标签
本文介绍了 MamaReason,该模型以 Gemma 4 31B 为基础,通过监督微调(SFT)和临床强化学习(RL)适配而成。研究表明,未能成功作答的临床推理过程往往已经包含正确诊断,而答案续写主要是在找回这一诊断,而非生成它。通过提取模型明确选定的诊断,提取器能从许多失败案例中找回正确答案,从而在临床语言模型评估中区分诊断内容、答案完成情况和配对正确性。
该论文提出,将表格化人群先验——根据疾病与药物共现表排序的药物类别候选项——用作与任务对齐的检索对象,用于基于电子健康记录(EHR)的药物集合预测。在不增加大语言模型调用次数的情况下,该方法在 MIMIC-IV 上的 F1 分数比 PACE-RAG 患者检索器提高了 11.5%。
NVIDIA 展示了 AI 如何帮助医疗团队更早提供医疗服务,重点介绍 Dyania Health 的 Synapsis AI 临床推理引擎——它在医院防火墙内基于 NVIDIA 加速计算运行,并包括一项 Cleveland Clinic 关于主动脉瓣置换患者的研究。
Glyph 是一个多阶段自动化框架,利用基础模型与稀疏自编码器从多模态记录及CT数据中提取可解释的临床概念,识别出397个预测性概念,并在患者队列中发现数千个可重复的关联。
Google DeepMind 论文显示,使用强化学习(RL)在模拟患者上训练 Gemini 3.1 Flash-Lite,可显著提升其精神科问诊能力:在 76.7% 的配对案例中优于基础模型,并将高危病例漏报率从 30.5% 降至 12.9%。
《自然》上的一篇论文介绍了 EVLF-FM,这是一款拥有 80 亿参数、具备细粒度可解释性的临床多模态视觉语言基础模型,在放射学、皮肤病学及其他医疗任务中的表现优于临床医生,表明前沿水平的医疗智能无需数据中心级别的算力即可运行。
本文提出了“差异洗白”的概念,表明临床多智能体大语言模型团队并未消除人口统计偏见,而是将其延续到共识决策中;只有在审议过程中呈现并汇总反事实版本时,干预措施才会奏效。
作者论述了在 AI 代理验证中,可承受的错误类型(误接受与误拒绝)应由动作本身的性质而非模型决定:不可逆或外部可见的操作需要正面证据,并默认隔离;可逆操作则应降低误拒绝成本。文章给出了基于 p(bad)、C_fa、C_fr 的接受准则,并强调记录两个方向的错误、分离提议与提交路径。
该论文介绍了 MedCaseAgent,这是一种智能体框架,通过将分层患者数据挖掘与迭代式工具集成推理相结合,将非结构化临床笔记转化为达到发表标准的罕见病病例报告。论文还发布了 MedCase-150K 语料库、MedCase-Bench 评估套件,以及一个基于 Qwen3.5-9B 进行后训练的开源模型,其表现优于现有的医学大语言模型和智能体。
一篇研究论文,介绍了一种基于大语言模型的流程,可根据临床会谈文本自动评估心理治疗的实施忠实度,并生成可操作的督导反馈。该流程使用开放权重模型进行评估,并通过随机对照试验(RCT)数据集和心理健康专家用户研究加以验证。
本文提出了 CERTA,一种基于保形风险控制(conformal risk control)的决策级统计认证方法,用于判断量化后的大语言模型何时可以在临床验证任务中安全替代其 BF16 参考模型。研究结果表明,8 位量化几乎可以认证所有决策,而 4 位量化配置则可将 72B 模型的部署成本降至约 26%。
麻省总医院布莱根医疗系统(Mass General Brigham)的研究人员发布了 Clinical System One(CS1-4B),这是一个拥有 40 亿参数的决策模型,能够对临床记录进行快速的类型化判断。在 14 项任务中的 13 项上,它超越了参数规模最高达 270 亿的开源决策模型,且仅需在单台桌面级 GPU 上运行。配合通用 LLM 智能体使用时,该模型可支持纵向病历审查和临床试验筛选,同时将 token 消耗降低至原来的 1/690。
该论文评估了单一 LLM 基线与三种多智能体拓扑在临床任务中的表现,发现协作能提升任务指标,但并不必然降低幻觉,且模型本身而非拓扑结构决定了幻觉的变化方向。
TRACE是一个多模态框架,将每日临床事件(电子健康记录、胸部X光片、放射学报告、出院小结)组织为时序轨迹,用于住院患者风险预测,在MIMIC-IV、eICU和MIMIC-III队列的九个数据集-任务组合中均取得了最高的AUROC。
OpenMed 3.0 发布:基于 Apache-2.0 许可的临床 AI SDK,完全在本地运行、绝不回退到云端,可将临床文本转化为结构化且去标识化的洞察。
该研究分析了6,342名临床人员在八个月内向机构LLM助手发送的127,833条查询,发现临床医生的实际使用方式与现有模型评估基准所衡量的内容存在显著差异,凸显了基准测试与真实部署之间的脱节。
该研究使用在 Temple University EEG 语料上预训练的轻量级 CNN–Transformer 基础模型提取个性化潜在动力学,发现癫痫与非癫痫患者即使预测拟合度几乎相同,其学到的潜在依赖结构却存在显著差异,强调个性化临床模型需同时评估预测效度与内部动力学结构。
本文分析了6,342名医疗服务提供者向机构内部的大语言模型助手提交的127,833条真实临床查询,发现实际使用场景(主要为文书记录和知识检索)与58个公开临床基准测试所涵盖的任务构成存在显著差异,并据此指出,基准测试得分难以准确预测临床人工智能在现实场景中的表现。
Healthleap 完成了种子轮和 A 轮合计 3800 万美元的融资,用于扩展其 AI 平台。该平台可阅读医院患者病历,并标记出存在营养不良、谵妄等未确诊疾病风险的患者。这家初创公司的产品目前已部署于 50 多家医院,包括 Penn Medicine 和 Cedars-Sinai,过去一年营收增长了 10 倍。
一篇讨论性文章,质疑由 AI 生成的临床交接班摘要究竟是提升患者安全,还是引入虚假的安全感,强调了来源引用和临床医生纠错机制的必要性。