科学发现旗舰工作
突破级
暂无讲解视频
收录解读
问题与背景：数字健康的科学发现不只是预测分数，而是从连续 wearable signals 中形成可解释、可验证、临床可操作的 biomarker 假设。
方法与新意：CoDaS 把 biomarker discovery 组织成多 agent 迭代流程：假设生成、统计分析、对抗验证、文献 grounding 和人类监督，并在多 cohort 上做 replication、stability、robustness 和 discriminative power 验证。
收录意义：这篇符合 AI for science workflow 标准，因为 AI 改变的是发现流程本身，而不是单个预测器。它展示了可追踪的 hypothesis generation and prioritization pipeline。
局限：预测提升幅度 modest，候选 biomarker 的临床因果性和可转化性还需要前瞻性研究验证。