关键词： 大模型   多组学   队列研究   疾病预测   精准医学   因果推断   人工智能  

摘要： 队列研究作为现代医学研究的基础，在疾病的机理探寻及健康的风险预测中发挥着巨大的作用。在高通量技术的飞速发展下，对于诸多复杂的疾病来说，多组学队列研究是现阶段挖掘出其发生发展机制最有效的研究方法之一。随着大规模语言模型(LLM)和多模态大模型的快速兴起，处理队列研究中的复杂数据有了新的可能，如在时间序列建模、缺失数据处理和跨模态数据整合和分析方面都可由该类模型实现。本综述对UK Biobank、All of Us和中国慢性病前瞻性研究三大典型队列中大模型应用的关键案例进行了全面总结，将队列研究从“相关性发现”阶段推向到“因果推断”阶段。本文梳理了前沿的方法学创新、典型的使用场景以及可能遇到的挑战与应对方案，对大模型驱动的多组学队列研究提供了一个系统性框架，探讨了目前存在的主要问题以及后续发展的路径，对推动精准医学和公共卫生等领域的科学决策具有重要意义。

关键词： 人工智能   人工智能模型卡   算法透明性   算法治理  

摘要： [目的/意义]人工智能模型卡(AI Model Cards)旨在记录和共享人工智能模型的元数据信息。作为一种结构化、标准化的算法描述工具，它在支持算法透明性方面发挥着关键作用，有利于推动算法治理的进一步深化。[方法/过程]对人工智能模型卡相关文献进行系统梳理与总结，将现有研究归纳为元素结构、内容质量评估与价值论证三个方面，识别出人工智能模型卡的核心元素及其内涵。[结果/结论]研究发现，学术界、产业界与政府在模型卡的内容构建上既存在共性也各有侧重；模型卡的实际应用与设计理念之间存在一定鸿沟；面向不同主体，模型卡体现出差异化的价值尺度。对模型卡的优势、局限性与未来发展方向的深入分析，能够为模型信息描述框架的构建与算法透明性的提升提供理念指导与方法支持。

关键词： 新质生产力   人工智能   智能行政执法   正当程序   风险规制  

摘要： 以人工智能为代表的新一代关键核心技术的创新与应用正成为新质生产力发展的重点领域和重要组成部分，同时也深度嵌入行政执法体系，引发传统行政法秩序的结构性变革。新质生产力发展驱动下，智能行政执法系统凭借智能技术强大的数据处理与分析能力，深度介入行政决策与执法流程，解构了传统责任分配逻辑，但算法黑箱引发的程序正义危机削弱行政决策过程的透明性，克减相对人知情权、参与权，算法偏见更直接威胁结果公正。面对智能行政执法的风险挑战，应在执法主体维度按照人工智能法律分类标准确认归责原则；在执法程序维度以算法透明化改革与强化说明义务保障相对人程序参与，建立包含双轨申辩与复核机制的包容性数字救济体系；在执法结果维度形成覆盖算法设计事前审查、执法过程动态监管以及争议解决事后救济的治理机制。

关键词： 机器学习   综合物流网络   物流成本  

摘要： 探索降低物流成本的策略对于促进流通、提振消费具有重要作用。近年来，我国采取多项措施降低物流成本并取得了积极成效，但是，社会物流总费用与GDP的比率仍然偏高。本文通过机器学习算法，从交通物流基础设施网络、运输服务以及相关产业发展等多方面着手，量化各指标特征重要性，识别出铁路营业里程在综合交通网里程中的占比、内河航道里程在综合交通网里程中的占比等影响物流成本的关键因素，其中第三产业增加值占GDP的比重对物流成本的影响最大。此外，研究发现铁路营业里程在综合交通网里程中的占比等特征因素与社会物流成本成负相关，内河航道里程在综合交通网里程中的占比等特征因素与物流成本近似成正相关。基于此，应加强物流网络智慧化建设、优化产业结构、完善综合立体交通网建设、推动各运输方式协同发展等降低物流成本。

关键词： 配电系统   电力安全   弹性评估   人工智能   混合增强   极端事件  

摘要： 电力安全事关国民经济发展与国家能源安全。近年来，低概率高损失极端事件给配电系统的安全可靠运行带来了严峻挑战。弹性评估通过定量刻画极端事件下配电系统预防、抵御及恢复的能力，为安全可靠供电提供支撑。首先，介绍配电系统弹性评估（DSRA）的基础理论，从弹性建模、弹性指标与评估算法三个方面梳理DSRA的研究现状。然后，介绍模型-数据-认知混合增强智能（MDC-HAI）的基本概念、研究现状与应用场景，分析其可能为DSRA带来的创新。接着，探讨DSRA的MDC-HAI方法，包括极端事件下配电系统的故障模式及弹性建模、DSRA的指标及要素表征、DSRA的MDC-HAI算法等关键技术。最后，对本文工作进行总结与展望。

