influenza
PulseAugur coverage of influenza — every cluster mentioning influenza across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
LLM 驱动的 EpiWorld 框架通过世界模型改进流行病学政策
研究人员开发了 EpiWorld，一个将大型语言模型 (LLM) 与流行病学世界模型相结合以改进流行病干预政策的新框架。该系统将 LLM 策略代理 grounding 到学习到的、面向行动的流行病学模型以及一个公共卫生工具库中。EpiWorld 预测流行病演变，并允许快速进行反事实政策测试，根据模拟结果和累积经验教训来优化决策。在 COVID-19 和流感数据上的评估表明，EpiWorld 显著降低了累积住院人数，优于现有的强化学习和…
-
AI系统ImmuneAgent加速发现广泛中和抗体
研究人员开发了ImmuneAgent，一个旨在从人类B细胞库中发现广泛中和抗体（bnAbs）的AI系统。该系统整合了多模态推理与持续元学习，并纳入湿式实验反馈，以应对bnAbs稀有和跨不同病毒泛化等挑战。在测试中，ImmuneAgent实现了显著的抗体发现率和可观的bnAb产量，优于现有的计算方法。发现的抗体在预防流感方面表现出疗效，并确定了抗体活性的关键细胞和结构决定因素，这些因素泛化到了如人类偏肺病毒和人乳头瘤病毒等新抗原上。
-
香港警告未接种疫苗的儿童和老年人面临更高的流感风险
香港卫生署署长林文健警告称，与已接种疫苗的个体相比，未接种疫苗的儿童和老年人患流感严重并发症和死亡的风险高出四到五倍。自六月以来，该市流感病例持续上升，住院和重症病例显著增加，特别是甲型流感引起的病例。今年已报告19例儿童重症病例，包括一例死亡，其中八例涉及五岁及以下的未接种疫苗儿童。
-
日本AI设备Nodoca简化喉部检查以评估疾病
由Sho Okuyama领导的日本公司Iris开发了Nodoca，这是一款人工智能驱动的设备，通过分析喉部图像来评估流感和COVID-19等疾病。该系统已在日本获得新型医疗器械批准，并纳入国家医疗保险，旨在取代不适的鼻拭子检测。Nodoca已在2000多家医疗机构投入使用，并通过积累的数据不断提高准确性，未来还有可能应用于生活方式相关疾病的诊断。
-
中国奥密克戎NB.1.8.1变种驱动新冠病例温和激增
中国疾病预防控制中心（CDC）称，中国目前新冠病例正在经历温和增长，主要由奥密克戎NB.1.8.1变种驱动。新冠病毒的阳性检测率已升至16.3%，超过了流感检测率。尽管CDC报告称过去一个月新增病例79,000例，重症130例，死亡1例，但他们仍建议弱势人群采取戴口罩等预防措施。
-
新型双抗体疗法显示出增强的RSV防护能力
研究人员开发了一种针对呼吸道合胞病毒（RSV）的新型抗体疗法，该疗法结合了两种抗体以增强保护。这种双抗体方法靶向病毒的保守区域，使其比单抗体疗法更能抵抗病毒的进化和逃逸。在动物研究中，该疗法显著降低了病毒载量，并对各种RSV毒株和变体保持有效，表明这是一种更持久的预防RSV感染的策略。
-
新AI框架M-SPICE整合空间推理用于流行病预测
研究人员开发了M-SPICE，一个新颖的流行病预测框架，它通过整合空间推理，超越了传统的时间序列分析。这种多模态方法整合了区域级别的监测数据和本地化的辅助信号，即使它们在分辨率上不匹配。M-SPICE使用基于注意力的融合来联合推理时间疾病动态和空间背景，在真实的COVID-19、流感和ILI数据上表现优于现有预测方法。该框架还提供了可解释性，突出了纯时间模型可能失败的场景。
-
时间序列模型在美国流感预测中的评估
