Ataraxis Breast CTX多模态AI模型在HR+/HER2-早期乳腺癌中分层残余风险并识别治疗升级候选者
Ataraxis Breast CTX多模态AI模型整合临床变量和H&E图像特征，在III期UNIRAD试验（NCT01805271）的556名患者队列中进行前瞻性-回顾性验证。
推荐理由：该研究在已完成的III期试验队列中验证了AI模型对辅助治疗决策的潜在指导价值，为高风险患者分层提供了具体数据。
AI 制药
全部主题结构预测、生成式设计与虚拟细胞：AI 在药物发现和临床中的可验证进展。
最新精选
第 21–40 条 · 共 40 条medRxiv Oncology精选评分5454
medRxiv Oncology精选评分6666 AI模型Ataraxis CTX在TAILORx试验中识别HR+/HER2-乳腺癌中危患者的化疗获益
基于TAILORx试验6735例患者数据的分析显示，AI模型Ataraxis CTX整合H&E切片形态特征和临床变量，其预后预测（CTX-prognostic）与无病间期显著相关（HR 1.651，95% CI 1.511-1.803）。在21基因复发评分中危亚组中，CTX-benefit模型识别出化疗高获益患者，其5年无病间期率增加5.6%，而低获益患者未见明显获益（交互作用p=0.016）。
推荐理由：AI模型在21基因复发评分中危患者中识别出化疗获益亚组，为现有临床决策工具提供了补充信息。
Nature Cancer精选评分4747 通用计算细胞病理学视觉基础模型 CROWN 的开发与基准测试
Zheng 等人开发了用于细胞病理学的通用视觉基础模型 CROWN。该模型在涵盖淋巴结转移和宫颈癌筛查等队列的超过 200 项真实世界细胞学任务上进行了基准测试。CROWN 展示了其在计算细胞病理学领域的广泛应用潜力。
文献与产业新闻（bio-brief）精选评分3232 镓生物材料的动态配位工程：治疗性生物功能的生物可及性框架
研究者提出了“生物可及性”框架，用以描述具有生物活性的镓物种在整个治疗生命周期中对相关生物环境、细胞及分子或组织靶点的时空可用性。该综述探讨了配位化学、生理条件下的镓形态以及疾病响应性配位演化，并回顾了代表性配位工程镓平台在抗菌、免疫调节、癌症治疗等领域的应用。该框架为设计下一代镓生物材料及更广泛的配位工程治疗系统提供了概念基础。
medRxiv Oncology精选评分4242 验证用于患者沟通自动化监督的LLM评审员
研究验证了大型语言模型作为评审员在临床试验知情同意这一场景下自动化监督患者沟通的能力。在ICON-Bench基准测试中，19个LLM评审员在安全筛查和事实核查方面与临床医生评分高度一致（Spearman ρ > 0.80），但在沟通质量评估上一致性较弱（ρ < 0.60）。患者权益倡导者对沟通质量的评分低于临床医生和LLM评审员，表明需根据以患者为中心的标准对LLM进行重新校准。
medRxiv Oncology精选评分6161 基于大语言模型的 MSK-Tox 资源揭示肿瘤系统治疗毒性的临床与遗传决定因素
研究者开发了一种基于大语言模型的方法，构建了包含超过5万名患者的泛癌种毒性资源 MSK-Tox。分析六种代表性不良事件发现，毒性模式受癌症类型、治疗方案和临床背景影响。研究识别了两种胚系易感性模式：器官固有模式（如 FOXE1 附近调控变异与甲状腺功能减退相关）和免疫介导模式（HLA-DRB1*15 是免疫检查点抑制剂治疗患者肾上腺功能不全的主要决定因素）。
推荐理由：研究识别了两种胚系易感性模式，包括与免疫检查点抑制剂相关的 HLA-DRB1*15 等位基因，为治疗前毒性风险预测提供了新维度。
顶刊论文（社媒热度）精选评分5050 本地部署医疗AI代理结合多视角可靠性框架支持选择性自主临床决策
研究开发并评估了一个完全本地部署的临床AI代理，该系统结合本地操作控制与多视角可靠性框架来支持选择性自主决策。在MIMIC-IV衍生的两个基准测试中，代理在七疾病任务上达到90.04%准确率，在四疾病任务上达到83.8%准确率。诊断行为一致性对正确性的区分能力最强（AUC=0.860），在一致性阈值0.90时，49.4%的病例以98.9%的诊断准确率被保留用于自主处理。
推荐理由：该研究为临床AI代理提供了本地部署和决策时可靠性评估的实用框架，有助于识别可安全自主处理的病例。
顶刊论文（社媒热度）精选评分6464 基于纵向电子健康记录的母胎AI代理MoChiAgent预测母婴结局
研究者开发了基于大语言模型的临床助手MoChiAgent，整合电子健康记录数据预测母婴疾病。核心预测引擎MoChiFormer在4,401,599次纵向临床就诊中开发，并在外部队列验证。
推荐理由：该研究在超过460万次临床就诊数据上开发并验证了AI模型，提供了胎盘早剥、胎膜早破和早产等关键妊娠结局的AUROC具体数值。
顶刊论文（社媒热度）精选评分4949 AdaptiveFlow：AI增强的自适应虚拟筛选平台实现大规模配体发现
AdaptiveFlow开源平台实现了对690亿化合物Enamine REAL Space库的超大规模虚拟筛选，整合了1500多种对接协议并支持AI方法开发。该平台通过18维分子属性网格和主动学习优先筛选有前景的化学子空间，在AWS云上实现了近线性扩展至560万CPU。研究团队利用该平台发现了FSP1和PARP1的纳摩尔抑制剂，并通过共晶结构揭示了FSP1抑制机制。
