chronic obstructive pulmonary disease
PulseAugur coverage of chronic obstructive pulmonary disease — every cluster mentioning chronic obstructive pulmonary disease across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的 TACTIC 框架通过临床数据提示增强 MRI 诊断
研究人员开发了 TACTIC，一个新颖的、基于提示的多模态框架，旨在将全身 MRI (WB-MRI) 与结构化临床数据相结合，以改进疾病诊断。该方法在 arXiv 论文中有所介绍，通过将临床属性编码为提示来实现条件视觉特征学习，使其能够处理不完整或缺失的表格数据而无需进行插补。TACTIC 在五项分类任务上进行了评估，包括糖尿病、COPD、乳腺癌、前列腺癌和转移诊断，在存在临床信息的情况下，其性能优于仅图像的方法，并在数据不完整的情况…
-
新AI框架改进稀疏数据个性化治疗预测
研究人员开发了一个名为CFKD-AFN的新框架，以改进个性化治疗结局预测，特别是针对数据稀疏的罕见患者群体。该方法利用丰富但保真度较低的模拟数据来增强在有限的高保真试验数据上做出的预测。该系统采用双通道知识蒸馏模块来提取互补信息，并采用注意力引导融合模块来整合不同数据源。在慢性阻塞性肺病数据上的实验表明，与现有方法相比，预测误差显著降低。
-
Transformer模型利用呼吸机数据预测COPD急性加重
研究人员开发了一种新颖的双阶段框架，利用时间感知Transformer模型来预测慢性阻塞性肺疾病急性加重（AECOPD）的风险。该模型直接处理来自家用呼吸机的原始压力和流量波形，分析最近七天的数据。第一阶段对高风险患者进行分类，第二阶段估计事件发生前的天数，为临床医生提供早期预警和可操作的提前量。
-
新方法区分预后模型中的病例组合与背景异质性
研究人员开发了一种新方法，用于区分预后回归模型中的病例组合与背景异质性，特别是在综合来自多个站点的数据时。该方法包括在降维空间中拟合特定站点的局部回归，将平滑系数曲面划分为跨站点参考和特定站点的偏差。这种诊断区分有助于确定是应使用联合回归模型还是特定站点回归模型进行分析，这一点已在慢性阻塞性肺病试验中得到证明。
-
新基准揭示LLM在呼吸科临床决策中的风险
一个名为RESPClinBench的新基准已被开发出来，用于评估大型语言模型在呼吸专科护理中的临床决策和纵向疾病管理能力。该基准结合了胸部CT扫描和临床信息，用于评估七个LLM。Qwen3.6-27B和Qwen3.5-397B-A17B模型表现强劲，但评估也突显了模型响应中成像幻觉和医疗错误的重大风险。
-
机器学习模型加速美国小区域慢性病估计
研究人员开发了机器学习模型来解决慢性病小区域估计（SAE）的滞后问题。通过学习频繁更新的区域级预测变量与现有SAE输出之间的关系，这些模型可以生成及时的估计。该研究评估了美国十种慢性病的县级SAE的各种全局和地理加权机器学习模型，发现地理加权随机森林和地理加权回归等地理加权框架为快速SAE生成提供了可扩展的解决方案。
-
AI优先模型为农村医疗保健提供了超越医院的新途径
美国的农村医疗保健因其以医院为中心的架构而面临严峻挑战，这种架构不适合农村社区的需求。由于当前体系奖励的是就诊量而非连续性护理，并且需要患者长途跋涉就医，因此大量农村医院面临关闭的风险。新兴的AI优先护理模式通过将重点从两次就诊之间的监测和对糖尿病、心血管疾病等慢性病的积极干预转移开，而不是仅仅依赖医院，提供了一个潜在的解决方案。
