chronic renal insufficiency
PulseAugur coverage of chronic renal insufficiency — every cluster mentioning chronic renal insufficiency across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
大型语言模型在慢性肾脏病早期筛查方面展现出潜力
一项新研究提出了LLM4CKD，一个利用大型语言模型进行慢性肾脏病（CKD）早期筛查的框架。该方法旨在通过采用零样本和少样本上下文学习来克服传统机器学习和深度学习方法的在数据和训练方面的局限性。虽然大型语言模型在低数据场景下表现出竞争力，通常能媲美甚至超越传统模型，但随着输入复杂度的增加，其稳定性会下降。传统的机器学习、深度学习和表格基础模型在更大的数据集上显示出更一致的改进，这表明大型语言模型的数据效率与其它方法的稳定性之间存在权衡。
-
机器学习模型识别慢性肾脏病的关键风险因素
研究人员开发了一个机器学习框架，用于识别慢性肾脏病（CKD）的风险个体。通过分析行为风险因素监测系统（BRFSS）和全国健康访谈调查（NHIS）等大规模远程医疗调查数据，他们的模型达到了高达76.12%的平衡准确率和82.29%的AUROC得分。进一步使用SHapley Additive exPlanations（SHAP）进行的分析，确定了关键风险因素，包括定期体检、年龄、血压和心理健康压力指标，为改善CKD风险分层提供了途径。
-
新型AI模型XEns-CKD提高了慢性肾脏病检测的准确性
研究人员开发了XEns-CKD，这是一种用于从超声图像检测慢性肾脏病（CKD）分期的新型集成视觉Transformer模型。该模型在私有数据集上训练，分类准确率达到86.36%，比现有方法提高了4%。该系统还集成了LIME和注意力图等可解释AI技术，以增强透明度并识别受CKD进展影响的特定肾脏区域。
-
AI框架揭示了社会劣势与心血管代谢疾病之间的联系途径
研究人员开发了一个新颖的AI驱动框架，以探索社会经济劣势、心理社会因素和心血管代谢多重发病率之间复杂的联系。通过整合来自“All of Us”研究计划的临床、实验室和基因组信息等多种数据类型，该研究利用特定模态的变分自编码器创建潜在表示。在此潜在空间中进行的中介分析揭示了一条重要途径，即社会经济劣势和心理社会脆弱性会间接导致以高血压和糖尿病等疾病为特征的心血管代谢多重发病率。
-
沈阳鼓风机集团IPO获批；月之暗面AI融资35亿美元
沈阳鼓风机集团股份有限公司已获得中国证券监督管理委员会同意，将在上海证券交易所主板上市。另据报道，长春高新子公司金赛药业的慢性肾功能不全治疗药物金赛144已获批临床试验。此外，月之暗面AI已完成35亿美元的F轮融资，同时小米的鹏城N90 AI模型也引发了讨论。
-
金赛药业144慢性肾脏病药物获中国临床试验批准
金赛药业开发的口服小分子抑制剂金赛144已获得中国临床试验申请批准。该药物靶向中性氨基酸转运蛋白SLC6A19，用于治疗慢性肾脏病（CKD）。该批准标志着金赛药业在制药领域独立研发工作迈出了重要一步。
-
可解释人工智能在慢性肾脏病预测中达到99%的准确率
研究人员开发了一种使用模拟联邦学习的可解释人工智能（XAI）模型来预测慢性肾脏病（CKD）。该模型整合了随机森林、AdaBoost和XGBoost算法，在临床数据集上达到了99%的平均准确率。该方法旨在改善CKD的早期检测并提高人工智能在医疗保健领域的透明度。
-
机器学习CKD预测模型存在数据泄露和预测器不稳定的问题
对用于慢性肾脏病（CKD）早期预测的机器学习模型进行的系统综述揭示了数据泄露和预测器稳定性方面存在严重问题。该综述分析了十九项研究，引入了一个分类法和评分框架来评估信息泄露。高泄露率的研究报告的平均准确率为95.48%，远高于无泄露研究报告的80.2%的准确率，表明性能指标被夸大。此外，分析发现超过80%的预测器缺乏可靠性，这表明报告的性能提升通常是由于方法学上的局限性，而不是真正的预测能力。
