★ 4
CS1-4B：40 亿参数临床决策模型，推理快 6.4 倍
研究团队发布 Clinical System One（CS1-4B），基于 360 万患者、1240 万问答训练的 40 亿参数临床决策模型，单次前向即可回答多类结构化问题并给出置信概率。在 96 万留出患者上，14 项任务中 13 项优于最大 270 亿参数的开源决策模型，匹配负载下推理快 6.…
arXiv cs.AI11 天前
#医疗 AI
共 49 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 4
研究：临床医生用 LLM 方式与评测基准脱节
论文分析 6,342 名医护人员在八个月内向机构助手发送的 127,833 条查询，用临床验证框架 RCQ-Map 刻画任务、意图、可答性等。结果显示文档与行政（36.2%）和知识检索（28.9%）占近三分之二，诊断仅 3.7%，超三分之一查询按原样难以回答。对照 58 个公开基准组成的 Clin…
arXiv NLP23 天前
★ 3
LLaMA3.3-70B 提取卒中病历变量准确率达 94.8%
研究评估基于提示的 LLM 框架，从三家医院 2416 份神经介入急性卒中手术报告中提取 8 项临床变量，测试 22 个开源指令微调模型。LLaMA3.3-70B 配合思维链提示整体准确率最高达 94.8%，专家裁定显示 AI 预测多数变量比非专家标注更贴近专家判断，但颅内血管成形术仍是难点。
arXiv NLP2 天前
★ 3
研究揭示临床多智能体系统「差异洗白」偏见问题
论文在 120 个真实 MIMIC-IV 急诊案例上测试 5 个模型家族与 4 种聚合拓扑，发现没有任何配置能消除人口统计学差异，偏见只是被转移到最终决策中，作者称之为「差异洗白」。公平指令与人口掩码均无效，而多视角集成可将差异降低 67% 至 94%。
arXiv cs.AI2 天前
★ 3
arXiv 提出 EviGround-CT：核查 LLM 生成胸部 CT 报告
EviGround-CT 在报告生成后核查阳性发现，用确定性抽取器识别阳性句子，再由 3D 定位模型为每句预测证据掩码。在 137 个范围内阳性发现上，证据支持精确率从 0.263 提升至 0.365，无支持阳性发现率从 0.737 降至 0.635，预测掩码可与 CT 影像一同检视。
arXiv NLP5 天前
★ 3
微软称新 AI 诊断疾病能力超医生两倍
Gizmodo 报道微软宣称其新 AI 在疾病诊断上的表现超过人类医生两倍以上。该说法引发社区对评测口径与临床落地价值的讨论。
Hacker News – AI9 天前
★ 3
arXiv 发布 RetiJev：眼科决策模型 158ms 单卡推理
论文提出面向眼科临床决策的 RetiJev 系列模型（0.8B–9B），直接对候选答案打分而无需自回归解码，并配套发布 7.8 万条临床决策问答与 5 万条指南分级问题的数据集。各规模模型在指南分级上比 27B LLM 与商用 Jev 1.13 高 10.4–23.0 分，RetiJev-9B 单…
arXiv NLP9 天前
★ 3
SIM-UT 框架发布：模拟用户评测医疗分诊聊天机器人
研究者提出 SIM-UT，一种多轮模拟用户行为的评测方法，用 5000 余轮多语种模拟对话测试印度、南非、肯尼亚三个真实 WhatsApp 健康聊天机器人。MedGemma、ChatGPT 与 Claude 均出现「降级风险」：用户淡化症状时模型会附和，把孕期出血说成「没问题」，属临床危险的谄媚行…
arXiv NLP9 天前
★ 3
Anima 用 GPT-6 与 GPT-Live 将诊所电话等待缩短 75%
Anima 基于 OpenAI 的 GPT-6 与 GPT-Live 模型扩展了医疗团队的接诊能力，使诊所电话等待时间下降 75%。该案例展示了对话式 AI 在医疗前台与患者沟通场景中的落地效果。
OpenAI10 天前
★ 3
多智能体复合 AI 系统用于头颈癌质子放疗规划
研究构建证据驱动的多智能体复合 AI 系统，将基于 PPO 的自动放疗规划与 LLM 对话式方案微调结合，用于质子 PBS 治疗。系统含规划、对话与评估三个智能体，规划智能体基于 Qwen3-14B 经 SFT 与 GRPO 后训练。在 21 例头颈癌患者数据上，后训练模型指令遵循与领域推理提升，…
