Анализ стоимости информации для внешней валидации моделей прогнозирования рисков в многокцентровых исследованиях и систематических обзорах

Рекуррентные агенты памяти расширяют возможности больших языковых моделей (LLM) для работы с произвольно длинными контекстами, последовательно консолидируя вводимые данные в фиксированное пространство памяти. Несмотря на свою масштабируемость, эти агенты демонстрируют хорошо документированную проблему надежности: общая производительность ухудшается систематически с увеличением длины контекста. Мы диагностируем это падение производительности, разбивая её на два фактора — захват памяти и сохранение памяти — и количественно подтверждаем, что именно сохранение является доминирующим узким местом. Сохранение рушится из-за того, что существующие конструкции поддерживают память как монолитный текстовый блок, что ставит под угрозу каждое обновление, рискуя перезаписать ранее сохраненное содержимое. Учитывая эту диагностику, мы предлагаем Многоцелевую Рекуррентную Память (MHM), общую и не требующую обучения структуру, которая делит память на независимые «головы», управляемые стратегией поэтапного выбора и обновления. На каждом шаге обновляется ровно одна голова, в то время как остальные головы структурно защищены от перезаписи, смещая бремя сохранения из поведения модели на архитектурный дизайн. В качестве легковесной реализации мы вводим MHM на основе принципа «Наименее Недавно Обновлённый» (MHM-LRU), который гарантирует равномерное использование голов с нулевыми дополнительными затратами на токены. Широкие эксперименты на бенчмарках с длинными контекстами показывают, что MHM-LRU значительно улучшает как сохранение информации, так и общую точность в диапазоне от 100K до 1M токенов, где базовые модели резко теряют эффективность. На RULER-HQA при 896K токенов MHM-LRU повышает уровень сохранения памяти с менее чем 30% до 73.96%. Эти достижения обобщаются на различные семейства моделей, масштабирование и типы задач, позиционируя архитектурную оптимизацию как практический и экономичный путь к надежной рекуррентной памяти с длинным контекстом.

Цель: Расстройство дефицита внимания и гиперактивности (СДВГ) является клинически и этиологически гетерогенным, и диагностические решения могут выиграть от интеграции нескольких источников информации. Мы разработали подход объяснимого глубокого обучения, чтобы проверить, могут ли генетические, экологические, когнитивные, демографические и темпераментные данные классифицировать диагностику СДВГ и выявить факторы, способствующие принятию решений модели. Метод: Мы проанализировали участников когорты Oregon ADHD-1000, разделенных на тренировочные, валидационные и тестовые подмножества. Мы обучили модульные нейронные сети для классификации статуса случая-контроля СДВГ с использованием данных генотипа на уровне SNP с биологическими аннотациями, полигенных баллов, демографических данных, конфликтов в родительско-семейной среде, стресса и травмы, геокодированных мер, когнитивных задач, баллов темперамента и индикаторов отсутствия данных. Оптимизация гиперпараметров выбрала архитектуру модели и включение блоков признаков. Мы оценили производительность модели, используя AUC, кривые точности и полноты, анализы калибровки и предсказательной определенности, а также анализ кривой решений. Мы использовали интегрированные градиенты для количественной оценки важности на уровне блока, признака и индивидуальной важности признаков. Результаты: Лучшая модель, использующая черты темперамента, показала AUC 0.97 в удержанном тестовом подмножестве, с высокой точностью, чувствительностью и специфичностью и Brier score 0.06. Лучшая модель, исключающая темперамент, имела AUC 0.75. Анализы важности признаков подчеркнули важность темперамента, демографических и когнитивных доменов в модели, включающей темперамент. Индивидуализированные объяснения показали, что факторы предсказания варьировались между участниками и могли помочь выявить противоречивые или поддерживающие доказательства в различных доменах. Заключение: Объяснимые многомодальные классификационные модели могут интегрировать гетерогенную информацию, релевантную СДВГ, и выявлять признаки, которые способствуют индивидуальным прогнозам. Такие модели могут продвинуть исследования риск-моделирования СДВГ и поддерживать принятие решений клиницистами, особенно в сложных или диагностически неопределенных случаях.

Мы исследовали, как подростки, живущие с ВИЧ в сельской местности провинции Квазулу-Натал в Южной Африке, управляют границами конфиденциальности в вопросах раскрытия информации. Мы провели групповые обсуждения с 31 подростком (в возрасте 16-19 лет), набранным из трех клиник по лечению ВИЧ. Анализ данных был проведен через призму теории управления конфиденциальностью. Были выявлены три основных темы: (1) владение и контроль над частной информацией, где подростки продемонстрировали различные уровни автономии над информацией о своем статусе ВИЧ, часто разрабатывая стратегии для скрытного управления приемом медикаментов; (2) управление раскрытием и границами конфиденциальности, в которой участники разработали нюансированные правила конфиденциальности, подверженные влиянию стигмы, контекста и динамики семьи; и (3) эмоциональная и социальная поддержка в управлении раскрытием, подчеркивающая значимую роль поддерживающих систем в процессе раскрытия. В целом, участники активно управляли границами конфиденциальности, тщательно контролируя информацию, избирательно раскрывая ее и стратегически координируя действия с членами семьи и медицинскими работниками. Наши результаты показывают, что подростки в сельской местности активно управляют границами конфиденциальности вокруг своего статуса ВИЧ с помощью хорошо развитых стратегий управления информацией. Существует сложное взаимодействие между личной инициативой, семейной динамикой и культурным контекстом в формировании решений о раскрытии. Эти идеи могут предоставить более эффективные поддержки для подростков, живущих с ВИЧ в условиях ограниченных ресурсов.

