医学与健康

461 条内容

Journal of medical Internet research 2026年9月17日
该研究遵循PRISMA 2020指南检索PubMed/MEDLINE、Scopus与Web of Science（2018年1月至2026年5月），从1890条记录中纳入35项2024至2026年发表的研究，按微调或参数高效微调（7/35，20%）、检索增强生成（17/35，48.6%）与混合方法（11/35，31.4%）分组进行描述性综合，发现微调在窄任务分类中表现突出（如癌症检测AUC最高0.912、重性抑郁障碍预测AUC 0.892），检索增强生成提升指南依从性与诊断准确性（分别由71.1%升至92.1%、由78.9%升至94.7%）但在更大推理型模型上收益不一致，混合系统在复杂临床流程中表现最
该研究遵循PRISMA 2020指南检索PubMed/MEDLINE、Scopus与Web of Science（2018年1月至2026年5月），从1890条记录中纳入35项2024至2026年发表的研究，按微调或参数高效微调（7/35，20%）、检索增强生成（17/35，48.6%）与混合方法（11/35，31.4%）分组进行描述性综合，发现微调在窄任务分类中表现突出（如癌症检测AUC最高0.912、重性抑郁障碍预测AUC 0.892），检索增强生成提升指南依从性与诊断准确性（分别由71.1%升至92.1%、由78.9%升至94.7%）但在更大推理型模型上收益不一致，混合系统在复杂临床流程中表现最
面向临床决策的语言模型微调、检索增强生成与混合适配：系统综述
该研究遵循PRISMA 2020指南检索PubMed/MEDLINE、Scopus与Web of Science（2018年1月至2026年5月），从1890条记录中纳入35项2024至2026年发表的研究，按微调或参数高效微调（7/35，20%）、检索增强生成（17/35，48.6%）与混合方法（11/35，31.4%）分组进行描述性综合，发现微调在窄任务分类中表现突出（如癌症检测AUC最高0.912、重性抑郁障碍预测AUC 0.892），检索增强生成提升指南依从性与诊断准确性（分别由71.1%升至92.1%、由78.9%升至94.7%）但在更大推理型模型上收益不一致，混合系统在复杂临床流程中表现最
该研究遵循PRISMA 2020指南检索PubMed/MEDLINE、Scopus与Web of Science（2018年1月至2026年5月），从1890条记录中纳入35项2024至2026年发表的研究，按微调或参数高效微调（7/35，20%）、检索增强生成（17/35，48.6%）与混合方法（11/35，31.4%）分组进行描述性综合，发现微调在窄任务分类中表现突出（如癌症检测AUC最高0.912、重性抑郁障碍预测AUC 0.892），检索增强生成提升指南依从性与诊断准确性（分别由71.1%升至92.1%、由78.9%升至94.7%）但在更大推理型模型上收益不一致，混合系统在复杂临床流程中表现最
PLOS digital health 2026年9月17日
该研究提出一套以公开在线健康论坛为数据来源、结合主题引导语义建模（TGSM）与检索器-阅读器两阶段流水线的方法，构建了包含415,602条帖子、35个主题、1,050个问答对的精神分裂症问答数据集，并显示在该数据集上微调后的BioBERT在精确率与精确匹配等指标上优于未微调版本及DistilBERT等基线。
该研究提出一套以公开在线健康论坛为数据来源、结合主题引导语义建模（TGSM）与检索器-阅读器两阶段流水线的方法，构建了包含415,602条帖子、35个主题、1,050个问答对的精神分裂症问答数据集，并显示在该数据集上微调后的BioBERT在精确率与精确匹配等指标上优于未微调版本及DistilBERT等基线。