一项新的研究论文评估了用于预测美国季节性流感的各种时间序列预测模型。研究发现，混合专家模型（一种结合了多个预训练预测器的模型）取得了最佳性能。基于 Transformer 的模型也显示出可靠性，预训练对长期预测尤其有益，特别是当与流感动态保持一致时。然而，在这一特定应用中，基于大型语言模型 (LLM) 的时间序列方法的表现不如数值预测器。
-
新的贝叶斯方法利用废水数据增强流感监测
研究人员开发了一种名为贝叶斯选择性潜在推理（BSLI）的新贝叶斯方法，以利用废水数据改进流感监测。该方法解决了仅凭废水数据无法完全反映人类疾病负担的挑战。BSLI 优化了何时仅依赖废水、何时纳入其他数据流以及何时因歧义而停止报告的决策，从而提高了预测准确性和保守性停报。
-
新的STOEP框架提高了流行病学预测的准确性
研究人员开发了一个名为STOEP（时空先验感知流行病预测器）的新框架，以提高流行病学预测的准确性。该混合模型整合了隐式和显式先验知识，以提高准确性，特别是在弱流行病信号和复杂空间关系方面。实验表明，STOEP在RMSE方面比现有方法提高了11%以上，并已被中国某省级疾控中心部署用于实际公共卫生应用。
-
LLM系统自主生成疾病预测软件
研究人员开发了一个自主系统，该系统使用大型语言模型（LLM）来生成和优化疾病预测软件。这种LLM引导的树搜索方法迭代地创建、评估和改进可执行的预测模型。在2025-2026年呼吸道季节期间，该系统自主生成了针对流感、COVID-19和RSV的各种模型，其聚合的集成模型与CDC的人工策划预测相匹配或超越。该框架旨在克服手动模型策划的瓶颈，实现专家级疾病预测的可扩展和快速部署。
-
科学家改造小鼠使其能自行生产抗体以延长治疗效果
研究人员开发了一种新方法，使身体能够自行生产抗体以实现长期治疗，克服了当前抗体药物的局限性。该技术涉及基因编辑造血干细胞，使其携带特定抗体的蓝图，然后在体内作为持续的生产工厂。编辑后的细胞可以通过疫苗加强剂触发，产生高水平的选定抗体。该方法在小鼠身上针对艾滋病、疟疾和流感显示出有希望的结果，甚至能够同时生产多种抗体。
-
CDC代理主任批评疫苗研究方法
据报道，CDC代理主任Jay Bhattacharya因研究方法问题阻止了一项关于COVID-19疫苗有效性的研究的发表。该研究采用了测试阴性设计，表明本季度的疫苗在预防健康成人住院方面的有效性约为一半。Bhattacharya批评该研究的设计是“垃圾”和“后勤上荒谬的”，尽管测试阴性设计在过去二十年中一直是估计疫苗有效性的标准方法。
-
小肯尼迪更改孕产妇和儿童疫苗政策
罗伯特·F·肯尼迪（Robert F. Kennedy Jr.）作为卫生与公众服务部部长，已引起争议地更改了公共卫生建议，特别是针对孕妇和儿童。他质疑孕期使用对乙酰氨基酚的安全性，并将孕妇排除在COVID-19疫苗加强针建议之外。此外，肯尼迪大幅减少了推荐的儿童疫苗接种，可能导致可预防疾病的增加以及相关的医疗保健费用。
-
Google 的 ERA 工具加速了公共卫生和宇宙学的科学发现
Google Research 的科学家们正在利用一款名为 Empirical Research Assistance (ERA) 的新 AI 工具来加速各个领域的科学发现。ERA 已被用于生成专家级的经验软件，有助于实际应用，例如预测流感、COVID-19 和 RSV 的住院率，以及分析宇宙弦等宇宙学现象。该工具旨在普及计算建模并从数据中揭示更深层次的见解，早期结果显示其在公共卫生预测方面的表现与现有方法相当或更优。
-
谷歌研究利用AI工具加速科学发现
谷歌研究人员正在利用一款名为经验研究助手（Empirical Research Assistance, ERA）的AI工具来加速各个领域的科学发现。ERA已被用于生成专家级的经验软件，应用于流行病学、宇宙学、大气监测和神经科学等领域。在流行病学方面，ERA在预测COVID-19、流感和RSV住院人数方面，已显示出与现有工具相当或更优的表现，并已提交给公开排行榜，取得了优异的成绩。该工具还在探索其潜力，以从数据中解锁更深层次的见解，并发…