医学与健康

463 条内容

Chinese medical journal 2026年9月15日
该研究基于长海医院2016年5月31日至2019年6月26日期间1370例接受体外冲击波碎石术（ESWL）的慢性胰腺炎住院患者的回顾性去标识化临床数据，从109个变量中筛选出55个变量，比较了XGBoost、LightGBM、CatBoost、随机森林、支持向量机、人工神经网络、多层感知机、TabNet、Transformer和Wide&Deep共十种机器学习与深度学习算法在三种建模方案（全部预处理变量、单因素筛选的21个变量、ADASYN过采样训练数据）下的表现，以F1分数为主要选择指标，结果显示TabNet在前两种方案中取得最佳留出测试集表现（F1均为0.71），最终选择更简约的21变量T
该研究基于长海医院2016年5月31日至2019年6月26日期间1370例接受体外冲击波碎石术（ESWL）的慢性胰腺炎住院患者的回顾性去标识化临床数据，从109个变量中筛选出55个变量，比较了XGBoost、LightGBM、CatBoost、随机森林、支持向量机、人工神经网络、多层感知机、TabNet、Transformer和Wide&Deep共十种机器学习与深度学习算法在三种建模方案（全部预处理变量、单因素筛选的21个变量、ADASYN过采样训练数据）下的表现，以F1分数为主要选择指标，结果显示TabNet在前两种方案中取得最佳留出测试集表现（F1均为0.71），最终选择更简约的21变量T
机器学习用于慢性胰腺炎患者ESWL术后胰腺炎的早期风险分层
该研究基于长海医院2016年5月31日至2019年6月26日期间1370例接受体外冲击波碎石术（ESWL）的慢性胰腺炎住院患者的回顾性去标识化临床数据，从109个变量中筛选出55个变量，比较了XGBoost、LightGBM、CatBoost、随机森林、支持向量机、人工神经网络、多层感知机、TabNet、Transformer和Wide&Deep共十种机器学习与深度学习算法在三种建模方案（全部预处理变量、单因素筛选的21个变量、ADASYN过采样训练数据）下的表现，以F1分数为主要选择指标，结果显示TabNet在前两种方案中取得最佳留出测试集表现（F1均为0.71），最终选择更简约的21变量T
该研究基于长海医院2016年5月31日至2019年6月26日期间1370例接受体外冲击波碎石术（ESWL）的慢性胰腺炎住院患者的回顾性去标识化临床数据，从109个变量中筛选出55个变量，比较了XGBoost、LightGBM、CatBoost、随机森林、支持向量机、人工神经网络、多层感知机、TabNet、Transformer和Wide&Deep共十种机器学习与深度学习算法在三种建模方案（全部预处理变量、单因素筛选的21个变量、ADASYN过采样训练数据）下的表现，以F1分数为主要选择指标，结果显示TabNet在前两种方案中取得最佳留出测试集表现（F1均为0.71），最终选择更简约的21变量T
bioRxiv 2026年9月15日
本文提出分层时序 Transformer（HTT），第一层用 LoRA 适配的 BiomedBERT 编码单份报告，第二层用时序 Transformer 结合以就诊间隔天数构建的连续时间位置编码和可学习的癌种嵌入读取患者完整报告序列；在受控合成连续影像报告语料上验证 AUROC 达 0.942（单报告基线 0.881），迁移到留出的胰腺癌达 0.995（基线 0.949），在 TCGA-Reports 的 4,786 份真实病理报告、14 个癌种上对三个完全未参与训练的癌种预测肿瘤分级，AUROC 分别为甲状腺癌 1.000、肉瘤 0.960、肺鳞癌 0.808，留出癌种平均 AUROC 0.923 与分布内测试 AUROC 0.923 持平，消融
