Explainable AI based cervical cancer prediction using FSAE feature engineering and H2O AutoML
该研究提出了一种基于H2O AutoML的混合机器学习框架，用于宫颈癌风险预测，结合了自动编码器特征提取和Fisher评分特征选择，显著提高了模型的准确性和可解释性。模型在训练数据集上达到了95.24%的准确率和98.10的AUC值，展示了其在临床决策支持中的潜力。研究强调了解释性人工智能在提升临床信任度方面的重要性，尤其是在低资源环境中。
Integration of artificial intelligence and wearable technology in the management of diabetes and prediabetes
本系统评价探讨了人工智能与可穿戴技术在糖尿病管理中的整合，分析了60项研究的结果，显示出在实时监测和个性化干预方面的显著潜力。研究强调了AI模型在糖尿病管理中的应用，尤其是在血糖监测和个性化治疗策略方面的创新性。尽管存在数据质量和人口多样性等挑战，未来的研究应优先解决这些问题，以确保AI驱动的解决方案能够公平有效地应用于临床实践。
Effects of rs3802177 G/A polymorphism on SLC30A8 mRNA and hsa-miR-183-5p in Malay women with gestational diabetes mellitus
本研究首次提供了rs3802177 G/A多态性、SLC30A8 mRNA表达与hsa-miR-183-5p在马来女性妊娠糖尿病中的相互作用的证据。GG基因型被认为是GDM的风险等位基因，hsa-miR-183-5p的上调可能作为早期诊断的生物标志物。研究强调了马来西亚妊娠糖尿病的公共健康问题，并为未来的个性化医疗干预提供了基础。
Metabolomic and transcriptomic profiling of HNSCC identifies AMIGO2 as a therapeutic target modulating tumor microenvironment
本研究通过代谢组学和转录组学分析，揭示了头颈鳞状细胞癌（HNSCC）中AMIGO2作为潜在治疗靶点的作用。研究发现，AMIGO2在肿瘤微环境中调节嘌呤代谢，其表达与免疫细胞浸润及肿瘤进展密切相关。通过结合AMIGO2靶向治疗与抗PD-1疗法，研究显示出显著的抗肿瘤效果，为HNSCC的治疗提供了新的思路和方向。
An assisted diagnostic and prognostic model for endometrial cancer using 36 serological markers and clinical variables from 562 patients
本研究建立了一种基于机器学习的子宫内膜癌（EC）风险预测模型，利用36种血清标志物和临床变量，能够有效区分EC与内膜非典型增生（EAH），并预测临床分期、淋巴结转移风险及预后。研究显示，随机森林分类器在预测准确性上表现优异，HE4和CA125在风险分层中起到关键作用。这一模型为EC的个性化管理提供了新的思路，具有重要的临床应用潜力。
An inflammatory T-cell-stromal axis contributes to hematopoietic stem/progenitor cell failure and clonal evolution in human myelodysplastic syndrome
本研究通过单细胞转录组分析探讨了炎症在骨髓增生异常综合症（MDS）中的作用，发现炎症重塑骨髓基质对造血干/祖细胞的功能产生显著影响。研究建立了MDS患者骨髓细胞的全面分类，揭示了炎症与克隆选择之间的关系，为MDS的临床管理和治疗提供了新的见解。
Inflammatory stromal and T cells mediate human bone marrow niche remodeling in clonal hematopoiesis and myelodysplasia
本研究通过单细胞转录组学分析，揭示了克隆性造血和骨髓增生异常中的炎症微环境重塑，强调了炎症间充质干细胞(iMSCs)在疾病进展中的关键作用。研究表明，iMSCs可能成为干预早期克隆性造血的潜在治疗靶点，具有重要的临床和商业价值。
Monocyte inflammation and resilience to Alzheimer’s disease: novel genetic risk genes identified by transcriptome-wide association study
本研究通过转录组广泛关联研究（TWAS）探讨了单核细胞在阿尔茨海默病韧性中的作用，识别了180个与韧性相关的基因，包括已知的阿尔茨海默病基因APP。研究结果表明，单核细胞驱动的炎症可能是阿尔茨海默病韧性机制的重要组成部分，为未来的免疫治疗策略提供了新的潜在靶点。
Depth-variant deconvolution applied to widefield microscopy for rapid large-volume tissue imaging
研究提出了一种新型的深度变换解卷积技术，结合快速组织处理，能够在短时间内实现大体积组织的三维成像。该方法在评估人类肾脏活检的适用性方面显示出重要的临床应用潜力，尤其是在肾脏移植的评估中。研究结果表明，该技术不仅提高了成像速度，还能在保持高分辨率的同时，提供更全面的组织结构信息。
Unassailable citrus disease classification via multi-stage deep ensemble learning with vision transformers
研究提出了一种多阶段深度集成学习框架，用于柑橘病害的自动分类，结合了卷积神经网络（CNN）、视觉变换器（ViT）和支持向量机（SVM），在柠檬和橙子病害分类中实现了99%和97%的准确率。该框架通过增强特征提取和决策边界优化，显著提高了分类性能，具有广泛的应用潜力，尤其是在精准农业领域。
AI and innovation in clinical trials
文章探讨了人工智能在临床试验中的创新应用，包括如何通过AI优化试验资格标准、实施适应性试验设计以及利用数字双胞胎技术提高试验效率。这些技术的应用有助于解决传统临床试验面临的挑战，如高成本和参与者招募困难，具有显著的商业潜力和投资价值。
Optimized Multi-Stepped constant current constant voltage fast charging controller for lithium-ion batteries
本研究提出了一种基于粒子群优化的多级恒流恒压快速充电控制器（MMSCC-CV-PSO），旨在提高锂离子电池的充电效率和安全性。该方法通过优化充电策略，减少了充电时间和热量生成，显著提升了电池的使用寿命。模拟结果表明，MMSCC-CV-PSO在充电速度和热管理方面优于传统的恒流恒压（CC-CV）和多级恒流（MSCC）方法，具有广泛的应用潜力，特别是在电动汽车和可再生能源系统中。
Low self esteem contributes to medical student social media addiction through chain mediation by academic Involution and anxiety
本研究探讨了自尊、学术内卷和焦虑对医学生社交媒体成瘾的影响，发现自尊显著负向预测社交媒体成瘾，并通过学术内卷和焦虑起到链式中介作用。研究在中国两所大学进行，涉及1055名医学生，结果为医学生的心理健康干预提供了重要的理论依据和实践指导。
Aprepitant alleviates acute lung injury in a rat model of hepatic ischemia–reperfusion via NLRP3/IL-1β signaling pathway
本研究探讨了Aprepitant在肝脏缺血再灌注模型中对急性肺损伤的保护作用，重点关注其通过NLRP3/IL-1β信号通路的调节机制。结果显示，Aprepitant显著改善了氧化应激和炎症参数，表明其作为潜在治疗药物的前景。该研究为急性肺损伤的治疗提供了新的思路，强调了Aprepitant在临床应用中的重要性。
Transition rates to schizophrenia and early intervention effectiveness in substance-induced and brief psychotic disorders: a randomized controlled trial
该研究探讨了物质诱发精神病（SIPD）和短暂精神病（BPD）患者向精神分裂症转归的风险，发现SEI显著降低了转归风险。研究涉及1000名参与者，强调了早期干预的重要性，尤其是在物质使用背景下。结果显示，神经认知缺陷和炎症标志物是转归的关键预测因素，支持了针对高风险个体的预防策略。