新型AI模型可经过血检识别多种神经退行性疾病

瑞典隆德大学日前宣布，该校介入研收回一种新型人工自动(AI)模型，可经过单次血液检测辅佐识别多种神经退行性疾病，为相关疾病早期筛查和辅佐诊断提供新思绪。隆德大学等机构的研讨人员基于逾越1.7万名患者及瘦弱对照者的蛋白质测量数据，开收回一种AI模型。该模型经过学习多种疾病的血液蛋白特征，能够识别出一组特定蛋白，从而识别不同疾病。结果显示，这一模型可识别5种疾病或状况，包括阿尔茨海默病、帕金森病、肌萎缩侧索硬化症、额颞叶聪明以及卒中病史。

Cell ｜液体活检+AI 提醒眼睛衰老和疾病的机制

美国斯坦福大学Vinit B. Mahajan研讨组经过树立TEMPO方法，结合微量液体蛋白质组学、细胞水平转录组学及人工智能，提醒了眼部疾病的出现机制并树立了衰老与疾病间的咨询。 详细研讨内容如下：

JCIM | 人工智能驱动的稀有病药物发现

JCIM | 人工智能驱动的稀有病药物发现

稀有病（Rare Diseases，RDs）作为全球公共卫生范围的严重应战，其疾病种类单一、症状复杂且诊断困难的特点，使得超越90%的稀有病仍缺乏有效治疗手腕。 近年来，人工智能（AI）技术的加快开展为稀有病药物发现提供了新的契机。 本文将深化讨论AI在稀有病药物发现中的运行，以及如何经过机器学习（ML）和深度学习（DL）等技术克制传统药物开发的阻碍。

一、稀有病的背景与应战

二、AI在稀有病药物研发中的运行

三、研讨方法与实验结果

四、AI驱动的未来运行与前景

五、结论

AI在稀有病药物开发中的运行展现了其在药物挑选、靶点发现和临床实验优化方面的反派性潜力。 虽然仍面临技术和伦理应战，但AI的加快开展为稀有病患者带来了希望。 未来，经过多学科协作与技术优化，AI有望成为稀有病研讨的中心驱动力。

以上内容展现了AI在稀有病药物发现范围的普遍运行和清楚优势，以及未来或许的开展方向和面临的应战。

或是诺奖级发现！中国医生破解帕金森病世纪难题

中国医生团队在帕金森病研讨中取得里程碑式发现，初次确定治疗原始创新靶点FAM171A2，并挑选出潜在小分子药物，有望开启靶向治疗新时代。