PulseAugur
中
实时 00:17:09
实体 National Cancer Institute

National Cancer Institute

PulseAugur coverage of National Cancer Institute — every cluster mentioning National Cancer Institute across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 9
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
关系
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 9 条
  1. SIGNIFICANT · CL_329887 ·

    Project ProtoStar 启动,旨在让公共科学做好人工智能准备

    Project ProtoStar 是一项旨在使公共资助的科学研究更易于访问和重用,特别是针对人工智能应用的新举措。该项目汇集了大学、研究组织和行业合作伙伴,以确保数据集、模型和代码以人工智能就绪的格式发布。Hugging Face 作为基础设施合作伙伴,通过托管科学制品和为数据准备人工智能提供指导来支持该倡议。第一个专注于气候风险情报的挑战将由卡内基梅隆大学主办。

  2. TOOL · CL_285522 ·

    代谢相关脂肪性肝病MASLD构成日益严峻的健康危机

    与代谢功能障碍相关性脂肪性肝病(MASLD)相关的重大健康危机正在显现,该疾病普遍存在且可能致命。这一日益增长的担忧凸显了对肝脏健康给予更多关注和研究的必要性。

  3. COMMENTARY · CL_281282 ·

    医疗AI领导者提出CARES框架,以连接数据并简化患者决策

    医疗领域的AI领导者Prashanthi Nuthi提出了CARES框架,以解决患者面临的数据碎片化和经济毒性问题。Nuthi的个人经历,包括癌症诊断期间,由于临床和保险信息缺乏整合而导致压力重重的决策过程,促使她提出这一框架。CARES框架旨在连接分散的数据,预测患者的需求及其旅程中可能出现的障碍,并以智能、可操作的见解作出响应,以改善医疗体验。

  4. RESEARCH · CL_281103 ·

    癌症研究面临资金中断风险,需要稳定投资

    在抗击癌症的斗争中取得持续进展,取决于持续的联邦投资和关键利益相关者之间的合作。研究资金和运营的中断对这些进展构成重大风险。确保稳定的财政支持对于保持癌症研究的势头至关重要。

  5. TOOL · CL_211924 ·

    提出新的基础模型用于患者特异性癌症免疫疗法

    研究人员提出了一种患者特异性免疫学基础模型,以解决癌症免疫疗法中的计算瓶颈。该多模态模型旨在整合包括肿瘤突变、转录组学、HLA基因型和T细胞受体库在内的各种生物数据,以更有效地预测新抗原。与目前处理单个预测任务的方法不同,该模型将学习从肿瘤基因型到免疫识别的完整生物通路,并提供具有校准置信度和生物学证据的候选新抗原排序列表。

  6. RESEARCH · CL_209835 ·

    Charles W. M. Roberts博士被任命为圣犹达儿童研究医院新任首席执行官

    圣犹达儿童研究医院(St. Jude Children's Research Hospital)任命Charles W. M. Roberts博士为新任总裁兼首席执行官,自1月1日起生效。Roberts此前曾担任该院综合癌症中心的负责人,他旨在利用技术进步进一步提高儿童癌症的生存率,该生存率已从医院成立时的20%上升到如今的80%以上。他计划在领导该机构的同时继续进行研究,强调合作与创新以应对复杂的儿童疾病。

  7. TOOL · CL_193687 ·

    基于Transformer的TransNRank模型提高了新抗原预测的准确性

    研究人员开发了TransNRank,一个利用Transformer架构进行更准确新抗原预测的新型深度学习框架。该模型通过采用自注意力机制捕捉复杂的特征上下文和面向正样本的训练目标,解决了数据稀缺和类别不平衡等挑战。在NCI、TESLA和HiTIDE数据集上的实验表明,TransNRank在提高新抗原预测的Top 20召回率方面取得了显著进展,同时大幅缩短了训练时间。研究还确定了锚点突变和TCGA表达水平是关键的预测特征。

  8. TOOL · CL_128814 ·

    新框架使用多智能体强化学习实现碳感知人工智能数据中心

    研究人员开发了一个层次化碳感知多智能体强化学习(CA-MARL)框架,用于管理人工智能数据中心(AIDCs)的能源消耗。该框架旨在通过优化人工智能训练和推理工作负载来减少碳排放。该系统包括一个用于在AIDCs之间进行作业空间分配的工作负载管理器智能体,以及用于作业时间转移、GPU分配和冷却系统控制的本地AIDC智能体。

  9. SIGNIFICANT · CL_105625 ·

    Google AI通过新研究和工具推进虚拟护理和医学教育 · 追踪8个来源

    Google正与Included Health合作,进行一项关于虚拟护理中会话式AI的全国性随机研究,旨在收集其在真实临床环境中表现的严谨证据。此外,Google Research正在探索基于Gemini的LearnLM等AI模型,通过充当个性化导师和提高临床推理能力来加强医学教育。同时,像MedLog这样的标准化日志协议的开发对于跟踪AI在医疗保健中的使用、性能和潜在偏见至关重要,以确保负责任的部署并建立患者和临床医生的信任。