AI in Health and Life Sciences

AI in healthcare, drug discovery, biology, medical imaging and clinical deployment, with sources and concise context. · 2231 items
Follow AI from medical imaging and clinical decisions to drug discovery, proteins and laboratory automation.
This page aggregates news; it is not medical advice. For clinical decisions, go to the paper and the regulator.
Nov 16
Nov 15
ModelsBuildersOfficial09:51
Chinese contentUniPat AI 推出 SPU 基准,AI 智能体预测真实湿实验室结果最高仅得 0.486

UniPat AI 拿 4207 个真实实验结果当考题,13 种智能体配置最高才考 0.486 分,基本等于瞎猜。比起刷数学题的排行榜,这个基准更能看出 AI 做科研的真实短板,做 AI4Science 的开发者应该跑一下自己的模型看看。

Primary sourcepandaily@[email protected] (Pandaily)Source
Papers09:13
Chinese content研究指出口腔色素沉着是 AI 口腔癌筛查中被忽视的验证盲区

这篇 npj Digital Medicine 的论文讨论了一个容易被忽略的点:口腔黏膜本身的色素差异会让 AI 筛查模型在某些人群上表现变差。做医疗 AI 验证或口腔筛查工具的团队,以及关注算法公平性的研究者都该看看。

npj Digital Medicine@Ashoo GroverSource
Papers09:09
Chinese content不确定性场方法用于脑卒中CT与MRI联合诊断及病灶定位

脑卒中诊断要同时看CT和MRI,这项工作把不确定性建模和病灶定位绑在一起做,输出会附带可信度。做医学影像AI或临床落地的团队可以看看它的思路,跟单纯输出分类结果的方法比多了定位能力。

npj Digital Medicine@Kangwei WangSource
Nov 14
Chinese contentMIT CSAIL 发布 WorldParticle:一套架构模拟流体、沙粒与蛋白质折叠

MIT CSAIL 这次把流体、颗粒物和蛋白质折叠塞进了同一个模型,省得研究者为每种材料各写一套模拟器。做软体机器人或药物分子设计的人可以关注,这类统一物理模拟可能改掉你们现有的工具链。

Official accountMIT CSAIL@MIT_CSAILSource
ModelsBuildersOfficial10:05
Chinese contentThe Endless Frontier 开源 Fx-Bio-1031 生物信息学分析模型

The Endless Frontier 开源了一个能跑多步生物信息分析的智能体模型,基于 Qwen,权重随便下。BioMysteryBench 最难子集上拿了 70.59%,不过 BixBench3 上还打不过 GPT-6-Astra。做生信、手里有敏感数据的实验室值得装一个试试。

Primary sourcepandaily@[email protected] (Pandaily)Source
Chinese contentOpenAI 推出 ChatGPT Wallet,AI 购物二次尝试

OpenAI 把之前的 Instant Checkout 推倒重做,换成了带令牌支付和 Face ID 确认的 ChatGPT Wallet。和 Anthropic、Meta、xAI 的购买代理比,它把卡号藏在支付令牌后面,安全设计更细。做电商或 agent 开发的可以看看它的支付流程怎么设计。

Official accountDecoder@Maximilian SchreinerSource
Chinese contentOpenAI 的 dots 智能体接入 ChatGPT Wallet,可代替用户购物付款

Visa、Mastercard 和 Amex 亲自下场和 OpenAI 一起做了这套钱包支付,用令牌替代真实卡号,商户和智能体都拿不到卡信息。之前 Instant Checkout 要商户改造库存接口,这次直接在普通结账页付款,门槛低多了。不过 Amazon、eBay 和美联航都在封机器人,能不能普及还得看商户态度。

rohanpaul_ai@rohanpaul_aiSource
ModelsBuildersSelected01:01
TurboPairFormer GPU kernels speed up OpenFold3 triangle attention

Bitwise-reproducible gradients combined with a speedup is rare in scientific GPU kernels, since most fast attention implementations sacrifice determinism. Labs running AlphaFold-style training on H100 or H200 clusters can cut per-step time directly by swapping the backend. The comparison against OpenFold3's Triton backend gives a concrete baseline for teams evaluating whether to switch.

