oncology
PulseAugur coverage of oncology — every cluster mentioning oncology across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
机器学习引领个性化医疗和药物基因组学新时代
机器学习正在通过实现从一刀切方法向个性化、基因型指导护理的转变来彻底改变医学。人工智能驱动的模型可以分析大量的基因组和人群数据，以预测个体对药物的反应，识别不良反应，并定制治疗方案。这项进步已经在精神病学、心脏病学和肿瘤学等领域产生了显著效益，人工智能模型通过医学影像分析和预测性风险评估来改善早期疾病检测。
-
人工智能加速眼部肿瘤筛查，实现更早诊断
人工智能正在加速眼部肿瘤的筛查过程，从而实现更早的诊断和更具针对性的治疗计划。这一进展为保留视力带来了新的希望。
-
OncoSynth框架生成合成肿瘤学数据以改进治疗效果估计
研究人员开发了OncoSynth，一个旨在生成合成肿瘤学患者数据的新机器学习框架。该框架通过保持患者特征、治疗和结果之间的因果关系来解决现有方法的局限性，这对于准确估计治疗效果至关重要。对大型肺癌和乳腺癌队列的评估表明，OncoSynth能够生成高保真度的合成数据，显著提高了群体级别（误差减少高达66%）和患者级别（误差减少高达58%）的治疗效果估计的准确性，从而在数据受限的情况下支持证据生成。
-
玻色量子获超100项应用，创纪录融资
中国量子计算初创公司玻色量子已在包括肿瘤学和脑机接口在内的多个行业中获得超过100项实际应用。该公司已筹集到巨额资金，总计18.4亿元人民币，其中最近的10亿元人民币B轮融资创下了国内量子计算行业的纪录。玻色量子的技术正被应用于蛋白质折叠、药物发现和精确肿瘤边界识别等复杂问题，利用量子原理实现卓越的计算能力。
-
原子事实核查可提高临床医生对LLM肿瘤学推荐的信任度
一项涉及356名临床医生的随机对照试验发现，“原子事实核查”显著提高了临床医生对大型语言模型在肿瘤学决策支持中推荐的信任度。该方法将AI生成的治疗建议分解为可验证的声明，并链接到源指南。使用原子事实核查，表示信任的临床医生比例从26.9%上升到66.5%，其效果远大于传统的透明度方法。
-
研究绘制中医药作为放疗辅助疗法的成熟度图谱
一篇新论文分析了2000年至2025年间关于中医药作为放疗辅助疗法的69,745篇出版物。研究揭示了该领域的一个周期性演变，其特点是研究产出、国际合作和资金的扩张与收缩时期。五个主要的 the matic 轴——癌症类型、支持性护理、临床终点、机制和方法论——表明了对患者福祉和科学严谨性的关注。研究表明，该领域已成熟其当前的研究议程，并可能即将迎来新的发展，同时还注意到持续存在的积极报告偏差。
-
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。