推荐理由：热度：X 浏览 6.1 万
顶刊论文（社媒热度）精选评分6969 利用AI设计的合成蛋白组装体构建高效RNA递送载体
研究团队结合天然蛋白结构域与AI设计的合成蛋白组装体，构建了100多种不同大小和形状的RNA递送载体，其RNA递送效率比常用载体高几个数量级。通过计算设计的肽结合物可编程载体趋向性，在多种细胞模型中递送治疗性RNA。在小鼠体内显示近单细胞分辨率的生物分布并确认安全性，在患者来源细胞和猪模型中成功应用于杜氏肌营养不良的基因编辑治疗策略。
推荐理由：通过AI设计合成蛋白组装体构建了100多种非病毒RNA递送载体，在小鼠和猪模型中验证了安全性和基因编辑治疗效果。
顶刊论文（社媒热度）精选评分5454 GPN-Star：整合物种树和比对信息的基因组预训练网络提升全基因组功能约束预测
GPN-Star 是一种基于系统发育感知架构的基因组预训练网络，利用全基因组比对和物种树显式建模进化关系。该模型在人类基因组编码和非编码区的多种变异效应预测任务中达到最优性能，能更好优先识别致病性和精细定位的GWAS变异，并提升罕见变异关联检验的效能。研究还展示了该框架在五种模式生物中的可推广性。
推荐理由：该模型整合了物种树和全基因组比对，在编码和非编码区变异效应预测中优于传统进化模型和现有基因组语言模型。
顶刊论文（社媒热度）精选评分4949 DeepSomatic：一种适用于多种测序技术的精准体细胞小变异发现方法
DeepSomatic 是一种深度学习工具，可在短读长和长读长测序数据中一致地优于现有方法检测体细胞小核苷酸变异和插入缺失。该方法提供全基因组和全外显子组测序模式，适用于肿瘤-正常配对、仅肿瘤和福尔马林固定石蜡包埋样本。研究还公开了包含六对匹配肿瘤-正常细胞系、经 Illumina、PacBio HiFi 和牛津纳米孔技术全基因组测序的 CASTLE 基准数据集。
推荐理由：热度：X 浏览 3459
文献与产业新闻（bio-brief）精选评分4747 GUTchetp：使用集成单语和多语言神经机器翻译及酶分类一致性与反应相似性预测肠道微生物生物转化谱
GUTchetp 框架集成单语和多语言神经机器翻译模型预测肠道生物转化产物，其集成模型的 Top-20 BLEU 分数和 MaxFrag 准确率分别达到 66.59% 和 67.19%。
medRxiv Oncology精选评分4545 AI 识别出与早期卵巢癌相关的分布式血液代谢组学系统型
一项研究发现，人工智能模型可通过分析血液代谢组学特征识别早期卵巢癌。该模型在两个独立回顾性队列（血清队列 N=91，血浆队列 N=83）中分别实现了高达 99.0% 的敏感性和 99.8% 的特异性。研究识别出 239 个一致的代谢物变化，表明存在一种涉及肿瘤与宿主的分布式代谢反应系统型，支持进一步开发基于代谢组学的卵巢癌早期检测方法。
顶刊论文（社媒热度）精选评分5353 I3LUNG研究评估可解释AI决策支持工具及多模态模型在非小细胞肺癌中的临床可用性
I3LUNG（NCT05537922）是迄今最大国际真实世界多模态AI研究，纳入2396例非小细胞肺癌患者。机器学习与深度学习仅用临床血液数据模型在测试集AUC最高达0.77，外部验证AUC为0.55-0.72；AI模型显著优于PD-L1、ECOG PS等传统指标。
推荐理由：研究比较了仅用临床血液数据和加入影像病理的多模态模型，为AI工具在真实世界肺癌免疫治疗选择中的实际增益提供了参照。
顶刊论文（社媒热度）精选评分5252 ELF：集成学习病理基础模型用于精准肿瘤学
ELF 集成五种预训练病理基础模型，在 53,699 张全切片图像上训练，生成统一的切片级表征。该方法在疾病分类、生物标志物检测以及抗癌和免疫治疗反应预测任务中，性能优于单个组成模型和现有切片级基础模型。
推荐理由：该方法整合多个预训练模型以提升病理图像分析性能，可在数据有限场景下支持治疗反应预测。
Cancer Cell精选评分5757 ELF：集成五种病理基础模型的精准肿瘤学框架
Luo 等人开发了 ELF 框架，集成五种病理基础模型从全切片图像生成统一表征。基于 20 个解剖部位的近 54,000 张切片训练，ELF 在疾病分类、生物标志物检测以及化疗、靶向治疗和免疫治疗反应预测方面优于单个基础模型。
Cancer Cell精选评分3737 集成学习在计算病理学中的应用
Luo等人开发了一种集成方法，将五个预训练病理学基础模型整合为玻片级表征以利用其互补信息。该方法在肿瘤分型、生物标志物和治疗反应预测方面均取得提升。该研究展现了集成与多模态方法在计算病理学中的潜力。
Cancer Cell精选评分5050 UniCure：一种用于预测个性化癌症治疗反应的多模态模型
UniCure 多模态基础模型能够预测不同细胞背景下药物诱导的转录组反应。该模型通过整合癌细胞系数据与患者来源模型，实现了个性化药物优先级排序和患者分层。其预测的治疗排序在真实世界队列中与临床生存结局显著相关。
文献与产业新闻（bio-brief）精选评分2727 皮肤生理药代动力学建模：当前研究进展、软件比较与未来展望
皮肤生理药代动力学（PBPK）模型通过机制性表征经皮吸收过程来预测局部和全身暴露，并借助虚拟临床试验提升研发效率。