Johns Hopkins University

10 篇关联报道

aclanthology.org 2026年10月7日
长上下文里自洽性反而拖后腿：八次采样七次错在同一处，位置偏置被投票放大
在长上下文任务上，自洽性这种多次采样再投票的推理技巧不但没有提升，反而稳定拉低表现，原因是模型对上下文位置的偏置让多次采样犯下同一类错误，投票把错误当成共识。
Johns Hopkins University
大语言模型长上下文问答位置偏差自一致性
发表出处待核验 2026年10月1日
45人改良德尔菲共识：GLP-1受体激动剂用药前应筛查进食障碍，活动性厌食症与贪食症患者一般应避免使用
该研究采用三轮改良德尔菲法，由45名糖尿病、肥胖和/或进食障碍领域的临床医生与研究者以及有亲身经历者组成的小组，就GLP-1受体激动剂在进食障碍情境下的使用达成平均91.7%的共识，提出用药前筛查、按风险分层监测、标准化教育材料、合并循证心理治疗等临床建议，并明确在活动性进食障碍（尤其厌食症、非典型厌食症及伴明显饮食限制和/或显著体重抑制的贪食症）中一般应避免使用GLP-1受体激动剂，同时列出流行病学、监管与暴食障碍临床试验的研究优先事项。
该研究采用三轮改良德尔菲法，由45名糖尿病、肥胖和/或进食障碍领域的临床医生与研究者以及有亲身经历者组成的小组，就GLP-1受体激动剂在进食障碍情境下的使用达成平均91.7%的共识，提出用药前筛查、按风险分层监测、标准化教育材料、合并循证心理治疗等临床建议，并明确在活动性进食障碍（尤其厌食症、非典型厌食症及伴明显饮食限制和/或显著体重抑制的贪食症）中一般应避免使用GLP-1受体激动剂，同时列出流行病学、监管与暴食障碍临床试验的研究优先事项。
NYU Langone Health University of Pennsylvania Sanford Research Johns Hopkins University University of North Carolina at Chapel Hill University of Virginia New York University University of Louisville Ashley White Monique Jericho Nami Trappenberg Kimberly D. Dennis Diane Alix Klein Anastasia Harris Susan L McElroy Brooke Langman
改良德尔菲共识法 GLP-1受体激动剂与进食障碍
arXiv 2026年9月25日
SAW用四个轻量条件信号做手术视频扩散，CD-FVD降至199.19并让稀缺动作识别F1从20.93%升至43.14%
该工作提出Surgical Action World（SAW），把视频到视频扩散重构为轨迹条件的手术动作合成，仅以语言提示、参考首帧、组织可操作区域掩码和2D器械尖端轨迹四个轻量信号为条件，在自建的12,044段腹腔镜视频片段上微调LTX-Video并引入深度一致性损失，在留出测试集上取得CD-FVD 199.19（对比SurgSora的546.82）与FVD 224.28，并展示用生成视频增强稀缺动作后真实测试集上动作识别F1提升（clipping 20.93%→43.14%，cutting 0.00%→8.33%），以及从仿真器导出轨迹渲染器械-组织交互视频的初步可行性。
该工作提出Surgical Action World（SAW），把视频到视频扩散重构为轨迹条件的手术动作合成，仅以语言提示、参考首帧、组织可操作区域掩码和2D器械尖端轨迹四个轻量信号为条件，在自建的12,044段腹腔镜视频片段上微调LTX-Video并引入深度一致性损失，在留出测试集上取得CD-FVD 199.19（对比SurgSora的546.82）与FVD 224.28，并展示用生成视频增强稀缺动作后真实测试集上动作识别F1提升（clipping 20.93%→43.14%，cutting 0.00%→8.33%），以及从仿真器导出轨迹渲染器械-组织交互视频的初步可行性。
Johns Hopkins University Nvidia (United States)Chenhao Yu Hao Ding Jiru Xu Yufan He Chenyan Jing Daguang Xu Mathias Unberath Lalithkumar Seenivasan
Robot Manipulation and Learning Soft Robotics and Applications Surgical Simulation and Training
Journal of Medical Systems 2026年9月17日
CLASS：面向临床笔记非结构化数据抽取的大语言模型流水线探索性实施与可行性报告
该报告开发了CLASS——一个在机构安全环境内运行、由专家概念表、任务专用提示集与模式约束输出组成的Python模块化大语言模型流水线，用于从临床笔记中抽取结构化数据，并在单中心儿科食管气道治疗手术（EATS）回顾性手术记录上做探索性评估：与外科医生裁定相比，20份最长笔记（3,960个笔记-操作对）的观察一致度较高（F1 0.9967），同时CLASS提出28个候选操作变体或新增项，其中18个（64.3%）被判定具有临床价值，而外科医生另指出12项CLASS未发现的操作用于说明该流水线在特定单中心、单服务场景下抽取复杂非编码操作信息是可行的。