面向精神分裂症患者信息获取的医疗问答系统构建指南
该研究提出一套以公开在线健康论坛为数据来源、结合主题引导语义建模（TGSM）与检索器-阅读器两阶段流水线的方法，构建了包含415,602条帖子、35个主题、1,050个问答对的精神分裂症问答数据集，并显示在该数据集上微调后的BioBERT在精确率与精确匹配等指标上优于未微调版本及DistilBERT等基线。
该研究提出一套以公开在线健康论坛为数据来源、结合主题引导语义建模（TGSM）与检索器-阅读器两阶段流水线的方法，构建了包含415,602条帖子、35个主题、1,050个问答对的精神分裂症问答数据集，并显示在该数据集上微调后的BioBERT在精确率与精确匹配等指标上优于未微调版本及DistilBERT等基线。
Die Ophthalmologie 2026年9月17日
该研究通过对德国某区域医师网络中34名眼科医生（中位年龄49岁，47%为女性）进行匿名在线问卷调查，发现多数受访者将20–39%的工作时间用于临床文档记录，约四分之三对可靠且安全的环境记录系统表示出使用兴趣，主要感知益处是减少文档时间和增加患者诊疗时间，主要障碍是AI可靠性、与现有IT系统的整合及数据保护方面的顾虑，且受访者更偏好本地部署方案而非云端方案。
该研究通过对德国某区域医师网络中34名眼科医生（中位年龄49岁，47%为女性）进行匿名在线问卷调查，发现多数受访者将20–39%的工作时间用于临床文档记录，约四分之三对可靠且安全的环境记录系统表示出使用兴趣，主要感知益处是减少文档时间和增加患者诊疗时间，主要障碍是AI可靠性、与现有IT系统的整合及数据保护方面的顾虑，且受访者更偏好本地部署方案而非云端方案。
德国眼科医生对AI环境记录系统的接受度与需求调查
该研究通过对德国某区域医师网络中34名眼科医生（中位年龄49岁，47%为女性）进行匿名在线问卷调查，发现多数受访者将20–39%的工作时间用于临床文档记录，约四分之三对可靠且安全的环境记录系统表示出使用兴趣，主要感知益处是减少文档时间和增加患者诊疗时间，主要障碍是AI可靠性、与现有IT系统的整合及数据保护方面的顾虑，且受访者更偏好本地部署方案而非云端方案。
该研究通过对德国某区域医师网络中34名眼科医生（中位年龄49岁，47%为女性）进行匿名在线问卷调查，发现多数受访者将20–39%的工作时间用于临床文档记录，约四分之三对可靠且安全的环境记录系统表示出使用兴趣，主要感知益处是减少文档时间和增加患者诊疗时间，主要障碍是AI可靠性、与现有IT系统的整合及数据保护方面的顾虑，且受访者更偏好本地部署方案而非云端方案。
Clinical and molecular hepatology 2026年9月17日
这篇综述将当前通往肝脏AI虚拟细胞（AIVC）的研究组织为三条互补建模路线——生成模型表征细胞状态、动力学与转运模型推断状态转换、预训练或基础模型检验表征能否跨供体、病因、疾病阶段与平台迁移——并以扰动响应预测作为贯穿性评估，指出已发表模型仅展示了图谱整合、轨迹推断、可迁移表征与回顾性响应程序等单个组件，尚不构成经前瞻性验证的肝脏模拟器，近期应优先用于实验选择与假设生成，临床决策支持仍是更长期目标。
这篇综述将当前通往肝脏AI虚拟细胞（AIVC）的研究组织为三条互补建模路线——生成模型表征细胞状态、动力学与转运模型推断状态转换、预训练或基础模型检验表征能否跨供体、病因、疾病阶段与平台迁移——并以扰动响应预测作为贯穿性评估，指出已发表模型仅展示了图谱整合、轨迹推断、可迁移表征与回顾性响应程序等单个组件，尚不构成经前瞻性验证的肝脏模拟器，近期应优先用于实验选择与假设生成，临床决策支持仍是更长期目标。
面向肝病学的AI虚拟细胞：单细胞模型中的表征、生成、动力学与干预