本文提出分层时序 Transformer（HTT），第一层用 LoRA 适配的 BiomedBERT 编码单份报告，第二层用时序 Transformer 结合以就诊间隔天数构建的连续时间位置编码和可学习的癌种嵌入读取患者完整报告序列；在受控合成连续影像报告语料上验证 AUROC 达 0.942（单报告基线 0.881），迁移到留出的胰腺癌达 0.995（基线 0.949），在 TCGA-Reports 的 4,786 份真实病理报告、14 个癌种上对三个完全未参与训练的癌种预测肿瘤分级，AUROC 分别为甲状腺癌 1.000、肉瘤 0.960、肺鳞癌 0.808，留出癌种平均 AUROC 0.923 与分布内测试 AUROC 0.923 持平，消融
分层时序 Transformer：从病理报告预测癌症分级并实现跨癌种迁移
本文提出分层时序 Transformer（HTT），第一层用 LoRA 适配的 BiomedBERT 编码单份报告，第二层用时序 Transformer 结合以就诊间隔天数构建的连续时间位置编码和可学习的癌种嵌入读取患者完整报告序列；在受控合成连续影像报告语料上验证 AUROC 达 0.942（单报告基线 0.881），迁移到留出的胰腺癌达 0.995（基线 0.949），在 TCGA-Reports 的 4,786 份真实病理报告、14 个癌种上对三个完全未参与训练的癌种预测肿瘤分级，AUROC 分别为甲状腺癌 1.000、肉瘤 0.960、肺鳞癌 0.808，留出癌种平均 AUROC 0.923 与分布内测试 AUROC 0.923 持平，消融
本文提出分层时序 Transformer（HTT），第一层用 LoRA 适配的 BiomedBERT 编码单份报告，第二层用时序 Transformer 结合以就诊间隔天数构建的连续时间位置编码和可学习的癌种嵌入读取患者完整报告序列；在受控合成连续影像报告语料上验证 AUROC 达 0.942（单报告基线 0.881），迁移到留出的胰腺癌达 0.995（基线 0.949），在 TCGA-Reports 的 4,786 份真实病理报告、14 个癌种上对三个完全未参与训练的癌种预测肿瘤分级，AUROC 分别为甲状腺癌 1.000、肉瘤 0.960、肺鳞癌 0.808，留出癌种平均 AUROC 0.923 与分布内测试 AUROC 0.923 持平，消融
Ear, nose, & throat journal 2026年9月15日
本研究让ChatGPT针对非对称性听力损失或单侧耳聋的人工耳蜗保险拒赔情形，以零样本方式生成30种提示变体的申诉信，由三位人工耳蜗提供者按美国人工耳蜗联盟指南评分，并核查引用准确性，结果显示96.6%的回答列出人工耳蜗的多项获益、79.3%部分符合指南，但51.7%含虚构获益，96条引用中仅6条（6.3%）准确指向同行评审来源，其余为虚构（57.3%）、错误（24%）或无关（10%），提示临床与倡导使用前需人工核实。
本研究让ChatGPT针对非对称性听力损失或单侧耳聋的人工耳蜗保险拒赔情形，以零样本方式生成30种提示变体的申诉信，由三位人工耳蜗提供者按美国人工耳蜗联盟指南评分，并核查引用准确性，结果显示96.6%的回答列出人工耳蜗的多项获益、79.3%部分符合指南，但51.7%含虚构获益，96条引用中仅6条（6.3%）准确指向同行评审来源，其余为虚构（57.3%）、错误（24%）或无关（10%），提示临床与倡导使用前需人工核实。
用AI聊天机器人生成人工耳蜗保险申诉信：准确性与引用可靠性评估
本研究让ChatGPT针对非对称性听力损失或单侧耳聋的人工耳蜗保险拒赔情形，以零样本方式生成30种提示变体的申诉信，由三位人工耳蜗提供者按美国人工耳蜗联盟指南评分，并核查引用准确性，结果显示96.6%的回答列出人工耳蜗的多项获益、79.3%部分符合指南，但51.7%含虚构获益，96条引用中仅6条（6.3%）准确指向同行评审来源，其余为虚构（57.3%）、错误（24%）或无关（10%），提示临床与倡导使用前需人工核实。
