研究人员开发了一种新颖的评分工具,使AI代理能够在不损害患者隐私的情况下,从私人健康记录中发现潜在的血生物标志物。该工具在来自Clalit Health Services的超过540万患者的数据上进行训练,使用图注意力网络来预测候选生物标志物表达的曲线下面积(AUC)。这种隐私保护方法使AI代理能够优化生物标志物假设,在外部验证中平均AUC百分点提高了4.18个点,并在识别有希望的候选者方面优于现有的研究工具。 AI
影响 使AI代理能够从敏感健康数据中生成生物标志物假设,从而可能加速医学研究。
排序理由 该集群描述了一篇研究论文,其中详细介绍了一种使用特定模型架构和数据集的AI驱动发现的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →