CAML 处理医疗 AI 的解释性缺口：局部解释难以揭示黑箱模型的全局决策逻辑，尤其难以区分个体背景和真正与诊断类别相关的模式。 方法用 class-association manifold learning 把全局类别知识映射到低维空间，并生成对比样本和 topology map，让人可以沿地图理解模型决策规...
很多医疗 agent benchmark 只测静态问答、单步意图或者文本知识，离真实临床系统还差很远。PhysicianBench 过线的原因，是它把评测对象换成了真实 EHR 环境里的长链路 physician tasks，而不是抽象化 toy interaction。 它的接口设计也很扎实：真实患者记录、标...
这篇论文抓住了 clinical AI 一个非常现实、也非常容易被忽略的系统矛盾：患者要求删除病历时，模型执行 machine unlearning 可能会改变对不同亚群体的认识，从而破坏公平性。它真正贡献的是把 ‘right to be forgotten’ 和 ‘fairness’ 的冲突正式化。 方法上...
这篇论文的价值不在于又训练了一个更大的医疗模型，而在于给出了一个更耐用的部署接口：让 generalist foundation model 和 lightweight specialists 协同工作，而不是强迫单一模型同时兼顾全部泛化与全部精度。 从本库角度看，真正重要的是它把‘generalize bro...
这篇 Nature 论文把 medical VLM 从 2D 图像和短报告推进到 3D abdominal CT 的 foundation model 工作流。 Merlin 使用 multistage pretraining，从 15,331 个 CT scans、超过 600 万图像、180 万诊断代码和...
这篇 Science 论文把 LLM 放到临床医师推理任务中评估，而不是只做医学问答或单点诊断 benchmark。 研究覆盖多组挑战性临床案例，并与数百名医生基线比较；还包含急诊患者场景中的人类专家与 AI second opinion 对照。 结果显示 LLM 在多个实验中超过医生基线，并表现出相对旧一代临...
这篇论文解决的是医疗影像里一个很实际的瓶颈：高价值 3D CT 任务很多，但高质量标注极其稀缺，尤其是少见疾病更难做出可泛化模型。作者没有继续沿着“多做一点标注、多刷几个下游任务”的路径走，而是直接构建了头颅 CT 的 self-supervised foundation model。 FM-HCT 用 361...
这篇 npj Digital Medicine 论文提出 ORQA，面向手术室这一安全关键、强多模态、强协作环境构建专用 foundation model。它不是普通临床文本问答，而是面向 operating room operations 的场景理解系统。 ORQA 统一视觉、音频和结构化数据，用于理解手术活...
急诊科运营长期受拥堵、床位分配和人力调度约束影响。传统离散事件模拟或普通 agent-based simulation 能对齐宏观等待时间和吞吐量，但很难表达患者与医护之间的微观交互、临场沟通和状态依赖决策，而这些恰恰会改变瓶颈位置和流程效率。 EDSim 提出的是一种 agentic operations s...
问题与背景：心脏监测数据横跨医院 12-lead ECG、单导联 ECG、PPG 和消费级可穿戴设备，传统 one-modal-one-task 模型很难在不同设备、场景和输入组合之间稳定迁移。 方法与新意：CSFM 使用 transformer 与 generative masked pretraining...
This npj Digital Medicine paper evaluates agentic LLM systems in clinical decision workflows rather than treating medical AI as isolated question answering....
问题与背景：空间蛋白组学能揭示肿瘤微环境，但成本高、流程复杂、临床规模化困难。论文关注的是能否从常规 H&E 病理切片生成可解释的虚拟空间蛋白组信息。 方法与机制：HEX 使用 819,000 个带匹配蛋白表达的病理图像 tile 训练，从 H&E 图像预测 40 个免疫、结构和功能 biomarker 的空间...
问题与背景：推理型 LLM 在医学中很有潜力，但现有评测常只看最终答案，缺乏对检查建议、诊断决策和治疗规划全过程推理质量的结构化评估。 方法与机制：MedR-Bench 收集 1453 个结构化患者病例，覆盖 13 个系统和 10 个专科，并给出来自临床病例报告的参考推理。论文还提出 Reasoning Eva...
随着临床工作流中同时部署多种 AI triage 设备，系统级运营问题开始变得比单模型指标更重要。很多研究只报告某个 AI 对目标疾病的 time-to-read 改善，却缺乏对多病种、多优先级和多设备叠加后整体 wait-time 结构性影响的分析。作者把这个问题明确建模为 multi-AI, multi-d...