- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信开发者
Oxford Nanopore 的临床应用
4. lateral sclerosis (ALS) FMR1 gene (implicated in fragile X syndrome) ABCA7基因中的可变数串联重复序列（VNTR）导致阿尔茨海默病风险增加了4倍以上 使用便携式纳米孔测序的一个显著优势，小型设备是直接现场应用的设施，它允许快速部署，并且无需将样品运回实验室 ?
90810发布于 2020-08-10 - 来自专栏生信菜鸟团
宏基因组之临床应用
学术方面，时不时推出一个新的组学概念，旨在用多维度去透过现象看本质，而在应用场景，正在或者已经进入了白热化竞争。 高通量检测在临床应用可以简单理解为，根据已有研究基础、经验，通过测序的方法寻求关键”证据“，并加以解读。 今天就后者简单分享宏基因组在临床应用上的一些观点，初入临检方向，若有不当之处，烦请指正。 - ? - 伴随着检验技术发展及医院经验累积，面对感染，临床已经有了一套比较成熟的解决方案。 借助数据库的优化，区分定植、环境菌、条件致病菌，可以在报告中体现疑似致病微生物，结合临床表征及报道，可以快速、准确地缩小感染病原怀疑范围，协助临床确认病原学诊断。 中国宏基因组学第二代测序技术检测感染病原体的临床应用专家共识[本文附更正][J]. 中华传染病杂志, 2020, 38(11):681-689.
94420发布于 2020-11-23 - 来自专栏科研菌
4+分临床回顾性研究深度分享
非常简单的研究，竟然发在了4分+期刊。 所以分享给大家，感觉大家肯定能从中获得启发。 本研究回顾性地分析了德国六个中心住院患者的自然临床样本中与DILI相关的因素。 二、研究设计 ? 三、研究方法 1，受试者纳入标准 329名受试者来自德国4个联邦州的6家成人精神病诊所。 在4例患者中，联合使用抗抑郁药和抗精神病药物（奎硫平、奥氮平）与DILI风险相关，而在停用抗精神病药物或抗抑郁药-抗精神病药物后，水平正常化。 只要有完整的临床数据库，就可以做类似的研究。 临床启发 我们基本会在同一领域选择不同分段（影响因子）的文章分享给各位读者，比如近期分享的抑郁症相关系列（IF从4分到8分段不等）。 最关键的，这篇文章存在的问题太多，都能够发表到4分+期刊。你有什么理由说自己发不了SCI论文？
1.8K31发布于 2020-12-29 腾讯首款数字疗法进入临床应用
现在，一款专为他们设计的认知功能训练软件，获批上市了——腾讯自主研发的认知功能训练软件「腾讯脑力锻炼」，获批广东省药监局颁发的医疗器械注册证，将进入临床应用阶段，可以帮助轻度认知障碍患者有效改善认知能力 在中国康复研究中心（北京博爱医院）和南方医科大学附属珠江医院进行的临床探索性试验数据显示，98%的患者完成12周完整训练后，认知能力得到显著改善。 基于丰富的医学影像AI产品经验，结合认知训练的特点，有效助力联合团队落实认知训练产品的设计、研发、验证及注册工作；● 主导了治疗机理研究及产品化工作，将认知域的训练范式概念转化为产品的游戏机制；● 参与制定临床验证方案
93020编辑于 2025-06-24- 来自专栏用户7627119的专栏
【R语言】因子在临床分组中的应用
