标签
一条推文突出显示了 EveryCure 的工作，引用了《纽约时报》的一篇报道，其中一个人工智能模型搜索了现有药物，并确定了一种组合，使一名患有罕见血液疾病的患者进入缓解期。
Almanac Health 推出了一个AI代理平台，帮助医生委托行政和研究任务，从而增加患者护理时间。
这篇文章探讨了一个积极的未来，其中人工智能治愈了重大疾病，并引用了近期人工智能在数学和医学上的成就作为有希望的迹象。
本文探讨了人工智能如何能显著加速生物医学研究，导致当前临床试验和监管流程可能延迟患者获取新治疗，呼吁紧急适应人工智能驱动发现的节奏。
文章认为，在企业AI中，AI模型往往是最容易的部分，更大的挑战在于数据信任、治理和工作流整合，尤其是在医疗保健等受监管行业。
LangSmith 正在帮助医疗机构将专家评审转化为可重复使用的 AI 代理评估，从而改善患者护理工作流程。
Personal Medical Analyst 是一个AI代理，帮助用户解读症状、化验结果和药物，基于他们的健康历史提供个性化指导和有依据的推理。
本文介绍OpTFM，一个针对医疗保健领域表格基础模型的比较评估框架，从六个临床意义显著的维度（如泛化性和公平性）评估模型，并应用于两个用例以展示上下文依赖的排名。
该研究系统评估了用于预测阿片类药物使用障碍治疗保留的机器学习模型中的算法公平性，发现患者亚组之间存在性能差距，并评估了具有权衡的偏差缓解技术。
一个分析NHANES调查数据以分类冠心病风险的项目，强调数据泄露审计和校准检查，同时比较机器学习模型。
讨论质疑实现物理AGI的时间线，将其与数字AGI的期望相对比，并提及Elon Musk的Optimus机器人在提升医疗可负担性方面的潜在背景。
本文提出了一种新的统一预训练框架，用于医学代码序列，能够捕获层次结构和复杂交互，并在临床事件预测和阿尔茨海默病的药物重定位案例研究中展示了优越的性能。
Included Health 构建了 Dot，一个 AI 驱动的联邦多智能体医疗指南，使用 LangGraph 和 Deep Agents，使聊天参与度提高了 75%，高风险检测率超过 99%。
本文提出了一种自适应贝叶斯合作伙伴选择（ABPS），这是一种点对点联邦学习框架，利用贝叶斯方法自适应选择合作伙伴，以在异构医疗环境中减少通信成本同时保持准确性。
本文分享了个人接受飞秒激光手术的体验，手术费用约16,000元，恢复迅速且效果良好，推荐进行此类视力矫正手术。
本文评估了用于ICD-10-CM编码的神经网络、工作流和代理系统，识别了罕见和复杂编码上的失败模式，并表明工具增强的代理配置可以在特定子集上恢复性能。
LangChain的指南探讨了像Madrigal Pharma、Abridge和Vizient这样的组织如何在医疗和生命科学领域扩展AI代理，以加速研究并减少文档负担，重点在于构建可靠性和合规性的基础设施。
本文提出了 MedSNIP，一种片段级的医学事实验证方法，以及配套的人工标注基准 MedSNIP-Bench。研究证明该方法在保持临床结构和减少验证器调用方面具有改进效果。