healthcare

一场关于人工智能能否加速医学科学发展的讨论，探讨它是否能在未来几十年内治疗甚至治愈慢性疾病，以及医学黄金时代是否现实。

研究人员创建了 VirTues，这是一个用于空间蛋白质组学的统一基础模型，能将多样化的组织成像数据转化为标准语言，从而实现更快、更准确的医学诊断和个性化治疗。

探讨医生问诊中环境AI记录员日益广泛的使用，患者应提出的问题，以及围绕知情同意和HIPAA合规的法律环境。

这条推文主张AI代理应该处理患者与诊所之间的预约安排，取代繁琐的人工电话。

本文综述了使用LLM生成的合成数据进行临床沟通处理的研究，并展示了13个案例研究，涵盖EMS报告、护士交接等场景，表明合成数据能够助推临床NLP系统的构建。

一位肺科医生讨论了AI如何准备接管他医疗工作的各个方面，强调了AI在医疗诊断和临床实践中日益增长的影响。

一家名为 Iris 的日本公司开发了 Nodoca，这是一种由人工智能驱动的设备，通过分析咽喉图像在数秒内诊断流感，免去了不适的鼻拭子采样。该设备已获得日本批准，并在 2000 多家机构使用，目前正在扩展以检测新冠等其他疾病，未来还可能用于生活方式相关疾病的诊断。

本文讨论了AI如何将医院摄像头从被动监控工具转变为主动安全系统，可能利用计算机视觉实时检测并响应患者安全事件。

本文提出了一种新颖的基于配对受者的评估框架，用于评估已故供者肾移植中的生存预测模型，报告了约60%的准确率，并指出了C-index指标的局限性。

本文形式化了在概率非确定性因果模型下马尔可夫决策过程的反事实策略优化，该模型将潜在混杂因素与固有随机性分开，并提出了一种实用的优化程序来推导鲁棒的反事实策略。该方法在脓毒症治疗模拟器上得到验证，其中糖尿病状态作为未观测的全局混杂因素。

介绍了CT-HEG，一种用于ICU死亡预测的连续时间异质EHR图模式，通过消融研究表明双向连接和时间注意力边特征很重要；令人惊讶的是，在MIMIC-IV队列上，简化的同质图优于完整的异质模型。

本文评估了临床医生的成对偏好能否可靠反映大语言模型（LLM）的临床安全性，使用了来自超过736名临床医生对13个模型的26,804条判断。研究发现，偏好排名与安全关键失败的相关性较弱，并提出了一种经临床调整的排名，能更好地纳入基于评分标准的安全性信号。

微软研究院与Paige联合推出PRISM2，这是一个在病理图像和语言上训练的多模态基础模型，在多个基准测试中无需任务专用模型即可媲美专门的癌症检测系统。该模型的权重已在Hugging Face上公开，供研究使用。

《自然医学》上一项由MIT主导的新研究发现，AI辅助和可解释性方法对皮肤病诊断准确率的影响因用户专业水平而异：非专家过度信任AI解释，而临床医生仅在模型预测（无解释）时表现最佳。结果凸显了考虑自动化偏见的以用户为中心的AI设计之必要性。

阿斯利康利用AI生成并对蛋白质候选进行排序，将模型与实验和机器人技术相结合，以加速生物药发现，并攻克此前难以成药的靶点。

ClinLens是一个新的基准，包含200个可执行的临床数据科学任务，涵盖五个相互关联的MIMIC资源，评估长期编码智能体在纵向多模态数据上的表现。结果显示代码执行能力强，但临床分析正确性较差，凸显了可运行提交与有效分析之间的差距。

Aletheia 是一个离线优先的临床决策支持系统，基于 Qwen2.5-3B-Instruct 模型，使用 QLoRA 在 27,000 个临床推理样本上进行微调，旨在服务于撒哈拉以南非洲的低资源医疗环境，达到了 80% 的 Top-1 准确率，且符合内存限制。

一位医院工作人员反思了用于脓毒症和病情恶化的AI警报系统在现实中的影响，指出误报会导致脱敏，并且即使模型很好，如果没有整合到临床工作流程中，也会难以发挥作用。

讨论未来几年哪个医疗领域将因人工智能发生最大变革，包括诊断、药物研发、患者监测和医学影像等领域。

提出了患者采样方法，这是一种用于电子健康记录基础模型的预训练序列构建方法，在MIMIC-IV数据集上相比标准全局流基线提升了下游任务性能，强调了序列构建在自回归健康模型中的重要性。