前面给大家简单介绍了 ☞【R语言】R中的因子（factor） 今天我们来结合具体的例子给大家讲解一下因子在临床分组中的应用。 我们还是以TCGA数据中的CHOL（胆管癌）这套数据为例。 关于这套临床数据的下载可以参考 ☞如何从TCGA数据库下载RNAseq数据以及临床信息(一) 前面我们也给大家介绍过一些处理临床数据的小技巧 ☞【R语言】卡方检验和Fisher精确检验，复现临床paper ☞R生成临床信息统计表 ☞玩转TCGA临床信息 ☞TCGAbiolinks获取癌症临床信息 接下来我们先读入临床数据 #读取临床数据 clin=read.table("clinical.tsv duplicated(clin$case_submitter_id) #提取非重复的样本的临床信息 clin=clin[index,] 可以得到如下临床信息表 前面给大家讲过☞肿瘤TNM分期，我们知道组织病理分期分成 (一) ☞【R语言】卡方检验和Fisher精确检验，复现临床paper ☞R生成临床信息统计表 ☞玩转TCGA临床信息 ☞TCGAbiolinks获取癌症临床信息 ☞肿瘤TNM分期 ☞R替换函数gsub
5.4K21编辑于 2022-09-21 【免疫笔记】Treg的调控机制与临床应用
2. 2000年：Treg的抑制功能机制 明确了Treg的抑制作用是通过CTLA-4分子介导的（S. Read团队），解释了Treg“控制免疫过度激活”的具体方式。 4. 2002-2003年：Treg的人工诱导 2002年：首次实现体外诱导Treg（S.G. Zheng、W. 5. 2011年：Treg疗法进入临床 首次开展Treg细胞治疗的Ⅰ期临床试验（C. G. Brunstein、Di Ianni M团队），标志着Treg从基础研究迈向临床应用。 这条时间线清晰展现了Treg研究从“发现细胞→明确功能/标志物→人工诱导→临床转化→前沿技术”的完整历程，核心是围绕“Treg的调控机制与临床应用”展开的。 临床应用的3大核心挑战 1. 数量不足：如何通过体外扩增获得足够的治疗剂量（Treg本身在体内占比很低，需要大量扩增才能满足治疗需求） 2.
42810编辑于 2025-11-30- 来自专栏单细胞天地
单细胞技术在临床上的应用方向
在我们错过的岁月里，我们看到NGS在临床上的应用主要是检测和诊断。近来，随着NGS技术的下沉和成熟，我们看到它开始在药物开发中得到应用。 身边有不少产品经理问我如何基于单细胞技术开发临床产品以让这个技术尽快落地，为人类的健康提供新的见解（早日上市）。其实在回答这个问题之前，我们需要知道目前NGS的临床应用走到了一个什么样的阶段。 ? 2019年之前，NGS的检测没有这么大的规模，也不是它在临床应用的主力。那么主力是什么呢？ 诊断。 为什么？ 感冒了我们需要做诊断吗？ 所以我们看到做诊断的公司基本都有： 自己的检测方法（一般是panel，试剂盒，测序仪） 超大的样本量 如果你们家公司也想致力于NGS的临床应用，这两个技术指标几乎是躲不掉的。 汤神直播ppt 当我们思考单细胞技术在临床上的应用方向的时候，其实我们是想在临床的这块田里种下单细胞的果实，这个果实是通过一个又一个技术体现出来的。
76020发布于 2020-07-21 癫痫中的人工智能——应用及临床路径
此外，虽然我们描述了涉及目前用于临床实践的工具的应用（例如，结构 MRI、PET 和 iEEG），但我们还描述了涉及目前尚未在临床中使用但有可能在集成时提供帮助的模态的应用（例如，弥散加权成像、静息态 鉴于其临床效用，神经影像自然成为众多癫痫 AI 研究的焦点。在本节中，我们将回顾神经影像中 AI 应用的当前状态。 4. 多模态神经影像和电生理学iEEG提供了很好的时间分辨率，但空间分辨率较差，而神经影像则相反。因此，将颅内电生理学和神经影像结合起来的方法可以充分利用每个模态的最佳特性。 图4 癫痫管理中 AI 的未来。8. 我们预计这些系统将成为无缝集成的现实（图4），多模态数据集成提供了一个关于个人状况的全面概述。
1K10编辑于 2024-09-06空间组学前沿：新兴技术、分析创新与临床应用
