标签
本文提出了一种使用CatBoost和SHAP的机器学习框架，通过结合钙组学和心外膜脂肪特征，从CT钙化积分扫描中预测阻塞性冠状动脉疾病，实现了高准确性。
介绍TreeText-CTS，一种将不规则EHR轨迹转换为紧凑、可溯源树路径证据单元的方法，无需患者级摘要。在三个临床基准测试中，它在基于文本的EHR时间序列接口中实现了最先进的AUROC和AUPRC。
提出ReTAMamba，一种使用基于Mamba的可靠性感知时间聚合进行不规则临床时间序列预测的方法，在MIMIC-IV、eICU和PhysioNet 2012上取得了显著的AUPRC提升。
介绍NormWear-2，一种将多变量生理信号和临床干预编码到共享潜空间的世界模型，利用混沌理论平衡改进长期预测，涵盖日常生活、即时护理和临床环境。
本文通过将按时间排序的临床笔记转换为预测示例，将前瞻性学习扩展到临床事件预测。在120B模型上使用LoRA适配器改善了校准性能，并在留出问题上优于GPT-5。
OpenMed Agent 预览版上线，利用 Hugging Face 端点进行临床数据提取和术语处理，并支持对工具调用和规划过程的全程可视化。
本研究评估了通过与大型语言模型（LLM）的交互式对话（通过 MedSyn 系统）如何提高急诊科医生在急诊环境中的诊断准确性，结果显示住院医师在处理疑难病例时的诊断准确率有显著提升。
本文提出了一个针对医疗保健领域生成式、多模态及智能体AI进行基准测试的结构化框架，旨在解决高基准得分与实际临床可靠性、安全性和相关性之间的差距。
FairHealth 是一个专为资源匮乏环境下的可信医疗AI设计的开源Python库，提供公平性审计、隐私保护型联邦学习和可解释性模块。
本文介绍了 OncoAgent，这是一种专为肿瘤学隐私保护临床决策支持设计的双层多智能体框架。文章详细阐述了结合修正型 RAG、反思安全循环以及针对 AMD 硬件优化的双层 QLoRA 微调的系统架构。
本文提出了一种随机因果表征学习框架，以解决个性化医疗中的偏差-精度悖论，并证明了其在重症监护室（ICU）临床决策支持中提高了准确性和可解释性。
本文提出了一种基于人口分层模型和混合特征选择流程的全国性电子健康记录慢性鼻窦炎预测模型，在All of Us研究计划的数据上实现了总体AUC为0.8461。
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.
Beacon Biosignals 正利用轻量级脑电（EEG）头带和机器学习技术来映射睡眠期间的大脑活动，旨在构建用于脑健康的基石模型，并加速神经系统疾病的临床试验进程。
Google DeepMind 宣布启动 AI 联合临床医生研究计划，旨在通过"三方协同诊疗"改善医疗服务——即 AI 智能体在医生监督下协助患者。该系统在一项初级医疗咨询研究中展现出高准确率且零严重错误，表现优于现有循证综合工具。
OpenAI 推出 ChatGPT for Clinicians，这是面向经认证的美国医疗专业人员的免费 ChatGPT 版本，旨在支持文档记录、研究和患者护理工作流程。
Gallup 一项民调显示，32% 年收入低于 24,000 美元的美国人使用 AI 获取健康建议以替代就医，而全美整体比例仅为 14%。据估计，过去 30 天内约有 1400 万美国成年人因采纳 AI 生成的健康信息而跳过了医疗机构的就诊。
Banting Health AI的研究人员展示了一个利用生成式大语言模型和检索增强生成(RAG)技术进行临床试验协议信息自动提取的AI系统,准确率达89%,相比独立LLM的62.6%有显著提升,AI辅助工作流程任务完成速度快40%,并降低认知负荷。
Leanly_AI 是由福州大学附属医院研发的垂直领域大语言模型，旨在为接受临床体重管理的患者提供循证心理支持。该模型融合了人群健康数据，在确保临床可解释性与安全性的前提下，致力于应对肥胖相关的情绪挑战。
Google DeepMind 发布了 MedGemma 27B Multimodal 和 MedSigLIP，扩充了其开源 Health AI Developer Foundations，加入了用于医学文本和影像任务的高性能、保护隐私的模型。