本研究让ChatGPT针对非对称性听力损失或单侧耳聋的人工耳蜗保险拒赔情形，以零样本方式生成30种提示变体的申诉信，由三位人工耳蜗提供者按美国人工耳蜗联盟指南评分，并核查引用准确性，结果显示96.6%的回答列出人工耳蜗的多项获益、79.3%部分符合指南，但51.7%含虚构获益，96条引用中仅6条（6.3%）准确指向同行评审来源，其余为虚构（57.3%）、错误（24%）或无关（10%），提示临床与倡导使用前需人工核实。
bioRxiv 2026年9月15日
该研究用重组金黄色葡萄球菌丝氨酸蛋白酶样蛋白B（SplB）或失活突变体反复气管内接种小鼠，发现SplB可致敏小鼠并引起嗜酸性气道炎症与气道高反应性，且该过程依赖SplB的蛋白水解活性和功能性适应性免疫系统，其中可溶性蛋白酶感受器IL-33为嗜酸性粒细胞组织浸润所必需，而膜结合蛋白酶感受器PAR2并非必需，据此作者提出金黄色葡萄球菌可通过释放SplB等过敏原致敏个体并导致哮喘发生的第三种机制。
该研究用重组金黄色葡萄球菌丝氨酸蛋白酶样蛋白B（SplB）或失活突变体反复气管内接种小鼠，发现SplB可致敏小鼠并引起嗜酸性气道炎症与气道高反应性，且该过程依赖SplB的蛋白水解活性和功能性适应性免疫系统，其中可溶性蛋白酶感受器IL-33为嗜酸性粒细胞组织浸润所必需，而膜结合蛋白酶感受器PAR2并非必需，据此作者提出金黄色葡萄球菌可通过释放SplB等过敏原致敏个体并导致哮喘发生的第三种机制。
金黄色葡萄球菌丝氨酸蛋白酶样蛋白B在小鼠哮喘模型中是强效过敏原
该研究用重组金黄色葡萄球菌丝氨酸蛋白酶样蛋白B（SplB）或失活突变体反复气管内接种小鼠，发现SplB可致敏小鼠并引起嗜酸性气道炎症与气道高反应性，且该过程依赖SplB的蛋白水解活性和功能性适应性免疫系统，其中可溶性蛋白酶感受器IL-33为嗜酸性粒细胞组织浸润所必需，而膜结合蛋白酶感受器PAR2并非必需，据此作者提出金黄色葡萄球菌可通过释放SplB等过敏原致敏个体并导致哮喘发生的第三种机制。
该研究用重组金黄色葡萄球菌丝氨酸蛋白酶样蛋白B（SplB）或失活突变体反复气管内接种小鼠，发现SplB可致敏小鼠并引起嗜酸性气道炎症与气道高反应性，且该过程依赖SplB的蛋白水解活性和功能性适应性免疫系统，其中可溶性蛋白酶感受器IL-33为嗜酸性粒细胞组织浸润所必需，而膜结合蛋白酶感受器PAR2并非必需，据此作者提出金黄色葡萄球菌可通过释放SplB等过敏原致敏个体并导致哮喘发生的第三种机制。
Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery 2026年9月15日
该文综述了人工智能在头颈部肿瘤从筛查诊断到随访管理全链条中的应用进展，指出内镜图像、CT/MRI影像、数字病理、超声及多组学数据是主要数据模态，AI辅助内镜判读与影像分析可提升病变识别准确性、减少操作者依赖性并有助于隐匿性淋巴结转移的无创预测，但现有证据多来自单中心回顾性研究，治疗反应预测的前瞻性证据仍较有限。
该文综述了人工智能在头颈部肿瘤从筛查诊断到随访管理全链条中的应用进展，指出内镜图像、CT/MRI影像、数字病理、超声及多组学数据是主要数据模态，AI辅助内镜判读与影像分析可提升病变识别准确性、减少操作者依赖性并有助于隐匿性淋巴结转移的无创预测，但现有证据多来自单中心回顾性研究，治疗反应预测的前瞻性证据仍较有限。
人工智能在头颈部肿瘤诊疗中的应用进展：一篇综述性总结
该文综述了人工智能在头颈部肿瘤从筛查诊断到随访管理全链条中的应用进展，指出内镜图像、CT/MRI影像、数字病理、超声及多组学数据是主要数据模态，AI辅助内镜判读与影像分析可提升病变识别准确性、减少操作者依赖性并有助于隐匿性淋巴结转移的无创预测，但现有证据多来自单中心回顾性研究，治疗反应预测的前瞻性证据仍较有限。