团队整合前沿的单细胞与空间多组学技术、细胞成像，并开发和创新应用先进的生物信息学工具与计算框架，以推动新发现。 空间代谢组学通过质谱成像（MSI）技术直接在组织切片上绘制小分子（代谢物、脂质、糖类等）分布：MALDI-IMS 是主流方法，分辨率10–50 μm，支持靶向与非靶向分析；DESI 样本处理简单，适合临床快速应用 调控：CCL19/21-CCR7、CXCL12-CXCR4等趋化因子梯度引导细胞定位。 新发现：Liu等通过邻域细胞组成定义4种保守CAF组织模式（s1–s4），揭示其通过微环境互作塑造免疫格局。治疗潜力：靶向特定CAF亚群可逆转免疫抑制。5. 空间组学的临床与转化应用应用方向空间信息如何指导决策免疫治疗选择TLS成熟度、T细胞排除模式、耗竭生态位 → 指导ICB联合策略（如CXCL13/CXCR5激动剂、CAF靶向药）放疗/药物递送优化缺氧梯度
40720编辑于 2026-01-03- 来自专栏智药邦
人工智能可以改变临床试验的4种方式
医疗保健行业在人工智能应用方面处于领先地位，正在试验从机器学习辅助诊断到从电子健康记录中提取信息的各种应用。 然而，人工智能在实际临床试验过程中的采用仍处于早期阶段。 使用支持AI的数字健康技术和患者支持平台可以彻底改变临床试验，并在整个研究期间和研究终止后更成功地吸引和留住患者。 总之，应用人工智能可以减少临床试验周期，同时提高生产力和临床开发结果的成本。 AI有可能在四个关键领域改变临床试验 临床试验设计 生物制药公司正在采用一系列策略来创新试验设计。越来越多的科学和研究数据，例如当前和过去的临床试验、患者支持计划和上市后监测，为试验设计注入了活力。 AI 解决方案应用自然语言处理 (NLP) 从患者记录中提取临床数据，例如症状、诊断和治疗。它的软件甚至可以识别出 EHR 数据中未明确提及的患者，从而提高患者与临床试验之间的匹配率。 参考资料 https://medcitynews.com/2021/12/4-ways-ai-can-transform-clinical-trials/ --------- End ---------
1.2K20编辑于 2022-03-04 - 来自专栏DrugOne
CellPress | 人工智能在临床试验中的应用
在以下各节中，重点介绍了具有直接AI潜在入口点的临床试验设计方面，并解释了特定的AI技术及其应用将如何改善临床试验性能。 ? 图2. 人工智能在临床试验设计中的应用。 4 总结和未来展望 新药开发过程的现状使大型制药公司和其他临床开发赞助商陷入了一个困境，即重磅炸弹时代已经结束，但增加新的药物组合的研发过程太慢且太昂贵无法弥补这种变化。 相反，数据科学家和医学科学家应该共同定义可实现的用例，在这些用例中，将易于理解的AI工具应用于临床试验设计的特定子任务，有望最大程度地改善整体试验性能。 遵循这种方法，可以逐步将AI应用于临床试验生态系统，从而加快试验速度，同时希望降低失败率和研发成本。几家制药公司和AI公司已开始联合探索这一途径。 AI技术具有现实的实用性；但是，特别是在可解释性方面，这些技术必须成熟，以使其能够更广泛地应用于医疗保健和生命科学应用中。
98070发布于 2021-01-29 - 来自专栏生信菜鸟团
临床模型 | 大型语言模型编码临床知识 | Nature
我们的人工评估揭示了当今模型的局限性，强调了在创建安全、有用的临床应用 LLMs 时，评估框架和方法开发的重要性。 此类模型在医学领域有几种令人兴奋的潜在应用，包括知识检索、临床决策支持、关键发现的总结、患者分类、解决初级保健问题等。 现有的医学问答基准通常仅限于评估分类准确性或自动自然语言生成指标（例如，BLEU），无法支持实际临床应用所需的详细分析。 关于 MMLU 临床主题的类似结果报告在补充信息第 4 节中。 对于被认为存在缺失或遗漏的内容，评估人员会被要求判断其潜在的临床重要性是大还是小。 Para_02 再次，临床医生生成的答案被认为更优（图4）。