关键词： 机器学习   卷积神经网络   中子衍射   织构   重要性区域识别   抗噪能力  

摘要： 本研究基于X射线衍射极图以及对应的织构体积分数，训练了一种可用于从中子衍射测量的织构数据中分析织构体积分数的卷积神经网络模型。然后，进一步分析了极图中不同晶面对于确定织构的重要性，发现训练的模型（220）晶面的极图对准确做出预测的影响最大。为了验证模型的噪声鲁棒性，通过引入不同强度的随机噪音来进行检验。结果表明，该深度学习框架在中子织构数据集上展现出了优异的织构特征识别精度和噪声干扰下的稳定预测性能，为中子衍射织构数据的智能解析提供了可靠的技术路径。

关键词： 人工智能   奋斗精神   异化风险   大学生  

摘要： 人工智能时代大学生奋斗精神被赋予了新的内涵,它是实现科技自立自强的关键支撑、是防范技术异化的思想屏障、是培育时代新人的核心要素,因而具有重要的时代价值,但同时大学生面临着奋斗目标迷茫、奋斗热情减退、奋斗能力弱化等异化风险。基于此,文章从人工智能技术、社会环境、高等教育、家庭教育以及大学生个体层面进行了原因分析,并提出了构建人本导向的智能治理体系、营造健康向上的发展环境、重构智能时代的育人生态、树立正确的教育理念和提升自身思辨素养等应对策略。

关键词： 智能制造   工业图像处理   异常检测与定位   深度学习   无监督学习  

摘要： 深度学习的快速发展为工业图像的异常检测和定位奠定了里程碑，现有研究对全面深入探索该领域具体方法和新兴趋势的需求不断增长。超越了传统的监督训练范式，探讨了基于自监督和无监督学习的异常定位方法的背景动机、发展现状和核心挑战，从神经网络架构设计、特殊应用场景分析、损失函数改进、评价指标和公开数据集的使用情况等角度全面回顾了工业领域现有优秀研究。此外，还重点研究了少样本学习下，大型视觉语言模型对多类别统一异常定位任务的认知和推理作用，总结了现有研究成果并指出了未来的研究方向，旨在促进利用大模型的能力来增强复杂真实场景中异常定位算法的稳健性和系统开发的高效性。这项全面的分析旨在弥合现有的知识差距，为研究人员提供宝贵的见解，并为塑造工业异常定位研究的未来做出贡献。

关键词： 胃腺癌   机器学习   生物标志物   风险预测模型   列线图  

摘要： 本文基于生物信息学和机器学习算法确定与胃腺癌（stomach adenocarcinoma， STAD）预后密切相关的关键基因，并构建高效预后风险模型。从TCGA-STAD数据集中获取胃腺癌患者及癌旁组织的RNA测序数据，并结合临床病理信息进行分析。首先对纳入的RNA测序数据进行了差异基因分析基因筛选、蛋白互作网络分析基因筛选和功能富集分析。其次，结合RNA测序数据和临床病理数据，采用单因素Cox分析和4种机器学习算法（LASSO、SVM-RFE、ORSF、XGBoost）进一步进行特征选择，得到核心基因，并在GEO数据集中验证核心基因表达的差异。最后基于LASSO-Cox回归构建预后风险模型，并采用列线图进一步对患者进行个性化预测。通过Kaplan-Meier生存分析、ROC曲线评估模型的预测能力，并在验证组中进行独立验证。基于差异表达筛选及蛋白质相互作用网络分析得到的197个关键基因，主要富集在细胞色素P450介导的外源性物质代谢、化学致癌-DNA加合物等通路，并参与外源性刺激物响应、激素代谢等生物学过程。构建COL10A1、CYP2D6、GPT、GPX3、PLN、TREM2等6个基因组成的风险预测模型，高风险组患者总生存期显著低于低风险组，ROC曲线AUC值为0.738，时间依赖性ROC曲线2年、3年、5年AUC值分别为0.708、0.744、0.834，表明该模型具有良好的生存预测能力。列线图模型显示出较高的预测准确性，校准曲线表明模型的预测结果与实际生存率高度一致。验证组分析进一步证实了该模型的稳定性。

关键词： 数字化   医学教育   课堂教学改革   教育现代化   人工智能  

摘要： 发展教育数字化,推进医学教育现代化是大势所趋,发展所需,改革所向,不仅关系到医学人才的培养质量,对整个生命周期的人口健康素质和健康水平的提高也有着直接的影响。因此,医学院校在推进医学教育数字化转型过程中,要立足医学教育现代化发展趋势,围绕医学教育数字化建设实践,把课堂教学改革作为提升人[2]才培养质量的突破口,充分运用大数据、人工智能等信息化智能化技术,推动深度学习、跨界融合、人机协同[3],助力实现因材施教,构建管理服务科学化、教师教学精准化、学生学习个性化、治理能力现代化的智能化教育体系,全面提升医学院校智慧基建、数据赋能、智能应用的教育现代化水平。