Louisiana State University

该研究以结构化封闭式问卷对美国多家贷款机构的金融专业人士进行定量调查，并运用技术-组织-环境（TOE）框架与信息不对称理论分析数据，发现AI与BI应用显著提升了中小企业信用风险评估的精度、速度与客观性，改善了对高风险借款人的识别并减少了主观偏差；机构准备度、技术基础设施、技能人才与监管契合是关键推动因素，而数据碎片化、资金约束与模型可解释性仍是持续存在的挑战。

该研究以结构化封闭式问卷对美国多家贷款机构的金融专业人士进行定量调查，并运用技术-组织-环境（TOE）框架与信息不对称理论分析数据，发现AI与BI应用显著提升了中小企业信用风险评估的精度、速度与客观性，改善了对高风险借款人的识别并减少了主观偏差；机构准备度、技术基础设施、技能人才与监管契合是关键推动因素，而数据碎片化、资金约束与模型可解释性仍是持续存在的挑战。

该研究对270例疑似急性心肌梗死患者的院前急救场景中采集的615份心电图进行回顾性分析，以心内科实际启动STEMI通路作为参考标准，比较三种多模态大语言模型与心电图机算法的判读表现，发现Gemini敏感度最高（95.3%）但特异度极低（9.4%），ChatGPT与Claude敏感度中等（68.1%与67.2%）且特异度有限（42.3%与46.5%），而心电图机算法敏感度67.7%、特异度64.2%，表现更为均衡，提示通用大语言模型在时间敏感的急诊流程中不适合用于基于心电图的导管室启动决策。

该研究对270例疑似急性心肌梗死患者的院前急救场景中采集的615份心电图进行回顾性分析，以心内科实际启动STEMI通路作为参考标准，比较三种多模态大语言模型与心电图机算法的判读表现，发现Gemini敏感度最高（95.3%）但特异度极低（9.4%），ChatGPT与Claude敏感度中等（68.1%与67.2%）且特异度有限（42.3%与46.5%），而心电图机算法敏感度67.7%、特异度64.2%，表现更为均衡，提示通用大语言模型在时间敏感的急诊流程中不适合用于基于心电图的导管室启动决策。

该研究通过名义群体技术（2025年5月，n=6）与两轮改良德尔菲法（2026年4月至5月，专家组n=13，来自12家学术医学中心，第一轮应答率77%、第二轮100%）构建了美国首个专科特异性的急诊医学AI能力框架，最终形成5个主题（沟通AI、理解适用场景、与AI互动、AI风险管理、AI的认知影响）、5项派生能力（主题与能力一对一映射获13人中12人认可）、19个子主题和10个保留临床场景，所有主题、派生能力及被单独评分的子主题均达到预设共识阈值，10个场景中9个达到共识、1个作为未来态运行模型保留。

该研究通过名义群体技术（2025年5月，n=6）与两轮改良德尔菲法（2026年4月至5月，专家组n=13，来自12家学术医学中心，第一轮应答率77%、第二轮100%）构建了美国首个专科特异性的急诊医学AI能力框架，最终形成5个主题（沟通AI、理解适用场景、与AI互动、AI风险管理、AI的认知影响）、5项派生能力（主题与能力一对一映射获13人中12人认可）、19个子主题和10个保留临床场景，所有主题、派生能力及被单独评分的子主题均达到预设共识阈值，10个场景中9个达到共识、1个作为未来态运行模型保留。