这篇综述将当前通往肝脏AI虚拟细胞（AIVC）的研究组织为三条互补建模路线——生成模型表征细胞状态、动力学与转运模型推断状态转换、预训练或基础模型检验表征能否跨供体、病因、疾病阶段与平台迁移——并以扰动响应预测作为贯穿性评估，指出已发表模型仅展示了图谱整合、轨迹推断、可迁移表征与回顾性响应程序等单个组件，尚不构成经前瞻性验证的肝脏模拟器，近期应优先用于实验选择与假设生成，临床决策支持仍是更长期目标。
这篇综述将当前通往肝脏AI虚拟细胞（AIVC）的研究组织为三条互补建模路线——生成模型表征细胞状态、动力学与转运模型推断状态转换、预训练或基础模型检验表征能否跨供体、病因、疾病阶段与平台迁移——并以扰动响应预测作为贯穿性评估，指出已发表模型仅展示了图谱整合、轨迹推断、可迁移表征与回顾性响应程序等单个组件，尚不构成经前瞻性验证的肝脏模拟器，近期应优先用于实验选择与假设生成，临床决策支持仍是更长期目标。
PLOS digital health 2026年9月17日
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。
以医学知识为根基的LLM智能体工具：从病历中识别患者安全事件
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。
Studies in health technology and informatics 2026年9月17日
该技术案例报告开发并评估了一套结合本地大语言模型与HUGO基因命名规则校验的系统，用于从临床试验记录中抽取并结构化突变资格标准（识别突变基因、区分纳入与排除标准、归属到各研究组），在4,918项试验上运行并为1,010项研究生成结构化表示，42项试验的专家复核显示88.1%的研究被正确标注、单项资格标准精确率为80%，失败主要来自幻觉基因与缩写误判。
该技术案例报告开发并评估了一套结合本地大语言模型与HUGO基因命名规则校验的系统，用于从临床试验记录中抽取并结构化突变资格标准（识别突变基因、区分纳入与排除标准、归属到各研究组），在4,918项试验上运行并为1,010项研究生成结构化表示，42项试验的专家复核显示88.1%的研究被正确标注、单项资格标准精确率为80%，失败主要来自幻觉基因与缩写误判。
用本地大语言模型从临床试验记录中自动抽取基因资格标准：一项技术案例报告
该技术案例报告开发并评估了一套结合本地大语言模型与HUGO基因命名规则校验的系统，用于从临床试验记录中抽取并结构化突变资格标准（识别突变基因、区分纳入与排除标准、归属到各研究组），在4,918项试验上运行并为1,010项研究生成结构化表示，42项试验的专家复核显示88.1%的研究被正确标注、单项资格标准精确率为80%，失败主要来自幻觉基因与缩写误判。
该技术案例报告开发并评估了一套结合本地大语言模型与HUGO基因命名规则校验的系统，用于从临床试验记录中抽取并结构化突变资格标准（识别突变基因、区分纳入与排除标准、归属到各研究组），在4,918项试验上运行并为1,010项研究生成结构化表示，42项试验的专家复核显示88.1%的研究被正确标注、单项资格标准精确率为80%，失败主要来自幻觉基因与缩写误判。
Chemical & Biomedical Imaging 2026年9月17日
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。
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。
Rehabilitation psychology 2026年9月17日
该研究遵循PRISMA-ScR指南，在PubMed与Web of Science中开展系统性范围综述，共纳入72项研究，从参与、自主与环境适配的视角梳理了人工智能在残疾人社会支持中的应用，发现应用集中于“移动与导航辅助”（n=20，41.7%）、“沟通与信息无障碍”（n=14，29.2%）、“日常生活智能辅助”（n=7，14.6%）、“教育与职业赋能”（n=5，8.3%）和“心理健康支持与社会融入”（n=3，6.3%）五大领域，并识别出数据隐私（58.3%）、训练数据不足（25.0%）、实施成本高（25.0%）、算法偏见（20.8%）和真实世界获益证据有限（20.8%）等挑战，指出该领域存在重功能