Lambda@LambdaAPISource
Chinese contentGallup 调查:患者对 AI 临床决策的接受度取决于医生监督

盖洛普这份调查挺有意思:患者其实没那么排斥 AI 看病,医疗服务者反而高估了抵触情绪。关键是医生得盯着 AI 的判断。做医疗 AI 产品或医院信息化的都该看看,监督流程设计比技术本身更能打动患者。

Healthcare Dive@Anuja VaidyaSource
Nov 13
Chinese contentnpj Digital Medicine 论文探讨 AI 辅助医疗诊断中人类监督的失效难题

npj Digital Medicine 这篇新论文讨论医疗 AI 出问题时医生能不能发现。结论不太乐观:自动化偏见和时间压力会让人工审核形同虚设。做医疗 AI 产品、医院信息科和关注 AI 监管的都该看看。

npj Digital Medicine@Markus LangerSource
Chinese contentXpertDox 获 2000 万美元 A 轮融资,推进神经符号 AI 医疗编码

一组医生创始人拿了 2000 万美元,做的是医疗账单编码自动化。有意思的是他们故意不用纯大模型,而是规则加神经网络的混合架构,主打合规可审计。做医疗 AI 或对幻觉敏感场景的团队可以看看这条技术路线。

HIT Consultant@Fred PennicSource
Chinese content中科院团队提出 M³Net 模型,模拟医生读片流程辅助肺结节诊断

中科院团队做的 M³Net 挺有意思,它不再只看单尺度特征,而是像医生那样从整体肺部到结节细节层层分析,在 LIDC-IDRI 数据集上比了十二种算法都有提升,对那种边界模糊的难判断结节特别有用。做医疗影像 AI 的人可以看看它的多尺度对齐思路,论文发在 Information Fusion 上。

IT之家Source
Chinese contentGoogle CEO Sundar Pichai:AI 将波及几乎所有职业,知识型工作难以独善其身

Sundar Pichai 这次说得很直接:没有哪个知识型岗位能躲开 AI 影响。跟 Anthropic 那边 Dario Amodei 的裁员警告是同一个方向,两边都点名了白领工作。做文字、分析、写代码的人建议看看,重新评估一下自己的岗位风险。

GenkSource
Chinese contentInertiaMPDD:用情绪惯性建模做多模态抑郁症检测

抑郁检测这块大多只输出标签,这篇换了个思路:先学健康人的情绪动态,再看偏离多远,还给出三个可解释的动力学指标。五个队列的 F1 数据都摆出来了,连在哪个数据集上不好使也写了,做医疗 AI 或多模态的可以看看

arXiv cs.AI@Changzeng Fu et al. (12)Source
Papers12:02
Chinese contentMAGIC:用基尼系数检测医疗多模态模型的幻觉

医疗多模态模型看片子也会一本正经地胡说,这篇给了一个不用重训模型的检测法:用基尼系数看注意力在图像和文字间怎么分布,幻觉回答的分布明显不同。做医疗 AI 可靠性或 LLM 可解释性的研究者和工程团队都值得跑一下代码对比现有基线。

arXiv cs.AI@Sachin Acharya et al. (7)Source
Chinese contentConformal Selection 用于 CRISPR 脱靶设计的可行性检验

这篇论文算了笔明白账:现有公开数据只有 10 条验证向导,想做 conformal 认证得要 2 万条,根本不够。还揪出了 CRISPR 基准里的数据泄漏,简单基线就能打平训练模型。做基因编辑机器学习评测的人应该看看。

arXiv cs.LG@Mohammad Malekpouri, Somayeh LotfiSource
ModelsBuildersSelected74°11:46
Neuro-VL vision-language model trained on one million neuroimaging studies

Training on real clinical archives lets a specialized model beat general frontier systems on both capability and resistance to leading clinical prompts — a notable result for medical AI evaluation methodology. Radiology teams, hospital AI buyers and health AI developers should examine its benchmark design, especially the longitudinal comparison task, when assessing clinical imaging products.

arXiv: OpenAI@Chenhui Zhao et al. (22)Source
Chinese contentCARMEN:基于十种生理信号预训练的心肺基础模型

这篇来自 arXiv 的论文做了个挺有意思的模型:把 ICU 里的动脉压、颅内压、呼吸机波形这十种信号一起预训练,术中低血压预测 AUROC 到 0.894,19 个任务上没有输过。做生理信号或医疗 AI 的开发者可以仔细看看 LSCNorm 这个设计。

arXiv cs.LG@Cheol-Hui Lee et al. (6)Source
Chinese content研究揭示医疗视觉模型按平均准确率评测会掩盖单一病症的完全失效

这篇审计会改变你看医疗模型榜单的方式:两个知名开源模型对气胸全部漏诊,还能流畅描述体征再否认它。做医疗 AI 选型或部署的人必须看,评估任何 VLM 都该按病症拆分指标,别信平均分。

arXiv cs.LG@Shreya Ajay Kale, Angad Ripudaman Singh BajwaSource
ProductsBuildersOfficial10:36
Chinese contentACE Robotics 用 Mundo 世界模型让机器人完成酒店洗衣全流程

ACE Robotics 把 Mundo 世界模型和机上技能拼成了一套酒店洗衣机器人,失败案例能反哺技能改进,单轮 18.6 秒。想看世界模型怎么在真实场景落地的,这篇比纯实验室 demo 有参考价值,做具身智能的可以细看。

Primary sourcePandaily@[email protected] (Pandaily)Source