#
医疗AI
28 篇相关内容
TalTech 在医患对话摘要挑战赛中夺魁，语音大模型直接生成 SOAP 笔记
TalTech 团队在 Beyond Transcription 挑战赛中，通过 Voxtral 语音大模型结合 LoRA 微调与强化学习，直接从医患对话录音生成 SOAP 笔记，并在两个赛道均获第一，同时保持最低的幻觉率。
T
大语言模型化身临床预测多面手，统一处理文本与结构化数据
研究人员提出将电子病历中所有模态的患者数据统一转化为自然语言序列，仅通过微调预训练大语言模型即可实现跨模态临床预测，无需为不同任务设计专门的融合架构。
a
医疗AI新突破：Cura 1T模型实现诊疗全流程智能辅助
研究人员推出医疗专用大语言模型Cura 1T，通过人类监督的自进化训练机制，在患者咨询、临床推理、交互诊断和电子病历处理等医疗场景展现卓越性能。
a
GraphDx：知识增强多智能体框架，实现成本可控的序列诊断
研究者提出GraphDx框架，通过构建医学诊断知识图谱与多智能体协作，在提升诊断准确率的同时显著降低检测成本，为自动化临床诊断提供经济可靠的解决方案。
a
AI医疗新突破：大语言模型让胰岛素泵控制器“开口说话”
研究人员开发出LLM-T1D系统，将强化学习的精准控制与大语言模型的自然解释能力相结合，为1型糖尿病患者打造出既高效又透明的智能胰岛素泵控制器。
a
AI医疗新突破：多智能体系统辅助乳腺癌治疗方案生成
研究团队利用72个真实临床病例评估了基于大语言模型的智能体系统在乳腺癌治疗推荐中的表现，最佳配置达到0.594分，但系统仍存在临床相关错误，暂不适合无监督临床应用。
a
AI医疗新突破：知识图谱增强大模型生成临床试验摘要的准确性
研究团队开发了评估框架，发现GPT-4o、Claude等主流模型在生成临床试验摘要时存在“无依据陈述”问题，并通过知识图谱增强检索系统显著提升了摘要的忠实度。
a
CLIR-Bench：首个专为不规则临床时序数据问答设计的评测基准
研究者发布CLIR-Bench基准，专门评估AI模型在稀疏、不规则采样的临床时间序列数据上进行问答推理的能力，填补了现有医学AI评测的空白。
a
SAGEAgent：让AI智能决策癌症诊断流程，减少55%检查负担
研究者提出基于大语言模型的临床智能体SAGEAgent，能根据患者情况动态选择必要的诊断检查项目，在保证生存预测准确性的同时，显著降低临床检查负担。
a
医疗AI新基准：LongMedBench评估大模型长期临床决策能力
研究者推出首个基于真实电子病历的长期临床决策基准LongMedBench，填补了现有评估在长时程医疗场景中的空白。该基准通过整合患者多次就诊记录，系统评估AI医疗代理在事实问答、时序推理和长期决策三方面的表现。
a
无需重放原始心电信号，持续学习模型实现多源心电数据部署
研究团队提出一种无需重放原始心电信号的持续学习方法，通过冻结预训练主干网络并构建专家库，在新增数据源时保持模型性能稳定。实验表明，该方法在多源心电数据集上取得良好效果，但自主推断数据来源仍是主要瓶颈。
a
医疗AI代理的临床反馈困境：RL在FHIR环境中的诊断与突破
研究发现，在临床FHIR环境中应用强化学习面临两大结构障碍：能力天花板与格式知识壁垒，导致纯RL效果显著落后于规则微调。
a
扩散语言模型革新医疗报告起草：可任意填充文本片段
研究人员将扩散语言模型应用于医疗领域，在医学视觉问答任务中表现媲美甚至超越传统自回归模型，并具备独特的任意位置文本填充能力，为放射科报告起草提供新工具。
a
联邦学习算法自动化搜索工具Auto-FL-Research发布
研究人员推出Auto-FL-Research（AFR）系统，通过智能代理自动搜索联邦学习算法组合，在多个医疗数据集上实现性能提升。
a
RareDxR1：无需人工标注，AI自主推理实现罕见病诊断突破
研究人员提出RareDxR1模型，通过端到端推理框架直接分析临床记录进行罕见病诊断，无需依赖结构化表型或人工标注，在多个基准测试中达到最先进准确率。
a
MedKGTab：知识图谱注入，为表格医疗数据跨域扩充特征
研究者提出MedKGTab框架，通过注入生物医学知识图谱，有效解决医疗研究中的数据稀缺问题，实现跨域特征的高保真生成。
a
法国医学考试对话数据集发布，AI虚拟病人助力临床培训
研究人员发布首个法语OSCE临床考试对话数据集，并开发基于大语言模型的可控虚拟病人系统，为医学生提供可交互的临床沟通训练平台。
a
医疗AI新范式：临床技能生态系统与治理架构
研究者提出“临床AI技能”概念及“临床治理架构”，旨在将分散的医疗AI模型整合为可追溯、可治理的持续性临床能力，并以骨质疏松症为例展示其应用潜力。
a
AI整合医疗数据：知识图谱与多智能体框架提升精神药物安全信息可追溯性
研究人员开发了一套基于知识图谱的多智能体框架，整合了FDA不良事件报告、患者论坛和医疗评论平台的抗抑郁药安全信息，实现了权威数据与患者经验的来源可追溯整合。
a
智能手机摄像头实现无感心脏健康监测，DeepMind探索被动式健康管理新路径
Google DeepMind研究团队正在探索通过智能手机摄像头实现被动式心脏健康监测的技术方案，旨在为用户提供便捷、持续的健康数据追踪。
G
医疗AI评估新突破：MedBench v5引入动态过程导向与幻觉监测
研究者推出MedBench v5临床多模态模型基准测试，从静态问答转向动态过程评估，首次整合幻觉传播监测与可控压力测试，揭示模型任务表现与过程稳定性之间的关键差异。
a
PORTER模型：打破电子病历固定词表限制，实现跨机构医疗AI迁移
研究人员提出语言驱动的结构化电子病历基础模型PORTER，通过文本描述编码临床事件，无需依赖固定词表即可实现跨医院系统的知识迁移，在74项儿科临床预测任务中表现优异。
a
RASC+：检索约束下大模型裁决提升临床术语集构建效果
研究团队提出RASC+方法，通过两阶段检索增强与LLM裁决机制，显著提升临床标准化术语集的自动构建准确率。该方法在保持代码可审计安全约束的同时，将测试集宏F1分数提升至0.549。
a
T2D-Bench：用知识图谱为2型糖尿病AI建议把关，GPT-4o仍有33%证据缺口
研究者推出T2D-Bench评测框架，通过多层临床-生活方式知识图谱检验大模型在2型糖尿病建议中的证据完整性。测试显示GPT-4o系列模型约三分之一输出未通过证据路径核查。
a
DeepMind联合波士顿儿童医院与MIT实验室，探索ALS的RNA疗法新路径
DeepMind旗下Co-Scientist项目促成波士顿儿童医院与MIT实验室合作，共同探索基于RNA技术治疗肌萎缩侧索硬化症（ALS）的创新疗法。
G
智能代理RAG革新临床信息提取：成功关键与失败原因深度解析
德国埃森大学医学院部署新型智能代理RAG系统ACIE，在缺乏完整元数据的复杂临床文档中实现96.5%的信息提取准确率，为医疗AI系统处理异构患者数据提供突破性解决方案。
a