malaria
PulseAugur coverage of malaria — every cluster mentioning malaria across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
为临床重点的设备端疟疾检测开发的AI系统
研究人员开发了一种使用显微镜图像进行设备端疟疾检测的系统，解决了机器学习文献中常被忽视的关键临床要求。该系统包含停止标准、人在回路功能、多物种区分和不确定性计算，所有这些都设计为在边缘设备上离线运行。通过TensorFlow Lite使用YOLOv13n部署，它可以识别四种疟疾物种和白细胞，并将结果聚合为符合世界卫生组织标准的逐张幻灯片量化。
-
世卫组织：刚果埃博拉疫情在正式宣布前数月已开始
世界卫生组织表示，刚果民主共和国当前的埃博拉疫情在正式宣布前数月就已经开始。由于最初被误诊为疟疾或伤寒，这种病毒的识别出现延迟，从而导致了病毒的大范围传播。此次疫情由Bundibugyo病毒引起，已导致超过4200例确诊病例和1900多人死亡，目前尚无获批的疫苗或治疗方法。
-
马斯托顿用户在疟疾危机中批评人工智能数据中心言论
一位 Mastodon 用户对网上频繁讨论人工智能数据中心负面影响的现象表示不满。他们认为，疟疾等问题造成了更严重的人类痛苦，但受到的关注却少得多。该用户将对人工智能数据中心的关注与围绕疟疾全球影响的相对沉默进行了对比。
-
AI 使用 GPT-4o 和形态学解释疟疾寄生虫识别
研究人员开发了 SGMCE，一个新颖的事后解释框架，旨在增强用于疟疾寄生虫识别的 AI 模型的可解释性。该系统不需要额外的训练或形态学标注，而是从厚血涂片中提取视觉证据和手工制作的特征。SGMCE 然后将此信息与世界卫生组织知识库交叉引用，查询 GPT-4o，以生成物种识别的自然语言解释，详细说明支持的形态特征以及排除竞争物种的原因。
-
医疗AI模型在从英语切换到豪萨语时表现出显著的安全漂移
一篇新近发表在arXiv上的研究揭示，当从英语切换到豪萨语时，可部署的医疗语言模型在临床正确性方面出现了显著下降。研究人员发现，虽然一个前沿模型在豪萨语中保持了高准确率，但较小的、可在本地部署的模型性能却大幅下降，甚至产生了有害的响应。这种漂移在各种医疗条件下都有观察到，并归因于模型类别而非语言本身，这凸显了低资源医疗环境中AI跨语言安全性的关键差距。
-
加纳疟疾预测采用新的贝叶斯和混合统计模型
两篇新研究论文提出了用于预测加纳疟疾动力学的先进统计方法。第一篇论文介绍了一个使用集成马尔可夫链蒙特卡洛采样器的贝叶斯非线性推断框架，用于模拟复杂的、年龄特定的波动并提供概率预测。第二篇论文提出了一种结合高斯过程回归和Holt-Winters平滑的混合方法，以提高预测疟疾发病率的准确性和鲁棒性，特别是针对五岁以下人群。两项研究都旨在通过提供更可靠的数据驱动的决策工具来加强加纳的国家疟疾控制战略。
-
人工智能加速非洲疾病药物发现
人工智能正被用于加速发现针对非洲常见疾病（如疟疾和耐药性感染）的新疗法。此人工智能应用旨在创建更快、更具成本效益的药物开发流程。目标是减轻传染病对非洲大陆造成的沉重负担，并加强当地的生物医学研究能力。
-
气候变化对疾病的影响难以量化，归因科学提供了途径
尽管科学家们清楚地认识到，气温升高和降雨模式改变正在扩大登革热和西尼罗河病毒等疾病的传播范围，但他们仍在努力量化气候变化对传染病的具体影响。归因科学利用气候模型比较当前气候与假设的工业化前气候下的疾病动态，正成为分离气候特定贡献的关键方法。早期研究表明，气候变化导致了相当一部分登革热病例，并延长了西尼罗河病毒等疾病的传播季节，为公共卫生资源分配和问责制提供了关键数据。
-
世界卫生组织报告揭示全球健康目标未能实现
根据最新世界卫生组织报告，世界在联合国可持续发展目标设定的关键健康目标方面正落后。艾滋病毒和结核病病例的减少进展已显著放缓，每年新感染人数仍达数百万。疟疾病例实际上有所增加，这加剧了耐药性和杀虫剂抗性以及气候变化的影响。儿童营养不良仍然是一个严重问题，疫苗接种率，尤其是在美洲，正在停滞或下降。
-
气候变化导致热带疾病在美国大陆蔓延
登革热和疟疾等热带疾病在美国大陆的出现日益增多，已超越了其历史上的热带据点。美国CDC的《新发传染病》杂志最近记录了洛杉矶县一起为期七周的登革热传播链，凸显了这一转变。此次疫情共确诊14例，表明环境条件越来越有利于持续的本地传播，而全球旅行和气候变化可能加剧了这一趋势。
-
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。
-
AI项目MalarAI通过数据建模锁定疟疾热点
一个名为 MalarAI 的人工智能驱动项目正在部署，以通过整合各种数据源来对抗疟疾。该项目结合了地理空间建模、移动性分析、气候数据和流行病学信息，以近乎实时地定位疟疾热点。该项目在桑给巴尔的初步阶段旨在支持针对该疾病的根除策略。