该文综述了人工智能在头颈部肿瘤从筛查诊断到随访管理全链条中的应用进展，指出内镜图像、CT/MRI影像、数字病理、超声及多组学数据是主要数据模态，AI辅助内镜判读与影像分析可提升病变识别准确性、减少操作者依赖性并有助于隐匿性淋巴结转移的无创预测，但现有证据多来自单中心回顾性研究，治疗反应预测的前瞻性证据仍较有限。
Physiological Measurement 2026年9月15日
该工作提出一种将局部特征提取模块与全局上下文模型相结合的新架构，其中Mel_Grouper模块作为前端增强局部病理表征，其输出送入基于Transformer的Mel_Encoder以融合全局上下文，在SJTU儿科呼吸音数据集（SPRSound）的四个子任务上分别较此前最佳结果提升3.37%、3.06%、6.83%和5.36%，并在真实世界儿科呼吸音数据集上进一步开展实验。
该工作提出一种将局部特征提取模块与全局上下文模型相结合的新架构，其中Mel_Grouper模块作为前端增强局部病理表征，其输出送入基于Transformer的Mel_Encoder以融合全局上下文，在SJTU儿科呼吸音数据集（SPRSound）的四个子任务上分别较此前最佳结果提升3.37%、3.06%、6.83%和5.36%，并在真实世界儿科呼吸音数据集上进一步开展实验。
融合局部特征提取与全局上下文建模的儿科呼吸音分类
该工作提出一种将局部特征提取模块与全局上下文模型相结合的新架构，其中Mel_Grouper模块作为前端增强局部病理表征，其输出送入基于Transformer的Mel_Encoder以融合全局上下文，在SJTU儿科呼吸音数据集（SPRSound）的四个子任务上分别较此前最佳结果提升3.37%、3.06%、6.83%和5.36%，并在真实世界儿科呼吸音数据集上进一步开展实验。
该工作提出一种将局部特征提取模块与全局上下文模型相结合的新架构，其中Mel_Grouper模块作为前端增强局部病理表征，其输出送入基于Transformer的Mel_Encoder以融合全局上下文，在SJTU儿科呼吸音数据集（SPRSound）的四个子任务上分别较此前最佳结果提升3.37%、3.06%、6.83%和5.36%，并在真实世界儿科呼吸音数据集上进一步开展实验。
Updates in surgery 2026年9月15日
该研究在一个常规运行的手术人工智能平台上，对249例连续腹腔镜胆囊切除术自动赋予Parkland分级评分，并按低危（PGS 1-2，n=78）与高危（PGS 3-5，n=171）分组比较手术结局，同时以两名外科医生对75例视频样本的独立双次复核作为真值，评估模型的F1分数、区分度（AUC 0.932与0.896）与校准度，结果显示高危组在年龄、ASA评分、胆囊炎比例、急诊手术比例、手术时长、术中事件、中转补救、住院天数及90天主要并发症与再入院方面均更高，且在病例对照匹配（n=84）后手术时长与出血相关事件仍保持显著差异。
该研究在一个常规运行的手术人工智能平台上，对249例连续腹腔镜胆囊切除术自动赋予Parkland分级评分，并按低危（PGS 1-2，n=78）与高危（PGS 3-5，n=171）分组比较手术结局，同时以两名外科医生对75例视频样本的独立双次复核作为真值，评估模型的F1分数、区分度（AUC 0.932与0.896）与校准度，结果显示高危组在年龄、ASA评分、胆囊炎比例、急诊手术比例、手术时长、术中事件、中转补救、住院天数及90天主要并发症与再入院方面均更高，且在病例对照匹配（n=84）后手术时长与出血相关事件仍保持显著差异。
人工智能评估腹腔镜胆囊切除术中的Parkland分级：迈向真实世界结局预测的一步