arXiv cs.AI10 天前
★ 3
研究：多智能体协作提升临床任务表现但不必然减少幻觉
论文在 4 个模型、3 项临床任务上比较单 LLM 基线与三种多智能体拓扑，按事实性与忠实性分类在推理过程中打分。结果显示协作通常提升任务表现却不必然降低幻觉，也没有哪种拓扑稳定更优；36 组对比中仅 12 组可分辨，且方向由模型而非拓扑决定。作者结论是协作只是重新分配模型已有能力，而非补足其缺失。
arXiv cs.AI11 天前
★ 3
评论：医院若把 AI 当传统软件，医疗 AI 难复制洗手革命
文章以 1847 年塞麦尔维斯洗手降低产妇死亡率为例，指出 AI 有望像洗手一样重塑医疗，但机构仍按传统软件采购方式部署 AI，导致 88% 的 AI 试点无法投产。作者呼吁医疗系统进行组织级变革，而非零散试验。
快公司12 天前
★ 3
FusionRare 多范式融合框架提升罕见病诊断
研究提出 FusionRare，融合符号推理、深度学习、病例检索与 LLM 启发式推断，在 2528 例严格隔离临床病例上取得表型诊断 Recall@1 51%、表型加基因联合分析 79% 的领先成绩。临床人机交叉验证显示其将真实诊断排名提升 45%、医生信心提升 62%、诊断时间缩短 21%。
arXiv cs.AI12 天前
★ 3
宾大团队用 LLM 分析 15 万条 Reddit 帖，识别未获批 GLP-1 副作用
宾夕法尼亚大学工程团队利用 LLM 分析约 15 万条 Reddit 帖子，识别一种尚未获批的新型 GLP-1 类药物的潜在副作用。该研究展示了用大模型挖掘社交媒体真实世界用药反馈、辅助药物警戒的路径。
Hacker News – LLM14 天前
★ 3
arXiv 基准：医疗 LLM 智能体升级可靠性审计
研究构建 400 个合成医疗工作流 episode，评估开放权重模型在证据缺失、冲突等情况下选择 ANSWER/ASK/ABSTAIN/ESCALATE 的可靠性。五个模型干净决策准确率达 0.97，但需升级时漏报 32%–97%。工作流感知控制器可将漏报降至 0.12–0.24，但词汇压力测试暴…
arXiv cs.AI16 天前
★ 3
Clef-Flash 决策模型：QLoRA 微调实现临床疾病分类
研究者基于 Qwen3.5 骨干的 90 亿参数决策模型 Clef-Flash，采用 4 比特 QLoRA 微调进行 24 类疾病分类，诊断准确率达 95.42%，超越 ClinicalBERT 的 90.90%。单次前向传播推理每记录不到 80 毫秒，比生成式 LLM 基线快 31 倍，并引入留…
arXiv NLP18 天前
★ 3
MontageFlow：物理有效的高保真 EEG 生成模型
论文指出当前 EEG 生成模型普遍违反各通道间的线性恒等关系（每通道为两电极电压差），这一缺陷此前未被察觉。作者提出 MontageFlow，一种流匹配模型，通过将输出限制在满足这些恒等关系的信号空间内来保证物理有效性，并以生理状态向量为条件避免过度平滑。在 3 个大规模基准上，TS-FID 较最…
arXiv cs.AI18 天前
★ 3
研究：AI 在照护场景中迎合用户偏好危及患者
论文研究照护者代为决策的医疗场景（儿科、兽医、老年照护），构建证据基准测试 AI 顾问在用户表达临床次优偏好时是否仍维持适当照护。结果显示前沿与开源模型均显著从适当照护转向不适当照护，且错误随多轮对话累积，可能带来中度或严重潜在伤害。
arXiv cs.AI18 天前
★ 3
AI 检测新生儿 EEG 低电压间期达专家级
论文提出以幅度和持续时间定义的「低电压间期」（LVI）作为新生儿脑病生物标志物，并开发 ConvNeXt 检测模型。在 123 名新生儿 654 小时 EEG 上训练验证，验证集 AUC 达 0.996，模型与读者一致性超过读者间一致性，达到专家级等价。LVI 百分比与 EEG 分级、HIE 严重…
arXiv cs.LG20 天前
★ 3
CARing：用医学 Token 与覆盖感知推理预测诊断
论文提出 CARing 框架，用组合语义 ID 表示诊断，并通过覆盖奖励强化学习优化多标签推理轨迹。在 MIMIC-III 和 MIMIC-IV 上，CARing 在加权 F1 和 top-k 召回上超越所有 EHR 训练基线，推理模式下 R@30 达 46.04% 和 46.52%。
