PulseAugur
中
实时 11:32:18
English(EN) CPAgents: Agentic Composite Phenotype Generation for Cardiac Disease Association

CPAgents框架增强心血管疾病关联研究

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了CPAgents，一个用于心血管表型组关联研究（PheWAS）的新型框架。该系统使用三个协调的代理——分析师（Analyst）、提议者（Proposer）和验证者（Verifier）——从基础影像特征中自动构建和验证可解释的复合表型。在大型心脏影像队列上进行评估，CPAgents显著提高了疾病区分能力，在72种组合中有56种排名靠前，而基线方法为18种，并产生了紧凑、临床可解释的表型公式。 AI

影响 该框架有望加速新的疾病关联发现，并改善心血管研究中的风险分层。

排序理由 该集群包含一篇详细介绍用于科学发现的新计算框架的研究论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

CPAgents框架增强心血管疾病关联研究

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Zuoou Li, Wenlong Zhao, Kelly Yu, Weitong Zhang, Paul M. Matthews, Wenjia Bai, Bernhard Kainz, Mengyun Qiao ·

    CPAgents: 心脏病关联的代理复合表型生成

    arXiv:2606.28179v1 Announce Type: cross Abstract: Identifying robust associations between cardiac imaging phenotypes and clinical diseases is fundamental to population-scale cardiovascular research and reliable risk stratification. However, current phenome-wide association studie…

  2. arXiv cs.AI TIER_1 English(EN) · Mengyun Qiao ·

    CPAgents: 心脏病关联的代理复合表型生成

    Identifying robust associations between cardiac imaging phenotypes and clinical diseases is fundamental to population-scale cardiovascular research and reliable risk stratification. However, current phenome-wide association studies rely on pre-defined, single-variable phenotypes …

相关实体

相关话题