标签
诺和诺德与礼来报告显示，司美格鲁肽等GLP-1类减肥药可将分子层面的衰老时钟标志物降低约两至四岁，表明这类药物或可作为延缓生物衰老的抗衰老制剂。
本文提出一种流程，利用Transformer和嵌入技术从临床表格数据中提取可解释的决策规则，将潜在生物标志物映射回可测量的特征，从而提升临床决策支持效果。
本文介绍了一种可解释的机器学习方法，使用朴素贝叶斯分类器在小型临床数据集上从炎症生物标志物预测认知障碍，并识别出I-309 (CCL1)作为关键预测特征。
Bryan Johnson介绍了Immortals Concierge，这是一项精英医疗服务，提供个性化健康方案和先进的长寿诊断，年费高昂。
Apple 通过新功能如‘健康年龄’和准备分数改进了其 Health 应用，由 Apple Intelligence 驱动，提供个性化健康洞察和评估。
本文提出了一种多表征深度学习框架，结合CNN、LSTM和递归图分析来表征脆性X综合征中的α和γ脑电生物标志物，相较于单模态基线方法，分类性能得到提升。
全面综述了老年人认知障碍检测与管理方面的技术进步，涵盖脑电图、神经影像学、血液生物标志物、数字工具以及人工智能/机器学习集成，重点关注外部验证和公平部署等挑战。
本文提出了一种粒度感知的EEG特征框架，将多尺度描述符组织为全局、区域和通道级别，以预测维度精神病理。使用HBN队列研究表明，基于树的模型和粒度平衡的特征选择带来了适度的改进，表明多尺度EEG特征包含微弱但可检测的儿童心理健康信号。
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。
本研究评估了机器学习模型在利用无创患者报告数据和尿液生物标志物对沙眼衣原体感染进行检测前风险分层中的应用，展示了适中的预测性能以及两种数据类型的互补价值。
本文提出了一种残差间隙感知变换器，将混合效应统计参考与基于变换器的残差学习相结合，利用ADNI临床和生物标志物历史数据预测24个月CDR-SB变化，在均方误差和相关性上均优于基线模型。