当记录者承担推理：环境人工智能、推理冒充与受训者临床判断力的培养
本文提出并命名了“推理冒充”现象——环境AI记录工具在评估与计划部分并非转录而是生成临床推理，其文本与转录内容在最终病历中无法区分，使受训者可能在编辑AI草稿而非自主推理中错失判断力的养成，并据此提出供应商层面的学习者专属配置与章节级透明度，以及培训项目层面的推理先行、能力门槛与口试评估等应对措施。
正在载入内容…
3 篇关联报道
本文提出并命名了“推理冒充”现象——环境AI记录工具在评估与计划部分并非转录而是生成临床推理，其文本与转录内容在最终病历中无法区分，使受训者可能在编辑AI草稿而非自主推理中错失判断力的养成，并据此提出供应商层面的学习者专属配置与章节级透明度，以及培训项目层面的推理先行、能力门槛与口试评估等应对措施。
该研究提出SAFE-AI框架，将大语言模型的角色限制为从急诊病历中零样本抽取实体，再由基于临床指南本体构建的确定性规则计算图完成判断，在300份儿科院外心脏骤停病历（18,402行临床信息）上检测肾上腺素过量与给药延迟，报告过量检测准确率97.9%、延迟检测准确率91.6%，优于所比较的基线模型。
该研究提出GenEHR——一个在数百万患者电子健康记录上训练的自回归生成模型，通过RAdix时间编码显式建模就诊间不规则时间间隔，并结合参数高效的门控低秩适配进行监督微调，在五个大型电子健康记录队列中提升了五年内首次癌症诊断的预测性能，并支持对胰腺癌、卵巢癌等侵袭性癌症进行风险分层筛查。
已读完全部报道