MIT FINGERS-7B：首款用于阿尔茨海默病预防的多组学AI模型
摘要
MIT发布了FINGERS-7B，这是一个拥有70亿参数的多组学基础模型，基于3万人的数据进行训练，旨在提前数年预测阿尔茨海默病的风险。该模型可通过AD Workbench访问，并附有发布在OpenReview上的研究论文。
相似文章
The biggest AI breakthrough in medicine & drug discovery
MAML is a novel multi-modal AI model that unifies understanding of chemistry, genetics, and proteins, outperforming specialized models on 11 drug discovery benchmarks, promising to accelerate pharmaceutical research and improve success rates.
AlphaGenome：用于更好地理解基因组的人工智能
DeepMind 推出 AlphaGenome，这是一个能够预测 DNA 序列变异如何影响基因调控和生物过程的 AI 模型，可应用于多种细胞类型和组织。该模型可处理多达 100 万个碱基对，通过 API 向非商业研究提供，完整论文已在《自然》杂志上发表。
利用深度学习进行具有不确定性意识的阿尔茨海默病进展纵向预测
本文提出了一种概率框架，用于阿尔茨海默病进展预测，该框架结合了有序诊断预测、多时间点轨迹生成和分解不确定性估计，采用 Temporal Fusion Transformer 编码器和自回归混合密度网络。在ADNI数据上，该模型优于基线，实现了接近标称的90%可信区间覆盖率，并提供了具有临床意义的不确定性信号。
整合生物工具包，探索ALS新疗法
DeepMind的Co-Scientist人工智能工具融合了两位来自不同生物领域研究者的专业知识，通过生成可验证的假设并识别基于RNA的潜在治疗机制，加速ALS研究。
基于可解释机器学习与临床生物标志物的阿尔茨海默病早期检测：利用阿尔茨海默病神经影像学倡议（ADNI）数据集的多分类研究
本研究利用ADNI数据集中的八项临床生物标志物，构建了一个结合SHAP可解释性的XGBoost分类器，实现对阿尔茨海默病的三分类检测（认知正常、轻度认知障碍、AD），在留出测试集上达到宏观AUC 0.982、Cohen's kappa 0.909。SHAP分析表明，CDR整体评分是认知正常和轻度认知障碍的主导预测因子，而CDR-SB与MMSE共同驱动了AD的分类判别。