Second Affiliated Hospital of Zhejiang University

3 篇关联报道

researchsquare.com 2026年10月22日
脓毒症凝血评分漏掉的高危患者：72小时INR与PTT轨迹把死亡风险翻倍者找回来
脓毒症凝血筛查一直依赖入院时单次化验，血小板、INR与SOFA拼成一个横断面阈值。对MIMIC-IV中3138名脓毒症患者，按前72小时血小板、INR与PTT的联合轨迹做高斯混合聚类，得到死亡率为27.8%的高危亚型，而入院SIC评分只标出其中18.1%。这一梯度在eICU-CRD的12828例独立重拟合中重现，高危组仍有86.3%被SIC判为阴性。
脓毒症凝血筛查一直依赖入院时单次化验，血小板、INR与SOFA拼成一个横断面阈值。对MIMIC-IV中3138名脓毒症患者，按前72小时血小板、INR与PTT的联合轨迹做高斯混合聚类，得到死亡率为27.8%的高危亚型，而入院SIC评分只标出其中18.1%。这一梯度在eICU-CRD的12828例独立重拟合中重现，高危组仍有86.3%被SIC判为阴性。
Second Affiliated Hospital & Yuying Children's Hospital of Wenzhou Medical University First Affiliated Hospital of Wenzhou Medical University Second Affiliated Hospital of Zhejiang University Luwei Xu Jingye Pan Wen Xu Xueshu Yu Yincai Ye
脓毒症相关凝血病高斯混合模型外部验证
medRxiv 2026年10月1日
StrokeAgent 在 100 例急性卒中病例中与专家最终决策一致率达 86%，高于无工具 LLM 与神经科医生
研究提出 StrokeAgent——一个围绕时间对齐与持续信息综合构建的多模态智能体决策支持框架，可处理临床记录、实验室结果、原始心电图波形与源多模态 CT 图像，支持急诊分诊、初始溶栓决策与最终再灌注规划，并在 100 例富含复杂再灌注情境的多模态患者数据中与专家最终决策达成 86% 一致率，高于三个无工具大语言模型均值 13 个百分点、高于六名住院与主治神经科医生均值 17 个百分点，完整路径一致率为 76%，平均比病例层面神经科医生中位用时快 73.9 秒，且在 1200 次盲法临床医生评估中获得更高的总体临床效用评分与推理质量评分、更少被判定为存在严重潜在危害。
研究提出 StrokeAgent——一个围绕时间对齐与持续信息综合构建的多模态智能体决策支持框架，可处理临床记录、实验室结果、原始心电图波形与源多模态 CT 图像，支持急诊分诊、初始溶栓决策与最终再灌注规划，并在 100 例富含复杂再灌注情境的多模态患者数据中与专家最终决策达成 86% 一致率，高于三个无工具大语言模型均值 13 个百分点、高于六名住院与主治神经科医生均值 17 个百分点，完整路径一致率为 76%，平均比病例层面神经科医生中位用时快 73.9 秒，且在 1200 次盲法临床医生评估中获得更高的总体临床效用评分与推理质量评分、更少被判定为存在严重潜在危害。
Zhejiang University Fudan University Shanghai Innovation Institute University of Macau Northwestern Polytechnical University Shanghai Medical College of Fudan University Shanghai Jiao Tong University Zhongshan Hospital Zhuohang Liu Jiajie Peng Zhijie Bao Xiaoyi Xue Rong Ji Zhongyu Wei Xuan Shi Yuxiao Chen
多模态智能体决策支持临床决策支持急诊分诊预测
arXiv 2026年9月25日
Fact-Flow 用 LLM 自动生成多标签事实引导，使 MLLM 医学报告在结核与眼科数据上事实准确性提升
该工作提出 Fact-Flow 框架，将视觉事实识别与报告生成解耦：先用 LLM 自动从训练报告中抽取并合并临床发现标签体系（结核 7 个标签、眼科 42 个标签），再训练多标签分类器预测发现，最后把预测标签序列化为提示引导 MLLM 生成报告；在结核胸片数据集上 MedGemma + Fact-Flow 取得 RadFact F1 0.3055（对比 MedGemma 单独 0.2266），在眼科数据集上 Qwen2.5-VL + Fact-Flow 在多数 NLG 指标上最优。
该工作提出 Fact-Flow 框架，将视觉事实识别与报告生成解耦：先用 LLM 自动从训练报告中抽取并合并临床发现标签体系（结核 7 个标签、眼科 42 个标签），再训练多标签分类器预测发现，最后把预测标签序列化为提示引导 MLLM 生成报告；在结核胸片数据集上 MedGemma + Fact-Flow 取得 RadFact F1 0.3055（对比 MedGemma 单独 0.2266），在眼科数据集上 Qwen2.5-VL + Fact-Flow 在多数 NLG 指标上最优。
Zhejiang University Zhejiang University of Technology Second Affiliated Hospital of Zhejiang University Dejuan Song Xiaotao Pang Wenjie Nie Yifan Huang Wei Han Lei Wu Haishuai Wang Jiajun Bu
Topic Modeling Multimodal Machine Learning Applications Machine Learning in Healthcare

已读完全部报道

脓毒症凝血评分漏掉的高危患者：72小时INR与PTT轨迹把死亡风险翻倍者找回来

StrokeAgent 在 100 例急性卒中病例中与专家最终决策一致率达 86%，高于无工具 LLM 与神经科医生

Fact-Flow 用 LLM 自动生成多标签事实引导，使 MLLM 医学报告在结核与眼科数据上事实准确性提升