洞察市场格局
解锁药品研发情报

免费客服电话

18983288589
试用企业版

首页 资讯 数字医疗
数字医疗

数字医疗

共发布文章：29篇
  • 《多模态人工智能根据临床前数据预测药物组合的临床疗效》
    临床研究
    《多模态人工智能根据临床前数据预测药物组合的临床疗效》
    “迈瑞格”模型针对 953 种临床效果和 21,842 种化合物的药物组合进行预测，涵盖已批准药物和在研新药，显著提升了药物组合疗法设计的预测准确性和临床相关性。 研究通过多种实验验证了“迈瑞格”在药物相互作用预测、癌症个性化治疗以及慢性代谢疾病多重用药管理中的应用潜力，为加速精准医疗的发展提供了重要工具。 “迈瑞格”模型的创新 :。
    数字医疗
    2025-04-01
  • 《“泰莫”：用于纵向临床病历的时序指令建模与评估》
    临床研究
    《“泰莫”：用于纵向临床病历的时序指令建模与评估》
    《“泰莫”：用于纵向临床病历的时序指令建模与评估》是一篇探讨大语言模型（ LLMs ）在处理电子病历时序推理能力方面的研究文章。 该研究由斯坦福大学的研究团队提出，旨在解决大语言模型在医疗任务辅助中面临的一个关键问题：如何有效处理和理解具有长期性质的电子病历。 电子病历通常跨越多年，包含数千条记录，且这些记录之间存在复杂的时间依赖关系。
    数字医疗
    2025-03-18
    临床病历 泰莫
  • 《在阿尔茨海默病及相关痴呆症诊治中整合生成式人工智能：优化神经退行性疾病的诊断、治疗和照护的框架》
    前沿研究
    《在阿尔茨海默病及相关痴呆症诊治中整合生成式人工智能：优化神经退行性疾病的诊断、治疗和照护的框架》
    该研究旨在应对神经科医疗资源短缺、诊断延迟及管理复杂性等问题，提出了一种以高质量数据采集、临床决策支持及持续学习为核心的创新方案，同时强调了伦理与治理的必要性。 该框架不仅针对阿尔茨海默病及相关痴呆症而设计，还为神经科及其他医疗专科的人工智能整合提供了通用原则，具有广泛的应用潜力。 随着美国人口老龄化，预计到 2060 年阿尔茨海默病及相关痴呆症病例将翻倍至每年 100 万，相关医疗及长期照护费用到 2050 年可能达到 1 万亿美元。
    数字医疗
    2025-03-12
    阿尔茨海默病 痴呆 人工智能
  • 《利用条件生成模型进行放射学人工智能虚拟临床试验》
    临床研究
    《利用条件生成模型进行放射学人工智能虚拟临床试验》
    这篇题为《利用条件生成模型进行放射学人工智能虚拟临床试验》的文章探讨了利用人工智能 / 机器学习（ AI/ML ）模型进行医学影像分析时，模型泛化能力不足的问题，并提出了一种基于条件生成模型的虚拟临床试验框架来解决这一问题。 然而，这些模型在从受控测试环境过渡到临床实际应用时，性能往往会下降高达 20% 。 解决方案： 本文提出了一种新颖的条件生成 AI 模型，用于放射科 AI/ML 的虚拟临床试验。
    数字医疗
    2025-03-11
    放射学人工智能
  • 综述：《生成式人工智能在解剖病理学中的应用》
    前沿研究
    综述：《生成式人工智能在解剖病理学中的应用》
    生成式人工智能（ AI ）近年来在多个领域展现出巨大的潜力，尤其是在医学领域。 解剖病理学作为医学诊断的重要组成部分，依赖于对组织和细胞的显微镜检查，生成式 AI 的应用有望显著提升诊断准确性、工作流程效率以及科研和教育能力。 生成式 AI 是深度学习的一个子集，能够从训练数据中生成新的、类似人类创造的内容。
    数字医疗
    2025-02-21
    解剖病理学
  • 《“敏德”：多模态临床预测任务的基于模态的知识精馏框架》
    临床研究
    《“敏德”：多模态临床预测任务的基于模态的知识精馏框架》
    本文提出了一个名为 “敏德” 的框架，用于压缩多模态临床预测任务中的模型。 该框架旨在解决多模态模型在医疗应用中面临的挑战，例如数据量小、模型规模大以及模态利用不均衡等问题。 “敏德”框架 : “敏德”框架采用了一种基于知识蒸馏的多模态模型压缩方法，将多个预训练的、不同大小的单模态深度神经网络的知识迁移到一个较小的多模态学生模型中。
    数字医疗
    2025-02-09
  • 《心血管疾病的自动数字生物标志物发现系统》
    前沿研究
    《心血管疾病的自动数字生物标志物发现系统》
    心血管疾病 是全球范围内的主要致死原因，对全球健康构成了重大威胁。 2021 年，心血管疾病导致的死亡人数高达 2100 万，相较于 1990 年的 1200 万，增长了 60% 。 在这一严峻的背景下，早期且准确的诊断对于预防如心力衰竭等严重后果至关重要。
    数字医疗
    2025-02-05
    数字生物
  • 《“医疗链”：通过交互式顺序基准测试弥合大语言模型智能体与临床实践之间的鸿沟》
    临床研究
    《“医疗链”：通过交互式顺序基准测试弥合大语言模型智能体与临床实践之间的鸿沟》
    《“医疗链”：通过交互式顺序基准测试弥合大语言模型智能体与临床实践之间的鸿沟》一文旨在解决大型语言模型在临床决策中的实际应用问题。 本文提出了一种名为“医疗链”的新型基准测试框架，以及一个名为“医疗链 - 智能体”的创新多智能体系统，用于评估大语言模型在临床实践中的表现，提升人工智能在临床决策中的性能与可靠性，推动其在临床实践中的应用。 二、“医疗链”基准测试框架。
    数字医疗
    2025-01-20
    弥合大语言 临床
  • 《用可解释和可信赖的深度学习模型优化癌症诊断》
    前沿研究
    《用可解释和可信赖的深度学习模型优化癌症诊断》
    本文探讨了利用可解释人工智能（ XAI ）和深度学习技术改进癌症诊断和预测的创新方法。 癌症仍是全球主要死亡原因之一，仅 2020 年就导致近 1000 万人死亡，因此，早期准确的诊断至关重要。 通过采用 XAI 技术，增强了模型的可解释性和透明度，从而提高了医疗专业人员和患者的信任度。
    数字医疗
    2025-01-12
    癌症 癌症诊断
  • 《使用多模态数据进行可解释的、基于人工智能的阿尔茨海默病的预测与管理》
    前沿研究
    《使用多模态数据进行可解释的、基于人工智能的阿尔茨海默病的预测与管理》
    这篇题为《使用多模态数据进行可解释的、基于人工智能的阿尔茨海默病的预测与管理》的文章探讨了利用多模态数据改进 阿尔茨海默病 （ AD ）预测和管理的方法。 文章指出，尽管机器学习在 AD 诊断中具有巨大潜力，但其 “ 黑盒 ” 特性以及仅依赖神经影像数据的局限性，导致人们对其信任度不高，也限制了模型的性能。 为此，本文提出了一种基于可解释人工智能的多模态 AD 预测模型，该模型融合了临床数据、 MRI 分割数据和心理数据，旨在提高预测准确性和可解释性，并构建一个阿尔茨海默病患者的 24/7 监测和管理框架。
    数字医疗
    2025-01-10
    阿尔茨海默病

你们是怎么收费的呢

可以试用吗

试用期限是多久

我已经申请，什么时候可以使用？