该研究遵循PRISMA-ScR指南，在PubMed与Web of Science中开展系统性范围综述，共纳入72项研究，从参与、自主与环境适配的视角梳理了人工智能在残疾人社会支持中的应用，发现应用集中于“移动与导航辅助”（n=20，41.7%）、“沟通与信息无障碍”（n=14，29.2%）、“日常生活智能辅助”（n=7，14.6%）、“教育与职业赋能”（n=5，8.3%）和“心理健康支持与社会融入”（n=3，6.3%）五大领域，并识别出数据隐私（58.3%）、训练数据不足（25.0%）、实施成本高（25.0%）、算法偏见（20.8%）和真实世界获益证据有限（20.8%）等挑战，指出该领域存在重功能
人工智能在残疾人社会支持中的应用图谱：一项系统性范围综述
该研究遵循PRISMA-ScR指南，在PubMed与Web of Science中开展系统性范围综述，共纳入72项研究，从参与、自主与环境适配的视角梳理了人工智能在残疾人社会支持中的应用，发现应用集中于“移动与导航辅助”（n=20，41.7%）、“沟通与信息无障碍”（n=14，29.2%）、“日常生活智能辅助”（n=7，14.6%）、“教育与职业赋能”（n=5，8.3%）和“心理健康支持与社会融入”（n=3，6.3%）五大领域，并识别出数据隐私（58.3%）、训练数据不足（25.0%）、实施成本高（25.0%）、算法偏见（20.8%）和真实世界获益证据有限（20.8%）等挑战，指出该领域存在重功能
该研究遵循PRISMA-ScR指南，在PubMed与Web of Science中开展系统性范围综述，共纳入72项研究，从参与、自主与环境适配的视角梳理了人工智能在残疾人社会支持中的应用，发现应用集中于“移动与导航辅助”（n=20，41.7%）、“沟通与信息无障碍”（n=14，29.2%）、“日常生活智能辅助”（n=7，14.6%）、“教育与职业赋能”（n=5，8.3%）和“心理健康支持与社会融入”（n=3，6.3%）五大领域，并识别出数据隐私（58.3%）、训练数据不足（25.0%）、实施成本高（25.0%）、算法偏见（20.8%）和真实世界获益证据有限（20.8%）等挑战，指出该领域存在重功能
Studies in health technology and informatics 2026年9月17日
该研究让五个当前大语言模型（GPT 5.3、Claude Sonnet 4.6、Gemini 2.5 Flash、Perplexity 和 Grok）在相同数据集与标准化提示下复现一项已发表临床工作流中经专家验证的三类统计分析任务——描述性表格生成、Kaplan–Meier生存分析和Cox比例风险建模，并将输出与两位受过数理统计训练的专家的分析在分组正确性、数值准确性、缺失值处理和生成的R代码质量方面进行比较，结果显示所有模型在变量被明确指定后都能给出正确的描述性统计，两个模型因变量名歧义在初始描述性基准中失败但在提示澄清后恢复，所有模型都复现了正确的Kaplan–Meier p值但图形完整性不同，Cox基准
该研究让五个当前大语言模型（GPT 5.3、Claude Sonnet 4.6、Gemini 2.5 Flash、Perplexity 和 Grok）在相同数据集与标准化提示下复现一项已发表临床工作流中经专家验证的三类统计分析任务——描述性表格生成、Kaplan–Meier生存分析和Cox比例风险建模，并将输出与两位受过数理统计训练的专家的分析在分组正确性、数值准确性、缺失值处理和生成的R代码质量方面进行比较，结果显示所有模型在变量被明确指定后都能给出正确的描述性统计，两个模型因变量名歧义在初始描述性基准中失败但在提示澄清后恢复，所有模型都复现了正确的Kaplan–Meier p值但图形完整性不同，Cox基准