-
泰德·科佩尔的妻子倡导提高对慢性阻塞性肺疾病（COPD）的认识，挑战吸烟污名
前美国广播公司（ABC News）新闻主播泰德·科佩尔（Ted Koppel）的妻子格蕾丝·安·多尼·科佩尔（Grace Anne Dorney Koppel）正在提高公众对慢性阻塞性肺疾病（COPD）的认识。她于2001年被诊断出患有严重的COPD，并被告知只能再活三到五年，但她此后已经超越了这一预后，并倡导对该疾病有更深入的了解，特别是要认识到它并非完全与吸烟有关。科佩尔强调了COPD的进行性和改变人生的性质，分享了她从最初的误诊…
-
野火烟雾笼罩北美，构成严重健康风险
来自加拿大的野火烟雾严重影响了北美地区的空气质量，底特律、多伦多和明尼阿波利斯等城市出现危险水平。烟雾中的细颗粒物（PM2.5）会带来严重的健康风险，包括呼吸系统和心血管问题，并可能进入血液。专家建议监测空气质量，待在室内并使用空气净化器，在不可避免的户外暴露时佩戴 N95 或同等级别的呼吸器。
-
新的蒸馏方法增强了多模态AI的推理能力
研究人员开发了新的策略内蒸馏技术，以改进多模态AI模型。OPOD方法将学生响应路由到特定模态的教师，在各种基准测试中取得了最先进的成果。对比策略内蒸馏（COPD）和策略内增量蒸馏（OPD^2）分别通过关注相对推理兼容性和指令调优的增量信号，进一步改进了这一点，从而实现了更高效、更强大的模型。
-
量子机器学习混合方法在COPD肌肉结局预测方面显示出前景
研究人员开发了一种新颖的量子机器学习方法，结合了几何和量子核方法，用于预测慢性阻塞性肺疾病（COPD）的骨骼肌结局。这种混合方法通过再生核希尔伯特空间映射合成参考，并使用量子回归电路进行预测。虽然在预测肌肉重量方面比经典方法提高了约1.8%，但在调整后尚未确定统计学显著性。该方法在预测肌肉质量方面也产生了数值上最低的平均RMSE，但经典岭回归在预测肌肉力量方面表现最佳。
-
深度学习模型改进哮喘/COPD肺音诊断
研究人员开发了深度学习模型，特别是CNN和GRU，利用肺音数据来区分哮喘和COPD。该研究优化了MFCC矩阵和对数梅尔频谱图等输入表示，发现MFCC更优。自适应长度窗口对于处理频谱图中不一致的时间维度至关重要，从而在基于周期的F1分数上达到0.877，在基于主体的F1分数上达到0.855。
-
大型语言模型可以通过比较问题揭示临床关联，辅助医疗决策。
研究人员开发了一种新颖的方法，利用结构化的比较问题从大型语言模型（LLMs）中提取临床变量之间的关联。该方法在COPD和多发性硬化症等领域进行了演示，采用患者比较三元组问题和统计模型来估计相关性，而无需直接访问LLM的内部工作原理。该方法旨在为从LLM训练数据中的隐式相关性到潜在因果陈述提供一条谨慎的途径，以支持医疗决策。
-
AI模型RAMoEA-QA提高了呼吸音频问答的鲁棒性
研究人员开发了RAMoEA-QA，这是一种新颖的分层模型，专为医疗保健领域的呼吸音频问答而设计。该系统通过基于输入特征进行专业化处理路径来解决整合不同患者信号和交互风格的挑战。与单一模型基线相比，RAMoEA-QA在各种采集设置和查询类型下都表现出更高的鲁棒性和准确性，在区分和回归任务以及分布变化下都取得了显著的进步。
-
Meld Studio 的 Spark AI 集成 OBS，增强直播体验
Meld Studio 发布了一款名为 Spark AI 的新集成，允许用户将 AI 驱动的功能融入其 OBS（Open Broadcaster Software）直播流。该工具旨在通过直接在直播软件中添加交互式 Web 应用程序功能来增强直播。该集成现已可供用户添加到其 OBS 设置中。