acute myeloid leukemia
PulseAugur coverage of acute myeloid leukemia — every cluster mentioning acute myeloid leukemia across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI模型从流式细胞术数据预测AML突变
研究人员开发了一种可解释的多实例学习模型，可以从急性髓系白血病（AML）的常规流式细胞术数据中预测关键的分子改变。这种方法将患者样本建模为单个细胞的集合，在预测NPM1和FLT3-ITD突变方面取得了高精度。该模型的预测在一个独立的队列中得到了验证，并证明了其识别既定免疫表型特征的能力，为传统的分子检测提供了一种更快、更具成本效益的替代方案。
-
新的MPC框架支持用于疾病检测的隐私保护CellCnn
研究人员开发了一个新颖的框架，使用安全多方计算（MPC）来训练和部署CellCnn，这是一种用于检测罕见病相关细胞亚群的卷积神经网络。该方法允许分析敏感的单细胞数据，例如与白血病和病毒感染相关的数据，而无需暴露原始患者信息。MPC方法在保持与明文模型相当的高精度的同时，通过保留ReLU激活等关键架构组件，显著改进了以往的隐私保护技术。
-
新框架利用AI模型改进白血病细胞分类
研究人员开发了一个新的白血病细胞分类框架，该框架采用了一个利用预训练视觉基础模型的两阶段流程。第一阶段使用超过122,000张图像对白血病和非白血病进行二元分类，第二阶段使用近70,000张图像对阳性病例有条件地分类为急性淋巴细胞白血病（ALL）和急性髓系白血病（AML）。该研究对DinoBloom、BiomedCLIP和CLIP三个编码器进行了基准测试，通过线性探测、低秩自适应（LoRA）和检索增强分类（RAC）模块评估它们的性能，…
-
开源AI工具培训实验室人员进行流式细胞术和白血病诊断
一位医院实验室科学家开发了一个名为Flow-Gate Learn的开源交互式Web培训工具，以协助教授临床流式细胞术和免疫表型分析。该应用程序使用AI代理构建，通过模拟正常病例和患者病例，指导用户识别细胞群和诊断急性髓系白血病（AML）等疾病。它具有交互式绘图区域和各种门控工具，以及一个3D细胞检查器，用于可视化细胞形态和受体蛋白。
-
AI 系统 Co-Scientist 利用 Gemini 加速科学发现
研究人员开发了 Co-Scientist，这是一个多智能体 AI 系统，旨在通过生成和完善新颖的假设以供实验验证来加速科学发现。Co-Scientist 基于 Google 的 Gemini 模型构建，采用结构化思维过程，智能体不断生成、批评和改进假设。该系统在生物医学应用中展示了其潜力，成功识别了急性髓系白血病的药物再利用候选物和协同疗法，这些随后通过体外实验得到了验证。
-
深度学习助力骨髓涂片急性髓系白血病诊断
研究人员开发了一个深度学习流程，利用骨髓涂片图像辅助急性髓系白血病（AML）的诊断。该系统分析单个细胞，以汇总患者级别的发现，目标是复合的原始细胞样细胞类别。该方法在跨多个中心的外部测试中取得了强劲的验证结果，F1分数达到0.90以上。
-
AI系统Co-Scientist对科学假设进行排名并提出白血病候选药物
Co-Scientist是一个AI系统，它通过多智能体竞赛展示了其对科学假设进行排名的能力。假设的表现通过辩论进行评估，AI模型会评判自己的创作。值得注意的是，Co-Scientist提出的几种用于急性髓系白血病的药物再利用候选药物在体外测试中显示出疗效。
-
新机制设计框架解决银行网络中的合规道德风险
研究人员开发了一个机制设计框架，以解决去中心化风险分析中的信息聚合问题，特别是在银行网络的反洗钱（AML）领域。提出的时间价值分配（TVA）机制通过对已验证的结果使用评分规则，激励竞争公司之间的真实报告。在合成AML基准上的模拟表明，与自给自足或设计不佳的强制共享相比，TVA可以显著提高福利，凸显了精心设计的激励措施克服合规道德风险的潜力。
-
Didit 发布集成了 AI 的类似 Stripe 的身份验证平台
Didit 是一家由同卵双胞胎创立的初创公司，它推出了一个旨在简化企业身份验证流程的新平台。该服务旨在通过提供统一的集成来简化 KYC、AML、生物识别和欺诈防护复杂且分散的格局。Didit 开发了自己的 AI 模型用于 ID 验证和生物识别，通过自动化手动审查和检测复杂的欺诈企图，使他们能够提高入职率并降低成本。