该报告开发了CLASS——一个在机构安全环境内运行、由专家概念表、任务专用提示集与模式约束输出组成的Python模块化大语言模型流水线，用于从临床笔记中抽取结构化数据，并在单中心儿科食管气道治疗手术（EATS）回顾性手术记录上做探索性评估：与外科医生裁定相比，20份最长笔记（3,960个笔记-操作对）的观察一致度较高（F1 0.9967），同时CLASS提出28个候选操作变体或新增项，其中18个（64.3%）被判定具有临床价值，而外科医生另指出12项CLASS未发现的操作用于说明该流水线在特定单中心、单服务场景下抽取复杂非编码操作信息是可行的。
Johns Hopkins University Johns Hopkins All Children's Hospital Johns Hopkins Medicine Fiorella Gonzales Ellis Crabtree Brant H. Tudor Luis M Ahumada Jamie L. Fierstein Mohamed Rehman Frederick H Kuo
基于大语言模型的临床笔记信息抽取模式约束的大语言模型输出
The Cleft Palate-Craniofacial Journal 2026年9月18日
基于CAPS-A-AM评估语音样本的人工智能高鼻音诊断：儿童腭咽功能障碍中的初步可行性研究
这项前瞻性单中心研究收集了40名2至17岁儿童（包括腭咽功能障碍患者、相关疾病患者及健康儿童）在言语语言病理学家指导下采集的语音样本，以CAPS-A-AM共识评分为参照，将高元音/i/和/u/的梅尔频谱图输入逻辑回归、EfficientNet-V2-S注意力多实例学习CNN以及CNN-XGBoost混合模型，在“无高鼻音(0)对比任何高鼻音(1-4)”和“无/边缘(0-1)对比轻至重度高鼻音(2-4)”两个阈值下进行二分类，结果显示多种独立建模方法均能识别临床评定的高鼻音，其中EfficientNet-V2-S在本队列中取得最高观测性能（F1=0.786-0.900），但置信区间重叠，尚无法证
这项前瞻性单中心研究收集了40名2至17岁儿童（包括腭咽功能障碍患者、相关疾病患者及健康儿童）在言语语言病理学家指导下采集的语音样本，以CAPS-A-AM共识评分为参照，将高元音/i/和/u/的梅尔频谱图输入逻辑回归、EfficientNet-V2-S注意力多实例学习CNN以及CNN-XGBoost混合模型，在“无高鼻音(0)对比任何高鼻音(1-4)”和“无/边缘(0-1)对比轻至重度高鼻音(2-4)”两个阈值下进行二分类，结果显示多种独立建模方法均能识别临床评定的高鼻音，其中EfficientNet-V2-S在本队列中取得最高观测性能（F1=0.786-0.900），但置信区间重叠，尚无法证
Johns Hopkins University Johns Hopkins All Children's Hospital Florida International University University of South Florida Jordan N Halsey S Alex Rottgers Molly F MacIsaac Chelsea L Sommer Luis M Ahumada Ruth H Bahr Joshua M Wright Jamilla Vieux
梯度提升树（XGBoost）梅尔频谱语音分类
Chemical & Biomedical Imaging 2026年9月17日
光学衍射层析与可解释机器学习揭示红细胞内配子体期疟疾的生物物理特征
该研究将无标记光学衍射层析（ODT）与可解释机器学习结合，从同步培养的恶性疟原虫感染红细胞的三维折射率层析图中提取形态与生物物理描述符（球形度、实心度、离心率、干质量、最大折射率）以及自监督视觉Transformer（ViT）的图像表征，发现配子体期感染红细胞球形度显著降低、离心率升高，联合特征空间在多分类（正常、环状体、配子体）中达到88.3%准确率、在二分类（正常与感染）中达到98.1%准确率，SHAP分析显示深度学习特征对正常与环状体期最强、手工特征对配子体期分类关键。
该研究将无标记光学衍射层析（ODT）与可解释机器学习结合，从同步培养的恶性疟原虫感染红细胞的三维折射率层析图中提取形态与生物物理描述符（球形度、实心度、离心率、干质量、最大折射率）以及自监督视觉Transformer（ViT）的图像表征，发现配子体期感染红细胞球形度显著降低、离心率升高，联合特征空间在多分类（正常、环状体、配子体）中达到88.3%准确率、在二分类（正常与感染）中达到98.1%准确率，SHAP分析显示深度学习特征对正常与环状体期最强、手工特征对配子体期分类关键。
