炎症生物标志物预测老年认知障碍的机器学习评估
原文标题：Machine-Learning Assessment of the Predictive Value of Inflammatory Biomarkers for Cognitive Impairment in an Older Hispanic Adult Cohort
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文针对小型临床表格数据，采用可解释的阈值似然朴素贝叶斯分类器，评估炎症生物标志物对老年西班牙裔人群认知障碍的预测价值。基于 PARI-HD 队列（n=165），人口学基线 ROC-AUC 为 0.630，而 I-309（CCL1）作为主导增量特征将 AUC 提升 0.110，在 100% 重复中 DeLong 检验 p<0.05。研究强调统计显著不等于预测有用，并将 I-309/CCL1 列为待外部验证的可解释候选特征。
- 问题
- 小型临床表格数据上，炎症生物标志物能否预测老年认知障碍。
- 方法
- 用防泄漏的阈值似然朴素贝叶斯分类器，在重复分层交叉验证内完成所有数据依赖步骤。
- 结果
- 人口学基线 ROC-AUC 0.630，I-309（CCL1）增量提升 0.110，DeLong 检验 100% 重复 p<0.05
- 影响
- 提醒统计显著不等于预测有用，I-309/CCL1 仅作为待外部验证的可解释候选特征。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。