Jove
Visualize
Contáctanos

Video Experimental Relacionado

Updated: Feb 24, 2026

Predictive Immune Modeling of Solid Tumors
08:50

Predictive Immune Modeling of Solid Tumors

Published on: February 25, 2020

7.6K

ProtoBERT-LoRA: Ajuste Fino Prototípico Eficiente en Parámetros para la Identificación de Estudios de Inmunoterapia

Shijia Zhang1, Xiyu Ding1, Kai Ding2

  • 1Johns Hopkins University School of Medicine, Baltimore, MD.

AMIA ... Annual Symposium proceedings. AMIA Symposium
|February 23, 2026
PubMed
Resumen

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Improving Models to Predict Care Utilization Using Machine Learning: Retrospective Observational Study.

JMIR formative research·2026
Same author

Charting the future of ACMI: a report from the 2025 ACMI symposium.

Journal of the American Medical Informatics Association : JAMIA·2026
Same author

Identifying Clinical Diagnostic Trajectories Associated With Suicide Death Using Temporal Sequence Mining of Linked Claims and Mortality Data.

medRxiv : the preprint server for health sciences·2026
Same author

Improving models to predict care utilization using machine learning: a retrospective observational study.

JMIR formative research·2026
Same author

Conceptualization and development of the Maryland suicide data warehouse to improve mortality prediction.

JAMIA open·2026
Same author

Evaluating the role of cost and fairness in machine learning models of suicide risk.

Scientific reports·2026
Same journal

Sensitivity Analyses of a Scoring System for a Contraception Decision Aid.

AMIA ... Annual Symposium proceedings. AMIA Symposium·2026
Same journal

Improving electronic health record processing of large language models via retrieval-augmented generation: A case study on dietary supplements.

AMIA ... Annual Symposium proceedings. AMIA Symposium·2026
Same journal

Developing a User-Centered Mobile Application Prototype: Bridging Lower-Limb Fracture Care from Skilled Nursing Facility and Back to the Community.

AMIA ... Annual Symposium proceedings. AMIA Symposium·2026
Same journal

KERAP: A Knowledge-Enhanced Reasoning Approach for Accurate Zero-shot Diagnosis Prediction Using Multi-agent LLMs.

AMIA ... Annual Symposium proceedings. AMIA Symposium·2026
Same journal

Automating Adjudication of Cardiovascular Events Using Large Language Models.

AMIA ... Annual Symposium proceedings. AMIA Symposium·2026
Same journal

Predictive Factors and State-Level Barriers to Postpartum Birth Control Usage in the United States: Insights from PRAMS Phase 8.

AMIA ... Annual Symposium proceedings. AMIA Symposium·2026
Ver todos los artículos relacionados
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas
Este resumen es generado por máquina.

La identificación de estudios de inhibidores de puntos de control inmunitarios (ICI) es crucial para la investigación del cáncer. ProtoBERT-LoRA, un marco novedoso, identifica eficientemente estos estudios, reduciendo significativamente los esfuerzos de revisión manual.

Área de la Ciencia:

  • Bioinformática
  • Biología Computacional
  • Genómica

Sus antecedentes:

  • La identificación de estudios de inhibidores de puntos de control inmunitarios (ICI) en repositorios genómicos es vital para la investigación del cáncer.
  • Los desafíos incluyen la ambigüedad semántica, el desequilibrio de clases y los datos etiquetados limitados.

Objetivo del estudio:

  • Desarrollar un marco eficiente para identificar estudios de ICI en repositorios genómicos.
  • Superar las limitaciones de los métodos existentes en entornos de bajos recursos.

Principales métodos:

  • Un marco híbrido, ProtoBERT-LoRA, que combina PubMedBERT con redes prototípicas y Adaptación de Rango Bajo (LoRA).
  • Entrenamiento de prototipos episódicos para forzar incrustaciones separables por clases mientras se preserva el conocimiento del dominio.
Palabras clave:
ProtoBERT-LoRAInhibidores de puntos de control inmunitariosIdentificación de estudiosGenómicaAprendizaje automáticoPrototiposLoRAInvestigación del cáncer

Más Videos Relacionados

Author Spotlight: Unlocking Insights into the Immune Cell Landscape of Tumors
06:32

Author Spotlight: Unlocking Insights into the Immune Cell Landscape of Tumors

Published on: August 18, 2023

3.1K
Author Spotlight: Optimized Protocol for Detecting Antigen-Specific T Cells in Mouse Lungs Using Tetramers
09:15

Author Spotlight: Optimized Protocol for Detecting Antigen-Specific T Cells in Mouse Lungs Using Tetramers

Published on: July 19, 2024

1.8K

Videos de Experimentos Relacionados

Last Updated: Feb 24, 2026

Predictive Immune Modeling of Solid Tumors
08:50

Predictive Immune Modeling of Solid Tumors

Published on: February 25, 2020

7.6K
Author Spotlight: Unlocking Insights into the Immune Cell Landscape of Tumors
06:32

Author Spotlight: Unlocking Insights into the Immune Cell Landscape of Tumors

Published on: August 18, 2023

3.1K
Author Spotlight: Optimized Protocol for Detecting Antigen-Specific T Cells in Mouse Lungs Using Tetramers
09:15

Author Spotlight: Optimized Protocol for Detecting Antigen-Specific T Cells in Mouse Lungs Using Tetramers

Published on: July 19, 2024

1.8K
  • Se utilizó un conjunto de datos con distribuciones específicas de muestras positivas/negativas para entrenamiento, creación de prototipos, validación y prueba.

    • Principales resultados:

    • ProtoBERT-LoRA logró una puntuación F1 de 0.624 (precisión: 0.481, recuperación: 0.887) en el conjunto de datos de prueba.
    • Superó a los sistemas basados en reglas, a los modelos de aprendizaje automático de referencia y a PubMedBERT ajustado.
    • Redujo los esfuerzos de revisión manual en un 82% cuando se aplicó a estudios no etiquetados.
    • La combinación de prototipos con LoRA mejoró el rendimiento en un 29% en comparación con LoRA independiente.

    Conclusiones:

    • ProtoBERT-LoRA ofrece una solución eficaz y eficiente para identificar estudios de ICI en grandes conjuntos de datos genómicos.
    • El enfoque híbrido mejora significativamente el rendimiento en comparación con los métodos existentes.
    • Este marco tiene el potencial de acelerar la investigación del cáncer al optimizar el análisis de datos.