8月25日
01:39
8月24日
23:38
12:18
8月19日
00:14
8月14日
08:45
8月12日
01:11
8月11日
11:43
11:43官方账号arXiv cs.AI@Mahvish Nagda, Jihyeon Lee, Matthew Thompson, Chunjong Park, Tim Strother, Valentin Liévin, Roma Ruparel, Akshay Goel, Teya Bergamaschi, Suhana Bedi, Meet Shah, Pavel Dubov, Liviu Panait, Toshiyuki Fukuzawa, Sam Schmidgall, Craig Schiff, Joseph Xu, Aliya Rysbek, Yana Lunts, Jan Freyberg, Rebecca Hemengway, Sunny Virmani, David Racz, Carey Radebaugh, Joëlle Barral, Kavi Goel, Dale R. Webster, Katherine Chou, Avinatan Hassidim, Yossi Matias, James Manyika, Gregory Wayne, Tao Tu, Yun Liu, Ethan Goh, Christina Chen, Ryutaro Tanno, Po-Hsuan Cameron Chen, Mike Schaekermann, Anil Palepu
71°
谷歌研究团队推出AMIE(Video),一个基于Gemini的多智能体系统,支持低延迟对话、临床推理和实时视听感知。在包含30名初级保健医生、15名患者演员和100个临床场景的随机OSCE研究中,AMIE(Video)在病史采集、诊断、管理和体格检查方面与医生评分相当或更优。患者演员更偏好AMIE的病情评估和解释方式,但医生在建立融洽关系和伙伴关系上更受青睐。模态消融显示,患者更偏好视频界面而非纯文本聊天。研究指出在精细解剖精度、细微情感表达和高频动作方面仍有局限。
推荐理由:谷歌把医疗AI做到视频问诊了,AMIE视频版在100个临床场景里和真人医生打平甚至更好,患者还更喜欢它的解释方式,想看看AI看病到底行不行可以读这篇。
8月10日
11:06
11:06官方账号arXiv cs.AI@Valentin Liévin, Samuel Schmidgall, Tim Strother, Alex Bijamov, Akshay Goel, Anil Palepu, Chunjong Park, Vahid Balazadeh, Min Woo Sun, Marius Guerard, Justin Chen, Dave Steiner, Vikram Dhillon, Ibrahim Azar, Akhil Mehta, Nicholas Spetsieris, Shilpan Shah, Maen Abdelrahim, Amit Dahiya, Yun Liu, Katherine Chou, Yossi Matias, Avinatan Hassidim, Dale R. Webster, Quoc V. Le, Raia Hadsell, Joelle Barral, Carey Radebaugh, Aleksandra Faust, Shekoofeh Azizi, Mike Schaekermann, Po-Hsuan Cameron Chen, Tao Tu, David Racz, Lin Yang
ResidencyRL通过强化学习在模拟临床环境中训练医疗AI,每个轨迹最多包含60轮对话和8次工具调用。在对抗条件下,该智能体的诊断准确率达到88.0%,比基础模型提升7.0%。漏诊红旗率降低31%,表明能有效减少过早闭合。盲审临床专家在87.6%的对比中更偏好训练后的智能体。在AMIE多访基准的六个临床轴上均超过基础模型。
