标签
OpenMed privacy-filter v2使用nemotron和MLX 8位，在Mac上实现了每秒755个token的处理速度，从一份13,000个token的临床文件中脱敏了22个类别的1,152个PII标识符，且数据从未离开本机。
本文介绍了FoGS，一种过滤式生成器混合管道，它从多个生成模型中选择合成样本来改进生存分析训练，在多个数据集上超越真实数据训练，同时保护隐私。
本文探讨了大语言模型在结构化临床数据上无法识别自身知识局限的问题，提出了一种跨模型归因差异方法来检测认知盲点。该方法结合少样本示例和 SHAP 衍生的特征证据，无需训练即可改进校准性和准确性。
PSyGenTAB是一种隐私保护框架，使用约束优化生成合成临床表格数据，平衡隐私与实用性，同时保留临床关系和少数类模式。
本文探讨了整合多模态临床数据（包括治疗记录、病理报告和临床医生笔记）的方法，通过基于规则的提取和机器学习，与单模态方法相比，提高乳腺癌复发预测的准确性。
本文针对Baymex算法引入了并行化策略和自适应引导机制，以高效学习用于临床数据的离散化贝叶斯网络分类器，在16核CPU上实现了超过54倍的加速，并在保持可解释性的同时，获得了与传统模型相当或更优的预测性能。
GiG是一个知识图谱调制的深度学习框架，它将生物知识图谱整合为边，患者特定数据作为节点特征，在有限样本临床任务中性能比现有最佳方法高出高达49%。
本研究评估了大型语言模型（Gemini 3.0 Flash）结合个人健康记录回答患者健康查询的效果，发现当提供PHR上下文时，在有用性、安全性和个性化方面有显著改善。