52000编辑于 2025-03-28 - 来自专栏Helloted
Runloop(4):应用
4、事件响应 苹果注册了一个 Source1 (基于 mach port 的) 用来接收系统事件，其回调函数为 __IOHIDEventSystemClientQueueCallback()。 随后苹果注册的那个 Source1 就会触发回调，并调用 _UIApplicationHandleEventQueue() 进行应用内部的分发。 实际上，start 这个函数的内部会会获取 CurrentRunLoop，然后在其中的 DefaultMode 添加了4个 Source0 (即需要手动触发的Source)。
60220编辑于 2022-06-07 - 来自专栏EpiHub
让ChatGPT编写交互式网页应用的临床预测模型
R Shiny是一种基于Web的交互式数据可视化工具，能够帮助研究人员和临床医生快速构建交互式应用程序，从而进行数据分析和可视化。 在临床决策中，R Shiny可以用于以下方面： 数据可视化：医生可以使用R Shiny构建交互式图表和图形，以更好地展示和解释患者的病情和治疗效果。 临床预测模型：R Shiny可以帮助医生构建和验证临床预测模型，以便更好地了解患者的风险和预测未来病情的可能性。 临床试验监管：R Shiny可以用于临床试验监管，帮助研究人员快速掌握数据，监测研究的进展和效果。 那么，结合R强大的数据分析能力，在医学领域Shiny有哪些应用呢？这里给出了介绍。 https://zhuanlan.zhihu.com/p/471281332 模型准备 1.准备数据（测试集/训练集） 2.建立Logistics回归模型 3.预测指标（AUC） 4.个体预测概率
2.6K30编辑于 2023-03-08 - 来自专栏生信喵实验柴
临床样本检测
据悉，为了能够准确、快速地识别细菌病原体，研究团队开发了一种能够从临床样本中去除多达 99.99％的宿主核酸的流程，并在便携式 MinION 测序仪上开展了实时的检测和分析。 该团队在 40 个临床呼吸道样品上进行初期测试，在另外 41 个样品上进行了优化和测试。与培养法和 PCR 相比，优化的流程具有较高对病原体鉴定的敏感性（96.6％）和临床特异性（41.7％）。 该方法从样品到结果仅需 6 小时，对病原体检测的敏感性 96.6％、特异性 41.7％，同时可检测抗生素抗性基因； 4. PRJEB30781/P10.fastq.gz minimap2 -ax map-ont $REF $READ -Y -N 20 -t 12 >minimap2.sam samtools fastq -f 4 PWD/${i} ${i%.*.gz}.result ${i%.*.gz}.report";done; #保存结果到temp.list中 awk '{print $1"\t"$2"\t\t"$3"\t"$4}
81420编辑于 2023-02-24 - 来自专栏机器之心
178页，128个案例，GPT-4V医疗领域全面测评，离临床应用与实际决策尚有距离
在临床环境中，可靠的人工智能模型不仅需要发现这些异常，还需要准确定位，以便进行有针对性的干预或治疗。 GPT-4V 能否结合多张图像进行诊断？ 如果 GPT-4V 在这一过程中提供帮助，生成准确且与临床相关的报告，无疑将提高整个工作流程的效率。 GPT-4V 能否在解读医学影像时整合患者病史？ 这些发现突出表明，虽然大型多模态模型在计算机视觉和自然语言处理方面取得了重大进展，但仍远未达到有效支持真实世界的医疗应用和临床决策的要求。 4. 只有二维切片输入 在实际临床环境中，包括 CT、MRI 扫描在内的放射图像通常采用 3D DICOM 格式。 这种不一致性强调了 GPT-4V 在临床诊断中的性能可能是不稳定和不可靠的。 12.