Johns Hopkins University Johns Hopkins University Applied Physics Laboratory Johns Hopkins Medicine Abhai K. Tripathi Piyush Raj Ishan Barman Lintong Wu Abhya Gupta
可解释机器学习光学衍射层析成像自监督视觉Transformer
Transfusion Clinique et Biologique 2026年9月16日
输血感染风险：十年回顾与展望
这篇综述回顾了2016至2026年间传染病对输血服务的影响，梳理了献血者筛选、检测与病原体减少技术方面的创新，盘点了寨卡病毒、疟原虫、巴贝虫和SARS-CoV-2等新发与再发病原体，并指出个体化风险评估、献血者延迟政策放宽以及人工智能与机器学习在监测和威胁预警中的应用等进展，同时强调这些改善在低收入和中等偏下收入国家尚未普及。
这篇综述回顾了2016至2026年间传染病对输血服务的影响，梳理了献血者筛选、检测与病原体减少技术方面的创新，盘点了寨卡病毒、疟原虫、巴贝虫和SARS-CoV-2等新发与再发病原体，并指出个体化风险评估、献血者延迟政策放宽以及人工智能与机器学习在监测和威胁预警中的应用等进展，同时强调这些改善在低收入和中等偏下收入国家尚未普及。
Johns Hopkins University Canadian Blood Services Vanderbilt University Johns Hopkins Medicine Evan M. Bloch Jeremy W. Jacobs Steven J. Drews
Academic Medicine 2026年9月15日
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。
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。
Oregon Health & Science University Johns Hopkins University Johns Hopkins Medicine Jordan Wackett Jane Abernethy R Logan Jones Robert L. Cloutier Steven McGaughey
Journal of Medical Internet Research 2026年9月14日
精神健康患者临床记录中以患者为中心的情感时序分析：回顾性队列研究
该研究基于MIMIC-IV数据库中6,382名精神健康诊断患者的16,447份临床记录，用2个大语言模型（DeepSeek-7B、Mistral-7B）与3种词典方法（ClinSent-lexicon、TextBlob、VADER）从患者、医生和一般三种视角标注情感，发现多次入院患者的情感轨迹出现明显方向性变化、出院指导比简要病程记录波动更大、患者视角情感更均衡而医生与一般视角多为中性、大语言模型比词典方法更贴近以患者为中心的标注，并且出院记录情感轨迹在出院后30至90天内死亡的患者中显著比存活者更负面。
该研究基于MIMIC-IV数据库中6,382名精神健康诊断患者的16,447份临床记录，用2个大语言模型（DeepSeek-7B、Mistral-7B）与3种词典方法（ClinSent-lexicon、TextBlob、VADER）从患者、医生和一般三种视角标注情感，发现多次入院患者的情感轨迹出现明显方向性变化、出院指导比简要病程记录波动更大、患者视角情感更均衡而医生与一般视角多为中性、大语言模型比词典方法更贴近以患者为中心的标注，并且出院记录情感轨迹在出院后30至90天内死亡的患者中显著比存活者更负面。
George Washington University Johns Hopkins University Kennedy Krieger Institute Aya Zirikly Leslie Miller Carson J Peters AbdulRahman Morsy
大语言模型临床文档记录
发表出处待核验 2026年9月16日
信息满足度：以读者为中心的摘要评估新维度
本文提出以“信息满足度”（查询加读者画像）作为摘要评估的新维度，通过五类扰动测试与一项专家人工评估发现，ROUGE、BERTScore 等传统指标以及 Llama-3.3-70B、Prometheus-7B 等 LLM 评判指标大多无法通过基本扰动检验，且与读者偏好的一致性接近随机水平，说明现有指标不足以衡量摘要对特定读者的信息满足度。
本文提出以“信息满足度”（查询加读者画像）作为摘要评估的新维度，通过五类扰动测试与一项专家人工评估发现，ROUGE、BERTScore 等传统指标以及 Llama-3.3-70B、Prometheus-7B 等 LLM 评判指标大多无法通过基本扰动检验，且与读者偏好的一致性接近随机水平，说明现有指标不足以衡量摘要对特定读者的信息满足度。
Johns Hopkins University St. Edward's University William Walden Reno Kriz Mark H. Dredze Isabel Alyssa Cachola
扰动测试人格条件化摘要摘要评估信息满意度大模型作为评判者人工评估

已读完全部报道