tuberculosis
PulseAugur coverage of tuberculosis — every cluster mentioning tuberculosis across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
用于结核病筛查的超声预训练显示出有限的领域优势
研究人员调查了从超声心动图预训练迁移到肺部超声用于结核病筛查的有效性。尽管共享相似的成像物理学，但在通用视频上预训练的潜在预测视频编码器 (V-JEPA2-L) 的表现与其特定于超声心动图的对应物 (EchoJEPA-L) 相当。研究发现，编码器和分类器之间的特征条件化显著提高了多种编码器架构的性能，这表明对于此特定应用，标记队列的大小比预训练领域更关键。
-
肯尼亚部署人工智能辅助的肺结核胸部X光筛查
肯尼亚已启动一项利用胸部X光进行肺结核的人工智能辅助筛查计划。该计划是该国将人工智能纳入其医疗保健系统更广泛努力的一部分。该计划旨在提高常规医疗中肺结核检测的效率和有效性。
-
全球抗击致命疾病的斗争因资金削减而受到威胁
全球在抗击疟疾、结核病和艾滋病等致命传染病的努力正面临资金削减带来的严峻挑战。尽管面临这些挫折，创新以及各组织和国家的承诺在一定程度上缓解了更严重的后果。COVID-19的持续影响以及乌克兰和苏丹等地区的冲突，进一步加剧了这些关键卫生倡议的压力。
-
研究发现机器学习咳嗽模型无法泛化用于结核病筛查
一项对使用咳嗽声学进行结核病筛查的机器学习模型进行的评估新研究发现，尽管在数据集内部表现良好，但这些模型无法泛化到新的数据集。研究表明，音频表示是根据录音设备和数据集组织的，而不是根据疾病状态，并且设备特定的变异性是泛化能力差的一个重要因素。一个临床变量基线模型显示出更一致的泛化能力，这凸显了在基于咳嗽的结核病模型被认为临床可用之前，进行外部验证的至关重要性。
-
少样本学习在有限数据下提升结核病检测准确率
研究人员开发了一种少样本学习方法，用于从胸部X光片中改进结核病检测，解决了不同数据集之间领域转移的挑战。通过在Mendeley TB数据集的有限目标样本上微调预训练的DenseNet121模型，他们仅用每类75个标记样本就达到了98.36%的准确率。这项研究表明，完全微调是减轻领域转移的有效策略，使其成为低资源临床环境的实用方法。
-
Claude 模型在早期药物发现挑战赛中领先 GPT-4
VIDRAFT 发起了开放发现挑战赛，这是一个在 Hugging Face 上举办的药物发现竞赛，参赛者使用各种 AI 模型为疟疾和结核病提出候选分子。前三天的早期数据显示，使用 Claude 系列模型的提交在两个疾病赛道上均优于使用 OpenAI 系列模型的提交。这个生成式基准测试与传统基准测试不同，它评估的是 AI 辅助的分子生成，而不是预测准确性，旨在加速对被忽视疾病的研究。
-
世卫组织支持下，经济型结核病分子检测进入新时代
随着经济型近点护理核酸扩增检测（NPOC-NAATs）的推出，结核病诊断领域正进入一个新时代。这些由世界卫生组织推荐的检测可以在痰液不可用时使用唾液拭子进行检测，每份检测价格为2.60美元，从而使分子诊断能够普及到初级保健环境。这项创新旨在取代痰涂片显微镜检查等较旧、灵敏度较低的方法，并弥合结核病检测的巨大差距，世界卫生组织提供了一个工具包来协助实施。
-
ResNet50 在 X 光片肺部疾病分类方面优于 VGG 模型
研究人员探索了深度学习模型 VGG16、VGG19 和 ResNet50 对 X 光图像肺部疾病进行分类的有效性。该研究在大型 X 光图像数据集上训练了这些模型，以识别肺炎、肺结核和肺癌等病症。结果表明，虽然所有模型表现良好，但 ResNet50 在疾病分类方面表现出更高的准确性和效率。
-
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。
-
新模型模拟火星殖民地结核病传播
研究人员开发了一个新模型，用于模拟辐射暴露的火星殖民地中潜伏性结核病的传播。该模型将银河宇宙辐射与免疫能力联系起来，进而影响结核病的再激活及其在封闭栖息地内的空气传播。模拟表明，结核病可以内源性出现，涉及隔离和药物治疗的适应性控制策略可以有效降低疾病负担和死亡率。
-
新框架通过AI和人工审核提升阿拉伯文HTR数据集质量
研究人员开发了一种新颖的两阶段框架CER-HV，旨在提高用于训练手写文本识别（HTR）模型的数据集质量，特别是针对阿拉伯文脚本语言。该框架结合了卷积循环神经网络（CRNN）进行自动错误检测和“人在回路”验证过程。当应用于阿拉伯文数据集时，CER-HV成功识别了转录和分割错误等标签错误，在数据集清理和模型重新训练后，评估CER提高了多达1.8个百分点。
-
纪念狄更斯和卡介苗开发者逝世纪念日
该集群纪念历史人物的逝世纪念日。它重点介绍了英国著名小说家查尔斯·狄更斯（Charles Dickens）逝世156周年，以及法国兽医和免疫学家、卡介苗（BCG vaccine）联合开发者Camille Guérin逝世65周年。两篇帖子均来自Akerix，并标记了AI标签，暗示可能与AI相关内容或平台有（尽管是间接的）联系。
-
AI摘要事实性通过共识和偏好学习得到增强
两篇新研究论文提出了改进AI生成摘要事实性的方法。第一篇论文《通过最小贝叶斯风险解码中的共识和一致性增强摘要的事实性》介绍了一个名为ConSUM的系统，该系统根据候选摘要与源文档的一致性以及与其他生成摘要的共识来重新排序候选摘要。第二篇论文《通过多重不完美指标的偏好学习优化摘要中的事实一致性》详细介绍了一个自动训练管道，该管道聚合了多个弱事实性指标的分数以提高一致性，并在各种语言模型上展示了收益。
-
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。