88920编辑于 2023-11-07 - 来自专栏音乐与健康
音疗与音乐治疗的科学实证与临床应用分享
二、现代科学验证：从情绪安抚到神经重塑音疗不仅仅是 “安慰剂”，最新的临床研究证实了它在生理层面的显著作用。神经重塑与耳鸣管理这是音疗在神经科学领域的重要突破。 三、临床应用与未来展望在临床实践中，音疗和音乐治疗通常作为综合治疗方案的一部分，与心理咨询、药物治疗等手段相结合，以达到最佳效果。 这在临床上被称为 **“闸门控制理论”**—— 音乐关闭了部分传递痛苦的闸门。应用：这也是为什么在牙医诊所或术后恢复期，音乐能有效降低患者的焦虑感，甚至减少对止痛药的依赖。 应用：通过特定的音乐引导，我们可以重新改写对某段回忆的认知（例如将悲伤的回忆转化为释怀与感恩），为大脑创造新的神经回路，这在失智症照护或创伤修复中尤为重要。 应用：节奏感强的音乐能提升运动表现或改善帕金森病患者的步态；而平缓的音乐则能让焦躁者的说话语气变慢，让身体回归安稳的频率。
21710编辑于 2026-04-27 - 来自专栏用户7627119的专栏
玩转TCGA临床信息
对作者是如何从307个early-stage cervical cancer (CESC)病人中根据临床信息挑选出145个病人的过程有些疑惑。下面是原作者筛选样本的标准。 ? 首先我们要从TCGA中下载CESC的临床信息，在TCGA中搜索CESC，选择TCGA-CESC。 ? 选择miRNA样本，点击307这个超链接。 ? 任意选择一个样本，点击进入。 ? 点击Download下载，里面就包含所有样本的临床信息 ? 解压到当前文件夹 ? 更多临床信息解读可以参考肿瘤TNM分期。 ? ? 这就和原文中的表1中的数字相同了。 ? 接着我们检查一下相应的Tumor Grade样本数是否正确。 我们把G3的数目作为G3+G4的数目。正好14个，跟表1中的样本数吻合。 ? ? 而NA的个数为1，也与表1中的样本数吻合。 ? ? 挑选LNM-样本，感兴趣的同学可以练练手。
1.8K41发布于 2020-08-06 - 来自专栏科研猫
临床样本组学研究Day4：表观遗传组学（甲基化测序）
4：差异甲基化位点与生存分析 举例： 结果解释：利用Lasso回归模型、Boosting算法等建模验证甲基化标签可预测两对照组的overall survive。 https://www.sohu.com/a/275444467_278730 http://www.mianfeiwendang.com/doc/a89b814c65ab23f817e864af/2 临床样本组学研究系列往期 临床样本组学研究Day1--组学的研究背景及概述 临床样本组学研究Day2--RNA 及转录组学研究（mRNA ） 临床样本组学研究Day3--RNA 及转录组学研究（ncRNA
1.8K42编辑于 2022-02-28 - 来自专栏萌海无涯
Django学习创建应用（4）
我们接下来就要搭建应用 了！通过 Djaong 编写的每个应用 都是由 Python 包组成的，这些包存放在你的 Python 路径中并且遵循一定的命名规范。 Django 提供了个实用工具可以自动生成一个应用的基本目录架构，因此你可以专注于编写代码而不是去创建目录。 说起来搭建应用 ，这个应用 是干嘛的？ 项目与应用之间有什么不同之处？ 应用是一个提供功能的 Web 应用 – 例如：一个博客系统、一个公共记录的数据库或者一个简单的投票系统。项目是针对一个特定的 Web 网站相关的配置和其应用的组合。一个项目可以包含多个应用。 创建应用： 理解了应用之后我们就可以学习在Django怎么创建应用了！ 注意：运行命令的目录同样需要与 manage.py 同目录。 此目录结构就是投票应用。 目录截图： ?
63430发布于 2019-08-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号