医学表征预训练助力药物重定位筛选
原文标题：Pretrained Medical Representations for the Practical Screening of Drug Repositioning Candidates
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。
研究提出统一预训练框架，显式整合医疗编码的层级子词聚合、部分掩码与交叉引用机制，在痴呆发病与住院等临床事件预测任务上超越现有方法。作者以阿尔茨海默病为案例开展计算机药物重定位研究，无需文献等外部知识即数据驱动地重新发现已知候选药物，并提出任务自适应表征方法缓解历史处方信息过度编码问题。该工作建立了基于观察性关联的假设生成与优先级排序探索性筛选流程，强调其用于后续因果推断而非提供因果证据。
- 问题
- 医疗编码序列的 BERT 模型难以刻画编码层级与诊疗交互，难用于假设发现。
- 方法
- 统一预训练框架整合层级子词聚合、部分掩码与交叉引用，并提出任务自适应表征缓解历史处方过度编码。
- 结果
- 在痴呆发病与住院等临床事件预测上持续超越现有方法
- 影响
- 让电子病历表征直接支撑药物重定位筛选，为因果推断前的假设排序提供数据驱动流程。
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。