-
LLMs 在零样本慢性肾脏病筛查方面展现出潜力
研究人员探索了使用大型语言模型 (LLM) 进行慢性肾脏病 (CKD) 的零样本筛查。通过将患者数据序列化为文本，并使用临床上有意义的特征进行引导选择，LLaMA-3、Qwen-3、Mistral 和 GPT-4o-mini 等 LLM 展现出了适合筛查目的的性能。这种方法提供了一种实用的、无需训练的、使用现有的社区患者特征进行 CKD 检测的方法，可能作为传统机器学习技术的补充。
-
LLMs 在使用最少患者数据进行零样本 CKD 筛查方面显示出潜力
研究人员开发了一种利用大型语言模型 (LLMs) 进行慢性肾脏病 (CKD) 早期筛查的特征引导零样本框架。该方法通过关注易于获取的基于社区的紧凑、临床相关的特征子集，绕过了对大量标记数据集或资源密集型病理测试的需求。在包括 LLaMA-3、Qwen-3、Mistral 和 GPT-4o-mini 在内的多个 LLMs 上的评估表明，使用此选定的特征集在不同数据集和国家/地区始终提高了性能和泛化能力，这表明 LLMs 可以为 CKD …
-
Carna Health 首席技术官详述临床软件的验收测试驱动开发
Carna Health 首席技术官 Boris Berat 概述了一种在快速发展的医疗保健领域构建临床软件的审慎工程方法。核心挑战在于，在全球不同环境中，面对指南、数据质量和基础设施的不断变化，确保行为的一致性。Berat 强调使用验收测试驱动开发，即在编码开始之前，通过可验证的示例和预期结果明确定义每一项规则。这种方法可以及早暴露不确定性，这对于防止临床决策中难以察觉和纠正的细微、累积性错误至关重要。
-
Transformer 模型 ProQ-BERT 推进 CKD 预后预测
研究人员开发了一个名为 ProQ-BERT 的基于 Transformer 的框架来预测慢性肾脏病 (CKD) 的进展。该模型利用多模态电子健康记录，包括人口统计、临床和实验室数据，采用新颖的连续值分词方法和用于可解释性的注意力机制。在超过 91,000 名患者身上进行测试，ProQ-BERT 在短期预测方面表现优于 CEHR-BERT，ROC-AUC 高达 0.995，PR-AUC 为 0.989。该研究强调了 Transforme…
-
LLM 驱动的数据增强改进透析预测
研究人员开发了一种名为二元高斯联结合成 (BGCS) 的新型数据增强技术，专门用于二元临床数据，旨在改善慢性肾脏病 (CKD) 的早期透析预测。该方法通过生成保留二元特征之间成对依赖性的合成少数类样本，解决了医学数据集中常见的类别不平衡问题。然后，经过微调的 GPT-2 模型会过滤这些合成样本的临床合理性，与现有方法相比，在预测性能和分布保真度方面有所提高。增强模型被集成到决策支持系统中，突出了电解质失衡和心血管合并症等关键预测特征。
-
新的医学世界模型可根据电子病历数据预测患者轨迹
研究人员开发了ChronoMedicalWorld模型（CMWM），这是一个新颖的框架，旨在利用纵向电子健康记录数据预测患者的长期健康轨迹。这个动作条件潜在世界模型结合了结构化干预和自由文本交流，以预测生理变化。在一项针对慢性肾脏疾病的研究中，与GPT-5.5基线相比，CMWM在预测估算肾小球滤过率方面表现出更高的准确性，部分原因在于对患者-健康教练对话的分析。
-
因果推断方法纠正临床预测模型中的偏差
研究人员开发了一种新颖的方法来解决临床预测模型中因不同患者群体的差异性诊断测试率而产生的偏差。该方法利用因果推断框架和隐马尔可夫模型，在患者的测试率与参考组相匹配的反事实情景下，估计患者的诊断概率。该技术在模拟数据上进行了验证，显示出改进的校准度，并应用于慢性肾病预测的电子健康记录，纠正了与糖尿病相关的偏差。