schizophrenia
PulseAugur coverage of schizophrenia — every cluster mentioning schizophrenia across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
AI 在早期精神分裂症诊断方面展现出潜力
人工智能可能为精神分裂症的早期检测提供新途径。研究人员正在探索人工智能如何分析各种数据点以识别该疾病的潜在指标。
-
中国批准“心灵感应”设备，挑战 Neuralink
中国国家药品监督管理局今年已批准多款脑机接口（BCI）设备，标志着国内公司在这一新兴技术领域取得重大进展。这些BCI产品旨在辅助诊断和治疗阿尔茨海默病、精神分裂症和抑郁症等疾病，并使患者能够用意念控制数字设备。此举得到了中国初创企业在脑机接口领域与埃隆·马斯克旗下Neuralink等国际竞争对手竞争的支持。
-
研究发现美国成年人大麻使用障碍急剧上升
发表在《JAMA精神病学》上的一项新研究显示，2021年至2024年间，美国成年人大麻使用障碍（CUD）的患病率显著增加。这项分析了超过18万人的数据研究发现，男性CUD患病率从7.3%上升到9.3%，女性从4.5%上升到5.6%，中年和老年成年人的增长最为明显。导致这一增长的因素包括现代大麻产品的效力增加、可用性提高以及对危害的认知下降，这需要公共卫生部门采取侧重于教育、预防和循证治疗的应对措施。
-
全新科学智能体基础模型Intern-S2-Preview发布
研究人员推出了一系列名为Intern-S2-Preview的科学智能体基础模型，旨在推动科学发现。这些模型能够进行多模态理解、推理和长时任务执行，并采用了包括多模态预训练和强化学习在内的训练流程。Intern-S2-Preview-397B模型在多项基准测试中表现出竞争力，而内存解码器扩展Intern-MemDec-4B则在不改变主模型的情况下增强了在生物学等领域的专业性。
-
AI助力精神分裂症研究；Google准备发布Pixel 11
人工智能正被用于揭示导致精神分裂症的复杂遗传因素。最近的进展已对精神分裂症的遗传基础有了高度详细的了解，为新的研究方向铺平了道路。另外，Google正准备发布其Pixel 11，泄露和预告暗示了一些功能，但仍留有惊喜的空间。
-
AI 助力揭开精神分裂症的遗传之谜
人工智能正被用于揭开导致精神分裂症的复杂遗传因素。最近的研究以前所未有的详细程度展示了该疾病的遗传构成，为新的研究方向铺平了道路。这种对精神分裂症遗传基础理解的进步可能带来新的诊断和治疗策略。
-
人工智能帮助绘制出与精神分裂症网络相关的766个基因图谱
《自然·遗传学》杂志上发表的一项最新研究利用人工智能分析了超过102,000名个体的遗传数据，识别出766个与精神分裂症相关的基因。这项研究由Lieber研究所和巴里大学的科学家参与，揭示了这些基因作为一个相互连接的网络发挥作用，而不是孤立的元素，这极大地增进了对该疾病复杂遗传结构的理解。这些发现为精神分裂症提供了更详细的遗传图谱，为更精确地研究其行为和潜在治疗方法铺平了道路。
-
Vision-Language Model Platform Aids Schizophrenia Cognitive Remediation
研究人员开发了一个交互式平台，利用视觉语言模型客观评估精神分裂症认知修复治疗中患者的行为。该系统分析患者在微缩场景中操作物体的视频馈送，解释他们的动作以根据语音指令验证任务的正确性。这种方法旨在通过连接物理遥测与临床反馈，为认知康复提供一种可扩展且主观的解决方案。
-
小波散射变换识别脑电图数据中的精神分裂症生物标志物
研究人员开发了一种新颖的框架，使用小波散射变换（WST）从静息态脑电图数据中识别精神分裂症的生物标志物。该方法通过分析对该疾病病理生理学至关重要的幅度调制动力学和跨频率耦合，解决了先前方法的局限性。WST框架结合严格的交叉验证和SHAP可解释性，在精神分裂症分类中达到了90.48%的准确率，突显了时间幅度调制作为关键的电生理学特征。
-
深度学习模型用于精神分裂症诊断常依赖于不合理数据
一项最新研究发现，在用于诊断精神分裂症的七个深度学习模型中，只有一个模型是基于合理的脑部信息进行评估的。其余模型尽管取得了相似的分类性能，但却常常依赖于不合理的数据，这引发了对其临床应用价值和结果可解释性的担忧。
-
新研究探讨语法如何减少跨语言的意义不确定性
一篇新研究论文探讨了语法如何在不同语言中减少意义的不确定性。研究发现，与孤立的词频相比，受语法影响的语境意外性显著降低了不确定性。这种语法的意义压缩在大脑理解和产生语言的活动中有所体现，其功能紊乱与失语症、痴呆症和精神分裂症等疾病中的语言障碍有关。