區(qū)分培養(yǎng)系統(tǒng)中的衰老細(xì)胞、新鮮分離的細(xì)胞群和組織切片。在這里，我們表明這種方法揭示了再生骨骼肌和骨關(guān)節(jié)炎關(guān)節(jié)軟骨中與年齡相關(guān)的動(dòng)態(tài)衰老模式。我們的方法提供了一種廣泛適用的策略，可以在不同的生物學(xué)環(huán)境中繪制和量化衰老細(xì)胞狀態(tài)，提供了一種輕松評(píng)估這種細(xì)胞命運(yùn)如何在整個(gè)生命周期中促進(jìn)組織重塑和退化的方法。