该研究在一个常规运行的手术人工智能平台上，对249例连续腹腔镜胆囊切除术自动赋予Parkland分级评分，并按低危（PGS 1-2，n=78）与高危（PGS 3-5，n=171）分组比较手术结局，同时以两名外科医生对75例视频样本的独立双次复核作为真值，评估模型的F1分数、区分度（AUC 0.932与0.896）与校准度，结果显示高危组在年龄、ASA评分、胆囊炎比例、急诊手术比例、手术时长、术中事件、中转补救、住院天数及90天主要并发症与再入院方面均更高，且在病例对照匹配（n=84）后手术时长与出血相关事件仍保持显著差异。
该研究在一个常规运行的手术人工智能平台上，对249例连续腹腔镜胆囊切除术自动赋予Parkland分级评分，并按低危（PGS 1-2，n=78）与高危（PGS 3-5，n=171）分组比较手术结局，同时以两名外科医生对75例视频样本的独立双次复核作为真值，评估模型的F1分数、区分度（AUC 0.932与0.896）与校准度，结果显示高危组在年龄、ASA评分、胆囊炎比例、急诊手术比例、手术时长、术中事件、中转补救、住院天数及90天主要并发症与再入院方面均更高，且在病例对照匹配（n=84）后手术时长与出血相关事件仍保持显著差异。
Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery 2026年9月15日
该单中心回顾性研究构建了基于ResNet+CBAM注意力模块、并融合DNN+Transformer临床特征的多任务深度学习模型，利用颈部增强CT图像同步预测淋巴结良恶性与原发部位，在测试集（457例）中良恶性AUC为0.851、原发部位Micro-AUC为0.819、Top-1与Top-3准确率为79%和93%，在真实CMSCCUP队列（172例）中Micro-AUC为0.809、Top-3准确率为88%，并显著提升了初级医生的预测准确率（P值均<0.001）。
该单中心回顾性研究构建了基于ResNet+CBAM注意力模块、并融合DNN+Transformer临床特征的多任务深度学习模型，利用颈部增强CT图像同步预测淋巴结良恶性与原发部位，在测试集（457例）中良恶性AUC为0.851、原发部位Micro-AUC为0.819、Top-1与Top-3准确率为79%和93%，在真实CMSCCUP队列（172例）中Micro-AUC为0.809、Top-3准确率为88%，并显著提升了初级医生的预测准确率（P值均<0.001）。
基于注意力机制的多任务深度学习模型预测原发灶不明颈部转移性鳞癌的原发部位
该单中心回顾性研究构建了基于ResNet+CBAM注意力模块、并融合DNN+Transformer临床特征的多任务深度学习模型，利用颈部增强CT图像同步预测淋巴结良恶性与原发部位，在测试集（457例）中良恶性AUC为0.851、原发部位Micro-AUC为0.819、Top-1与Top-3准确率为79%和93%，在真实CMSCCUP队列（172例）中Micro-AUC为0.809、Top-3准确率为88%，并显著提升了初级医生的预测准确率（P值均<0.001）。
该单中心回顾性研究构建了基于ResNet+CBAM注意力模块、并融合DNN+Transformer临床特征的多任务深度学习模型，利用颈部增强CT图像同步预测淋巴结良恶性与原发部位，在测试集（457例）中良恶性AUC为0.851、原发部位Micro-AUC为0.819、Top-1与Top-3准确率为79%和93%，在真实CMSCCUP队列（172例）中Micro-AUC为0.809、Top-3准确率为88%，并显著提升了初级医生的预测准确率（P值均<0.001）。
Sleep 2026年9月15日
这篇评论梳理了近期已发表的睡眠基础模型，比较其训练队列、评估框架与报告性能，并在一组独立的1型发作性睡病患者（n=51）与健康对照（n=28）队列上以不微调方式测试了一个现有睡眠基础模型，发现零样本睡眠分期表现一般且低于同队列的监督方法，脑电睡眠图（PSG）嵌入在人口学基线之上对疾病分类的增益很小，据此认为睡眠基础模型尚不适合临床部署。