arXiv cs.LG23 天前
★ 3
BeatFlow-ECG：可穿戴信号重建心电图
arXiv 论文提出 BeatFlow-ECG，一种条件整流流模型，从同步的 PPG 与惯性测量数据重建单通道 ECG。在 PPG-DaLiA 与 WESAD 数据集上，其波形与心跳时序指标均优于确定性、对抗及扩散基线，皮尔逊相关系数达 0.983 与 0.986。
arXiv cs.LG24 天前
★ 2
AI 智能体首次为活体小鼠完成外科手术
一则社交媒体消息称，昨夜有 AI 智能体对一只小鼠实施了外科手术，引发对 AI 在医疗操作中自主性的讨论。该信息来自推特，尚无更多技术细节或同行验证。
Hacker News – AI2 天前
★ 2
研究：数据量异构的联邦学习在神经影像任务上表现更优
论文将联邦学习应用于阿尔茨海默病结构 MRI 分类等神经影像任务，本地训练后加密上传参数并在同态加密下聚合。研究发现由一个大站点加多个小站点组成的异构联邦，比各站点数据量相同的同构联邦表现更好，尤其在低数据场景下，且接近集中式训练水平。大站点通常带来更快收敛与更高最终准确率，更利于利用小数据站点，…
arXiv cs.LG2 天前
★ 2
研究用可穿戴加速度计签名特征检测脑癌进展
arXiv 论文基于 BrainWear 研究中高级别胶质瘤患者的手腕加速度计数据，用粗糙路径签名提取行走路径特征，并以签名核最大均值差异量化行为变化。通过按患者稳定期自然波动做个体化归一化，显著提升稳定与进展状态的区分度。结果为可穿戴连续监测作为神经肿瘤数字生物标志物提供概念验证。
arXiv cs.LG2 天前
★ 2
AmpRatioNet：深度学习用于非经静脉 ICD 24 小时筛查
arXiv 论文针对皮下 ICD 与血管外 ICD 的过感知风险，提出 24 小时动态筛查框架与直接处理心电信号的 1D 卷积网络 AmpRatioNet。基于 89 名患者 4605 段标注数据评估，AmpRatioNet-SE 各项指标均领先，且在易过感知片段上的误差增幅比传统峰值标注算法小至…
arXiv cs.LG2 天前
★ 2
调研揭示医护对医疗 AI 算法偏见的认知差异
论文基于对临床与行政等不同岗位医护人员的问卷与访谈，研究算法偏见、感知公平性与 ML 算法接受度之间的关系。结果显示，医护对偏见成因、算法评估标准、公平感知与缓解路径的看法随岗位、任务与算法特性而异。作者呼吁更多研究以保障医疗 AI 的公平性。
arXiv cs.AI2 天前
★ 2
arXiv 论文：基于锚点框架的血糖风险预测可靠性对比
研究提出基于锚点的基准框架，整合纵向血糖序列与多模态患者信息，在 T1DiabetesGranada 数据集上构建 550 万个预测锚点。对比混合 LSTM-Transformer、多模态数字孪生与状态更新数字孪生三种架构，在 30/60/120 分钟预测窗口下评估。统计上预测性能无显著差异，但各…
arXiv cs.LG4 天前
★ 2
论文提出本体引导多智能体可解释鉴别诊断框架
针对大模型临床推理缺乏证据支撑、过程不透明的问题，论文提出本体引导的多智能体鉴别诊断框架，将推理锚定在专家构建的医学知识库上，并主动生成追问以降低不确定性。系统提升了诊断的可解释性、可追溯性与准确性，代码已开源。
arXiv cs.AI4 天前
★ 2
CohortFlow：可局部语义修正的临床队列构建智能体
论文提出 CohortFlow，把自然语言修正转化为对结构化队列规范的局部更新，并与持久化执行图对齐，实现只重算受影响节点。在 100 个临床试验入排标准场景、126 轮修正中，需求级 micro-F1 为 77.0%，与全量重生成基本持平。修正延迟下降 64.8%，模型调用减少 38.1%，并在…
arXiv cs.AI4 天前
★ 2
MARCA 多智能体框架用于药物警戒因果评估
研究团队构建 MARCA 四智能体框架，结合文献检索、药品标签评估、客观证据分类与临床因果推理，基于 Gemini 2.5 Pro 与 DeepSeek-V3.2 完成 Naranjo 量表评估。在 215 份个例安全报告、1562 个药物-事件组合上，最终因果分类与专家一致率为 79.4%。回顾…
arXiv NLP5 天前