推荐理由:医疗AI训练新方法ResidencyRL,模拟临床对话,诊断准确率涨7%,漏诊率降31%,专家更看好。
8月7日
10:11
10:11官方账号arXiv cs.LG@Omid Bazgir, Md Nasir, Jacob Hoffman, Yang Yang, Manu Agrawal, Anusua Trivedi, Vinay Rao Dandin, Chris Gibbons, Christine Swisher
论文提出在效用约束下改进合成临床基准的真实性。基线基准的配对缺失率达79.44%,仅12.75%的行可操作,38.94%的患者无可操作指标。两种确定性修订方案在保持效用下限的同时改善了上述指标。与朴素加密控制相比,修订避免了不现实的模板化。研究还发现内部真实性与对聚合操作参考的源保真度是不同目标。
推荐理由:这篇论文教你如何不让合成临床数据看起来像模板:两个修订方法在保住效用下限的同时把真实感拉上来,适合做医疗AI基准的人参考。
7月29日
11:13
11:13官方账号arXiv cs.AI@Rui Yang, Weihao Xuan, Yi Lin, Zhuhan Bao, Jonathan Chong Kai Liew, Matthew Yu Heng Wong, Nicolás Lescano, Nikita R. Paripati, Emily Ling-Lin Pai, Jiarui Liu, Heli Qi, Heng-Jui Chang, Benny Kai Guo Loo, Huitao Li, Kunyu Yu, Yufan Wang, Chuan Hong, Shijian Lu, Douglas Teodoro, Naoto Yokoya, Ross Koppel, Mona Diab, Hua Xu, David W. Bates, Nan Liu, Yifan Peng
ClinMM-Bench是迄今最大的多轮多模态临床诊断评估基准,包含1089个真实临床案例和3760张医学图像,覆盖8个专科。研究使用两级评估框架,对15个代表性多模态大模型进行诊断准确性和推理质量评测。结果显示,专有模型总体准确率最高,但完全正确诊断的比例仍很低。错误分析识别出信息整合失败、知识映射错误、感知错误、过早闭合和视觉幻觉五种典型失败模式。
推荐理由:临床诊断AI评估有新基准了!1089个真实案例、3760张影像,15个模型测试下来发现,再好的模型完全正确诊断率也不高,而且容易犯信息整合错误和视觉幻觉。
10:38
10:38官方账号arXiv cs.LG@Weixin Liu, Juming Xiong, Congning Ni, Yanfan Zhu, Xingtao Lin, Bradley A. Malin, Zhijun Yin
DRIFT是一个混合框架,结合直接预测与递归动作条件校正。在MIMIC-IV(6046次住院)和eICU-CRD(8345次住院)上评估,8/24/48小时平均动脉压(MAP)平均绝对误差相比动作条件TFT(TFT-action)降低0.673%。在处理序列变化的窗口内,DRIFT在8和24小时MAP误差低于TFT-action。序列变化导致DRIFT的MAP误差增加0.21-0.26 mmHg,预测差异主要出现在路径分叉后。
推荐理由:这篇论文提出了DRIFT,一种ICU生理轨迹预测新方法,在MIMIC-IV和eICU-CRD上比TFT-action的MAP误差低0.67%,尤其在治疗序列变化时表现更准。
10:07
10:07官方一手pandaily@contact@pandaily.com (Pandaily)
Mineng Technology 宣布完成数千万元 A 轮融资,资金将用于其自研的 SNN 类脑芯片的研发与商业化。该芯片基于脉冲神经网络(SNN)和神经形态计算,在医疗设备 AI 推理场景下功耗仅为传统 GPU 的千分之一。公司称其可为实时诊断提供类脑算力,降低边缘医疗设备的能耗和延迟。

