开发出可编程的CRISPR反应性智能材料
2019年8月26日讯/生物谷BIOON/---CRISPR-Cas系统已成为科学家们在不断增加的有机体中研究基因的首选工具，并且正被用于开发潜在地校正基因组中单个核苷酸位点上的缺陷的新型基因疗法。它也被用于正在进行的诊断方法中，用于检测患者体内的病原体和致病突变。如今，在一项新的研究中，来自美国哈佛大学威斯生物启发工程研究所和麻省理工学院的研究人员展示了将CRISPR用作新型刺激反应性“智能（s
Nature：利用人工智能预测急性肾损伤
2019年8月12日讯/生物谷BIOON/---在一项新的研究中，美国和英国的研究人员将人工智能（AI）应用于解决检测住院患者急性肾损伤（acute kidney injury, AKI）的问题。相关研究结果近期发表在Nature期刊上，论文标题为“A clinically applicable approach to continuous prediction of future acute k
人工智能可助尽早诊断自闭症
自闭症谱系范畴的神经发育性疾病通常要到孩子几岁时才会被确诊，但那时对患者的干预和治疗已过了最佳时期。近日发表在美国《国家科学院学报》上的一项新研究显示，利用人工智能分析瞳孔变化或心率波动可帮助尽早诊断这类疾病。此前研究发现，自闭症谱系障碍患者的大脑胆碱能神经环路异常，而大脑胆碱能神经环路异常会伴随患者瞳孔自发扩张或收缩以及心率异常。美国波士顿儿童医院的研究人员观察了实验鼠的瞳孔变化，发
肿瘤新辅助治疗效果智能评估研究取得进展
根据美国国家综合癌症网络（NCCN）和中国临床肿瘤学会（CSCO）最新肿瘤治疗指南，手术之前的新辅助治疗已成为直肠癌、乳腺癌等多种肿瘤的标准治疗方案的重要组成部分。患者通过新辅助治疗可实现肿瘤降期，使不可手术患者达到手术条件，特别是可能达到病理学完全缓解（pathological complete response， pCR），从而可能避免手术。但目前只能通过术后病理对新辅助治疗效果进
利用人工智能开发2型糖尿病创新疗法 诺和诺德扩展合作
e-therapeutics公司宣布与诺和诺德（Novo Nordisk）公司达成协议，扩展在2型糖尿病领域的研发合作。此前，两家公司已经在使用e-therapeutics公司的网络驱动药物开发平台（Network-Driven Drug Discovery， NDD），在2型糖尿病领域发掘创新生物机制和治疗手段。e-therapeutics公司是一家利用网络生物学（Network）技术和in s
云计算和大数据重点专项项目成果“多模态自然人机交互神经系统疾病辅助诊断工具”入选国家卫健委“医疗健康人工智能应用落地30最佳案例”
中国科学院软件研究所和中国医学科学院北京协和医院在国家重点研发计划“云计算和大数据”重点专项项目“云端融合的自然交互设备和工具”的支持下，将自然人机交互技术与神经系统疾病临床诊断方法结合，研制了“多模态自然人机交互神经系统疾病辅助诊断工具”，成功应用于神经系统疾病的早期预警与辅助诊断当中，在国家健康医疗相关领域发挥了重要作用，入选国家卫健委颁发的“医疗健康人工智能应用落地3
新研究借助人工智能探寻食管癌致癌基因
食管癌是常见的消化道肿瘤，全世界每年约有30万人死于食管癌。其发病率和死亡率各国差异很大。我国是世界上食管癌高发地区之一，每年平均病死约15万人。早发现、早诊断对提高5年生存率至关重要；早期发现食管癌，特别是对于食管癌高发期、高危人群，最好每年进行胃镜1次检查。英国一个研究团队日前在英国《自然·通讯》杂志上报告，他们借助人工智能技术能更好地分析食管癌的致癌基因，基于这些新发现未来有望提
目前人工智能对乳腺癌的诊断与人类专家一样好！你选哪个？
2019年7月18日讯 /生物谷BIOON/——乳腺癌是英国最常见的癌症。它占全国所有新病例的15%，大约八分之一的妇女将在一生中被诊断出患有该病。在英国国家医疗服务体系(NHS)中，乳腺癌筛查通常包括乳房x光检查。但是，随着能够阅读这种早期测试的专家数量减少，这种测试的未来将面临风险。虽然这种技能短缺无法立即弥补，但人工智能领域有望取得的进步可能会有所帮助。图片来源：http://cn.bing
药监局发布医疗AI产品审批要点 人工智能企业是否准备就绪？
在药监局进行“人工智能类医疗器械注册申报公益培训”半年之后，关于审批要求相关的官方详细文件终于下达。半年前的会议上，药监局细致入微的分析了影响医疗人工智能器械审批的每一个过程，细化到对每个指标进行了详尽的讲解。这一次，药监局正式向AI企业发布了审批相关文件《深度学习辅助决策医疗器械软件审批要点》（以下简称《要点》），以文件的方式将审批相关的具体指标确立下来。相比上一次会议，
生物样品前处理走向自动化，力扬企业智能型实验室未来可期
在生物样品分析的全过程中，样品前处理占据着十分重要的地位，因为它引入的误差和耗费的时间往往占整个分析过程的一半以上，因此，样品前处理是保障分析结果精准可靠的前提条件。传统的样品前处理方法多采用人工或以人工辅助的半自动操作，处理过程中可能会因操作人员习惯差异造成数据不准确等问题。另外，传统的样品前处理过程很难被完整的记录下来，因此无法实现最终分析数据的溯源。近年来，随着生产制造技术的不断改进和创新，