面向临床统计分析的AI“氛围编程”基准测试：肺动脉高压研究中的结构化评估
该研究让五个当前大语言模型（GPT 5.3、Claude Sonnet 4.6、Gemini 2.5 Flash、Perplexity 和 Grok）在相同数据集与标准化提示下复现一项已发表临床工作流中经专家验证的三类统计分析任务——描述性表格生成、Kaplan–Meier生存分析和Cox比例风险建模，并将输出与两位受过数理统计训练的专家的分析在分组正确性、数值准确性、缺失值处理和生成的R代码质量方面进行比较，结果显示所有模型在变量被明确指定后都能给出正确的描述性统计，两个模型因变量名歧义在初始描述性基准中失败但在提示澄清后恢复，所有模型都复现了正确的Kaplan–Meier p值但图形完整性不同，Cox基准
该研究让五个当前大语言模型（GPT 5.3、Claude Sonnet 4.6、Gemini 2.5 Flash、Perplexity 和 Grok）在相同数据集与标准化提示下复现一项已发表临床工作流中经专家验证的三类统计分析任务——描述性表格生成、Kaplan–Meier生存分析和Cox比例风险建模，并将输出与两位受过数理统计训练的专家的分析在分组正确性、数值准确性、缺失值处理和生成的R代码质量方面进行比较，结果显示所有模型在变量被明确指定后都能给出正确的描述性统计，两个模型因变量名歧义在初始描述性基准中失败但在提示澄清后恢复，所有模型都复现了正确的Kaplan–Meier p值但图形完整性不同，Cox基准
Studies in health technology and informatics 2026年9月17日
该试点研究将35份来自5名患者的德语医生笔记匿名化，构建了一条药物提取与映射流程和两条诊断流程（其中一条基于RAG、一条基于智能体AI），在本地GPU-PC上运行三种开放权重LLM，结果显示药物名称提取F1可达0.95、药物映射F1可达0.78，而诊断编码F1不超过0.12、宽泛类别映射F1为0.18，作者据此认为LLM适合用于研究数据库的药物信息提取，但当前开放权重模型尚不足以支撑直接依赖其表现的临床诊疗场景。
该试点研究将35份来自5名患者的德语医生笔记匿名化，构建了一条药物提取与映射流程和两条诊断流程（其中一条基于RAG、一条基于智能体AI），在本地GPU-PC上运行三种开放权重LLM，结果显示药物名称提取F1可达0.95、药物映射F1可达0.78，而诊断编码F1不超过0.12、宽泛类别映射F1为0.18，作者据此认为LLM适合用于研究数据库的药物信息提取，但当前开放权重模型尚不足以支撑直接依赖其表现的临床诊疗场景。
临床编码映射中的LLM工具使用：从非结构化德语临床笔记中自动提取药物与诊断信息的试点研究
该试点研究将35份来自5名患者的德语医生笔记匿名化，构建了一条药物提取与映射流程和两条诊断流程（其中一条基于RAG、一条基于智能体AI），在本地GPU-PC上运行三种开放权重LLM，结果显示药物名称提取F1可达0.95、药物映射F1可达0.78，而诊断编码F1不超过0.12、宽泛类别映射F1为0.18，作者据此认为LLM适合用于研究数据库的药物信息提取，但当前开放权重模型尚不足以支撑直接依赖其表现的临床诊疗场景。
该试点研究将35份来自5名患者的德语医生笔记匿名化，构建了一条药物提取与映射流程和两条诊断流程（其中一条基于RAG、一条基于智能体AI），在本地GPU-PC上运行三种开放权重LLM，结果显示药物名称提取F1可达0.95、药物映射F1可达0.78，而诊断编码F1不超过0.12、宽泛类别映射F1为0.18，作者据此认为LLM适合用于研究数据库的药物信息提取，但当前开放权重模型尚不足以支撑直接依赖其表现的临床诊疗场景。

第 28 页 · 当前显示 10 项