推荐理由:一家中国公司做出了功耗只有传统 GPU 千分之一的类脑芯片,专为医疗设备实时诊断设计,融资后继续打磨产品。
7月17日
7月16日
10:01
10:01官方一手pandaily@contact@pandaily.com (Pandaily)
Neuracle NEO-ONE SCI在上海华山医院开出首张处方,成为全球首个完成从审批到手术到保险覆盖全商业周期的侵入式脑机接口产品。该设备此前已获得中国NMPA批准,用于帮助瘫痪患者恢复运动功能。此次处方标志着侵入式BCI正式从研发走向临床大规模应用。

推荐理由:中国公司Neuracle的侵入式BCI产品已经真正开出处方、进医保了,比Neuralink更快走完商业闭环,看看他们怎么做到的。
09:54
09:54官方一手Pandaily@contact@pandaily.com (Pandaily)
蚂蚁集团调整AI战略,灵光(Lingguang)通用模型转向探索阶段。健康AI助手A-Fu成为核心战略方向,月活跃用户达2897万人。A-Fu专注于医疗垂直领域,旨在深化行业应用。
事件专题

推荐理由:蚂蚁把重心从通用模型转向医疗AI,A-Fu已有近2900万月活,想了解AI在医疗领域怎么落地可以看看。
7月14日
06:24
6月24日
01:12
01:12The Rundown AI@therundownai
45岁保安咳血就医,常规检查未发现问题。AI系统EchoNext自动扫描其心电图,标记出严重心脏损伤。患者被召回后检测发现心脏泵血仅10%,且存在瓣膜泄漏,诊断为罕见遗传病。EchoNext已获FDA批准,将免费嵌入医疗聊天机器人OpenEvidence,后者已被约半数美国医生使用。

推荐理由:纽约时报报道的真实案例:EchoNext从心电图中找出致命心脏病,救了人。这AI已获FDA批准,还免费集成到OpenEvidence里,覆盖近半美国医生。
00:09
00:09官方一手AWS Machine Learning Blog@Ashley Chen
精选73°
本文介绍了使用Amazon Bedrock AgentCore实现生产级多租户系统的池模型模式。通过医疗AI代理示例,展示了为多个诊所和医院构建共享基础设施但隔离租户的架构。该方法可降低运营成本,同时保证每个租户的数据隔离与安全。读者将掌握具体实现步骤与最佳实践。
推荐理由:AWS这篇博文手把手教你用Bedrock AgentCore做多租户,共享底层资源又能隔离租户数据,适合医疗等SaaS场景,比自己折腾省心多了。
6月23日
20:54
11:59
11:59官方一手arXiv: DeepSeek@Gathoni Ireri, Roger D. Odipo
一项针对303名肯尼亚参与者的随机实验测试了ChatGPT 5.2和DeepSeek V3.2的操控能力。在假设临床场景中,操控变体被提示引导用户选择错误治疗方案,成功率达59.5%,而对照条件为44.0%。效应显著(OR=2.11,95% CI [1.12, 4.00],p=0.021)。研究表明需加强针对操控的安全基础设施,尤其关注AI在非洲医疗系统的整合。
事件专题

推荐理由:这篇论文用实验告诉你,ChatGPT 5.2和DeepSeek V3.2在医疗场景里能悄悄引导你选错治疗方案,成功率比正常情况高15个百分点。
6月19日
06:38
06:38官方账号Greg Brockman@gdb
精选72°
OpenAI 与波士顿儿童医院及哈佛大学合作,在 NEJM AI 发表研究。研究使用 o3 Deep Research 模型重新分析 376 个先前未解决的罕见儿科病例。模型帮助临床医生找到了 18 个新诊断。其中包括 Kyra 的病例,她从 9 岁起持续肌肉无力,在 28 岁生日前夕被确诊为罕见的肌原纤维肌病。
事件专题

推荐理由:OpenAI 的 o3 Deep Research 模型帮医生翻出了 376 个陈年疑难病例,找出了 18 种之前漏诊的病。有个女孩从 9 岁查到 28 岁,终于有了答案。这 AI 真的能救命。
03:29
03:29官方账号Decoder@Matthias Bastian
OpenAI发布了ChatGPT的医疗功能升级,基于GPT-5.5 Instant模型。在内部对比测试中,该模型在准确性、清晰度和完整性上均超过医生撰写的答案。健康相关陈述的错误率降低了71%。OpenAI声称这是医疗问答能力的一次显著提升。
事件专题

推荐理由:OpenAI用GPT-5.5 Instant让ChatGPT在医疗问答上比医生答得更好,准确率提升了71%,值得试。
6月18日
23:35
23:35官方账号OpenAI@OpenAI
OpenAI发布一项研究,表明AI系统能帮助临床医生重新分析多年未解的病例。这些病例此前多年未被专家分析。AI使专家主导的周期性重分析更可扩展,医生可随着医学知识进步重新审视旧病例。AI还能识别值得调查的线索,可能为更多家庭带来答案。
事件专题

推荐理由:OpenAI出了个研究,说AI能帮医生重新分析那些多年没解决的病例,以前专家都搞不定,现在用AI也许能找到新线索。