AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:血液生物标志物×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月19日
14:48
14:48arXiv cs.LG@Aashna P. Shah, Michelle M. Li, Yash Lal, Seffi Cohen, Liat F. Antwarg, Morgan Sanchez, James A. Diao, Chirag J. Patel, Ben Y. Reis, Ran D. Balicer, Noa Dagan, Arjun K. Manrai
精选
血液生物标志物是临床诊断的关键,但传统参考区间基于固定人群,忽略了个体间稳定变异,可能掩盖偏离基线的异常。研究者利用北美、中东和东亚超过160万人的近20亿条纵向实验室数据发现,纯个性化参考区间会将高达68%的测量值标记为异常,且与不良临床结局无关。为此,他们提出NORMA,一个基于条件Transformer的框架,通过结合患者历史数据和人群正常变异生成参考区间。NORMA在预测死亡率、急性肾损伤和慢性疾病等结局上精度更高,优于纯个性化或纯人群方法。模型、代码和交互界面已公开,旨在推动实验室检测的个性化解释。
论文血液生物标志物个性化参考区间条件Transformer临床诊断开源/仓库

推荐理由:NORMA解决了实验室检测中过度个性化导致的假阳性问题,做临床诊断或健康监测的医生、研究者可以直接用这个开源模型来提升异常检测的准确性。
原文
精选全部日报登录