@FAbnousi: 医学仍然依赖于在诊所中重构的零星生活经验。患者被要求回忆他们忙于生活而非记录的人生。
摘要
一条推文讨论了与斯坦福医学院院长Lloyd Minor的谈话,内容涉及人工智能在医疗保健领域的潜力,即捕捉患者持续的生活体验,而非依赖零碎的诊所回忆。
查看缓存全文
缓存时间: 2026/05/29 01:32
医学依然依赖患者在诊室中重构的零散生活片段。
患者被要求回忆他们正忙于生活、而非记录的人生。
与斯坦福医学院院长Lloyd Minor就医疗AI及如何捕捉生命连续性的对话。https://t.co/VZVlj7l5bz
相似文章
@rwayne: https://x.com/rwayne/status/2052597727163232690
The author uses an AI agent to analyze 8 years of his mother's hypertension records, identifying morning surges and drug interactions that were missed during brief hospital visits, highlighting AI's role in bridging gaps in chronic care continuity.
长期历史感知的医疗对话合成与评估
本文介绍了一种利用大语言模型(LLMs)合成长期医疗对话数据集的框架,并创建了 MediLongChat,包含三个基准任务,用于评估医疗智能体的记忆与推理能力。实验表明,即使是最先进的 LLMs 也难以完成这些任务。
如何不微调你的医疗大语言模型:深入探讨Mark Kaplan的healtthruth.ai——"覆盖并重构基础训练"
本文批评了Mark Kaplan通过其平台healtthruth.ai微调医疗大语言模型的方法,指出了在医疗AI中覆盖基础训练的陷阱。
在信息缺失情况下评估医疗人工智能:同源评审者与人工评分者改变表观安全性
本文将信息缺失压力测试推广至开放式医疗对话,发现大语言模型评审者的选择会显著改变表观安全性,且LLM评审者比临床医生更为宽松。
@StanfordMed: https://x.com/StanfordMed/status/2080452706385416506
研究人员正在探索将代理式人工智能(Agentic AI)作为合作科学家,使其能够独立协助构思、生成假设并加速生物医学研究中的科学探索。