这篇评论梳理了近期已发表的睡眠基础模型，比较其训练队列、评估框架与报告性能，并在一组独立的1型发作性睡病患者（n=51）与健康对照（n=28）队列上以不微调方式测试了一个现有睡眠基础模型，发现零样本睡眠分期表现一般且低于同队列的监督方法，脑电睡眠图（PSG）嵌入在人口学基线之上对疾病分类的增益很小，据此认为睡眠基础模型尚不适合临床部署。
睡眠研究中的基础模型：机遇与局限
这篇评论梳理了近期已发表的睡眠基础模型，比较其训练队列、评估框架与报告性能，并在一组独立的1型发作性睡病患者（n=51）与健康对照（n=28）队列上以不微调方式测试了一个现有睡眠基础模型，发现零样本睡眠分期表现一般且低于同队列的监督方法，脑电睡眠图（PSG）嵌入在人口学基线之上对疾病分类的增益很小，据此认为睡眠基础模型尚不适合临床部署。
这篇评论梳理了近期已发表的睡眠基础模型，比较其训练队列、评估框架与报告性能，并在一组独立的1型发作性睡病患者（n=51）与健康对照（n=28）队列上以不微调方式测试了一个现有睡眠基础模型，发现零样本睡眠分期表现一般且低于同队列的监督方法，脑电睡眠图（PSG）嵌入在人口学基线之上对疾病分类的增益很小，据此认为睡眠基础模型尚不适合临床部署。
Annals of biomedical engineering 2026年9月15日
本文提出，提示注入是一种与准确性、偏见和幻觉不同的失效模式——模型完全按指令行事，但该指令并非临床医生所写、也非其可见；其根源在于当前语言模型架构接收无差别的token流、缺乏区分内容是否具有权威性的机制，而临床记录由转诊信函、患者输入消息、外部报告、扫描文档和外部影像等院外来源材料拼装而成，使医学尤为暴露；作者主张应将提示注入列为患者安全危害并建立明确的威胁模型，认为改进提示词与输入过滤无法解决该问题，可行路径在于具备来源感知的上下文处理、对不可逆操作施加受限权限，以及部署前的对抗性测试。
本文提出，提示注入是一种与准确性、偏见和幻觉不同的失效模式——模型完全按指令行事，但该指令并非临床医生所写、也非其可见；其根源在于当前语言模型架构接收无差别的token流、缺乏区分内容是否具有权威性的机制，而临床记录由转诊信函、患者输入消息、外部报告、扫描文档和外部影像等院外来源材料拼装而成，使医学尤为暴露；作者主张应将提示注入列为患者安全危害并建立明确的威胁模型，认为改进提示词与输入过滤无法解决该问题，可行路径在于具备来源感知的上下文处理、对不可逆操作施加受限权限，以及部署前的对抗性测试。
临床人工智能系统中的提示注入：大语言模型与智能体式AI的新兴安全挑战
本文提出，提示注入是一种与准确性、偏见和幻觉不同的失效模式——模型完全按指令行事，但该指令并非临床医生所写、也非其可见；其根源在于当前语言模型架构接收无差别的token流、缺乏区分内容是否具有权威性的机制，而临床记录由转诊信函、患者输入消息、外部报告、扫描文档和外部影像等院外来源材料拼装而成，使医学尤为暴露；作者主张应将提示注入列为患者安全危害并建立明确的威胁模型，认为改进提示词与输入过滤无法解决该问题，可行路径在于具备来源感知的上下文处理、对不可逆操作施加受限权限，以及部署前的对抗性测试。
本文提出，提示注入是一种与准确性、偏见和幻觉不同的失效模式——模型完全按指令行事，但该指令并非临床医生所写、也非其可见；其根源在于当前语言模型架构接收无差别的token流、缺乏区分内容是否具有权威性的机制，而临床记录由转诊信函、患者输入消息、外部报告、扫描文档和外部影像等院外来源材料拼装而成，使医学尤为暴露；作者主张应将提示注入列为患者安全危害并建立明确的威胁模型，认为改进提示词与输入过滤无法解决该问题，可行路径在于具备来源感知的上下文处理、对不可逆操作施加受限权限，以及部署前的对抗性测试。

第 39 页 · 当前显示 10 项