Человеческий папилломавирус (ВПЧ) считается причиной 99,7% всех случаев рака шейки матки и является главной причиной рака ануса. Несмотря на глобальный прогресс, в Эквадоре один из самых высоких уровней смертности от рака шейки матки в Латинской Америке, при колеблющемся уровне вакцинации с момента ее внедрения для девочек в 2014 году и расширения для мальчиков в 2024 году. Полуструктурированные интервью были проведены с родителями детей, имеющих право на вакцинацию, и медицинскими работниками (МР) в Кито. Интервью охватывали знания о ВПЧ, восприятие и доступность вакцинации. Транскрипты были проанализированы тематически. В исследовании приняли участие 41 респондент (32 родителя, 9 МР). Выделены восемь тем: (1) родители желают больше информации о ВПЧ, (2) ни родители, ни МР не ассоциируют ВПЧ с раком у мужчин, (3) матери имеют больше знаний, чем отцы, (4) страх перед побочными эффектами способствует колебаниям в отношении вакцинации, (5) страх перед сексуальной распущенностью не влияет на вакцинацию, (6) вакцинация против ВПЧ проводится в школах, но родители и провайдеры хотят лучшей поддержки от этих школ, (7) родители считают недостаток информации своей главной преградой, в то время как МР воспринимают беспечность родителей, и (8) возрастные рекомендации по вакцинации могут быть запутанными. Уровень вакцинации против ВПЧ формируется как индивидуальными, так и системными барьерами. Согласование перспектив провайдеров и родителей и усиление образования в школах и сообществе могут повысить уровень вакцинации.

Медицинские тесты с выбором ответов становятся все более переполненными, и недавние оценки на основе рубрик, такие как HealthBench, показали, что открытая клиническая оценка далека от решения: максимальный балл в ее "Сложной" подгруппе составляет всего 32%. Мы представляем небольшой, специально сложный набор оценочных данных из пяти клинических сценариев, составленных врачами, охватывающих четыре специальности (анестезиология, внутренние/семейная медицина, неотложная медицина и акушерство), каждый из которых сопровождается атомарной, взвешенной, MECE рубрикой (от 25 до 62 критериев на задачу, всего 184 критерия), составленной на основании золотого ответа, подготовленного врачом. Мы оценили три передовые модели: GPT 5.4, Claude Opus 4.7 и Gemini 3.1 Pro. Средние показатели прохождения рубрики составили 0.47 (Claude), 0.39 (GPT) и 0.37 (Gemini). Центральный вывод заключается в инверсии клинического приоритета: наиболее важные (вес-5, критически важные) критерии были выполнены всего на 32.4-41.7%, в то время как менее значимые критерии с весом-1 прошли с результатом 80-90%. 56 из 108 критически важных (вес-5) критериев (52%) не были выполнены ни одной моделью. Три авторегистраторы LLM воспроизвели метки экспертов (выполнено/не выполнено) в 92.8-94.7% из 552 оцененных критериев. Мы рассматриваем это как вклад в методы и предварительные результаты: пять задач демонстрируют масштабируемый, обоснованный процесс, готовый к развитию в крупномасштабный эталон.

Структурированные табличные данные доминируют в клинической медицине, однако существующие эталоны не отражают реальных свойств, таких как сложное опросное деление, демографический оверсэмплинг и справедливость по подгруппам. Мы представляем эталон NHANES Accelerometry Cardiometabolic Benchmark, основанный на данных NHANES 2003-2006, который включает 1381 взрослого с акселерометром, носимым на бедре, лабораторными биомаркерами натощак, данными о потреблении пищи и антропометрикой. Мы оцениваем три метода табличного обучения — гребневая регрессия, XGBoost и базовую модель TabPFN v2 — для прогнозирования гликированного гемоглобина (HbA1c), триглицеридов натощак и C-реактивного белка (CRP) на основе фенотипов активности и факторов образа жизни. TabPFN v2 демонстрирует лучшее общее качество (R^2 HbA1c=0.156, R^2 CRP=0.383), в то время как триглицериды остаются в значительной степени непредсказуемыми (R^2 < 0.05), что соответствует известному генетическому доминированию. Мы применяем разделенное конформное предсказание для генерации предсказательных интервалов с 90% уверенности и оцениваем равенство охвата по демографическим группам, включая пол и расовую/этническую принадлежность. Предел охвата соответствует целевым 90% для CRP и HbA1c, но ниже для триглицеридов. На уровне подгрупп мы наблюдаем локализованное недоохватывание (например, HbA1c для участников мексиканского происхождения), что иллюстрирует разрыв между предельными гарантиями и условным покрытием, необходимым для клинической справедливости. Код и данные доступны по адресу https://github.com/felizzi/nhanes-accel-cardiometabolic-benchmark.