PulseAugur
中
实时 10:41:39
English(EN) THBKG: A Temporal Biomedical Knowledge Graph for Decision-Aligned Clinical Advancement Prediction

新的时间知识图谱预测临床试验成功率

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 THBKG，一个时间异构生物医学知识图谱，旨在预测临床试验中治疗方案的进展。该图谱考虑了特定过去决策点可用的证据，弥补了现有生物医学知识图谱的关键不足。THBKG 成功预测了目标疾病对的 III 期进展，其表现优于直接证据模型，尤其是在缺乏直接支持数据的案例中。该系统通过中间生物学连接传播信息的能力，使其即使在直接证据稀缺的情况下也能识别有希望的假设，并提供可解释的预测。 AI

影响 这个时间知识图谱可以通过更好地预测临床试验的成功率来提高药物开发的效率。

排序理由 该集群包含一篇详细介绍新知识图谱及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的时间知识图谱预测临床试验成功率

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Pui Chung Siu, Claudia Cabrera, Mani Mudaliar, Arkaitz Zubiaga ·

    THBKG：用于决策对齐临床进展预测的时间生物医学知识图谱

    arXiv:2608.05982v1 Announce Type: new Abstract: Inadequate target--disease linkage accounts for 40--50\% of Phase~II efficacy failures, so anticipating which programmes will advance would let sponsors back the hypotheses most likely to reach patients. What a programme can be judg…

相关话题