疾病预测相关 AI 资讯 · AI 热点

7月10日

11:21

11:21

官方账号arXiv cs.LG@Hyunho Mo, Djura Smits, Mahlet A. Birhanu, Maarten J. G. Leening, Daniel Bos, Pim van der Harst, Esther E. Bron

该研究提出使用联邦深度学习进行隐私保护的心血管疾病风险预测，整合了两个异质性队列：Lifelines（148,230名参与者，自报结果）和Rotterdam Study（10,155名参与者，临床链接结果）。联邦训练的深度生存模型在Rotterdam Study上C-statistic从0.728升至0.739，在Lifelines上从0.783升至0.787，均优于本地训练模型。结果表明联邦学习能在不共享患者数据的前提下提升预测性能。

论文 Federated Deep Learning Lifelines Rotterdam Study 隐私保护疾病预测

推荐理由：这篇论文展示了联邦学习如何让两个不同规模、不同数据来源的医院协同训练模型，预测心血管病风险更准还保护隐私，值得医疗AI从业者看看。

5月18日

11:52

11:52

官方账号arXiv cs.AI@Sarah Martinson, Michael P. Brenner, Martyna Plomecka, Brian P. Williams, Nicholas G. Reich, Zahra Shamsi

精选72°

研究团队提出一种利用大语言模型（LLM）引导树搜索的自主系统，可迭代生成、评估和优化传染病预测软件。在2025-2026年美国呼吸道季节的前瞻性实时评估中，该系统自主发现针对流感、COVID-19和RSV的多样化模型，其集成预测性能一致达到或超过CDC人工策划的黄金标准集成。系统成功应对RSV数据稀缺的“冷启动”场景，并通过优化对数尺度距离指标和自动裁判机制确保模型可靠性。该框架克服了建模人力瓶颈，使专家级疾病预测能快速部署到更细粒度的地理区域和新兴病原体。

论文 LLM 疾病预测树搜索公共卫生自动建模

推荐理由：做公共卫生预测或传染病建模的团队，终于有了能自动生成专家级模型的工具，不用再靠人工反复调参——建议关注其开源代码和冷启动能力。