跳到正文
今天11月8日周日3 条
  1. STAT · 医学与生命科学新闻

    评论:AI依赖的医疗记录并不总能完整反映女性的真实健康状况

    9月Gallup-Pivotal女性健康调查显示,34%的美国女性表示过去五年医务人员曾淡化或忽视其症状,33%报告被误诊或未能获得诊断,男性为21%。流行病学家与社会学家两位作者将87名女性的电子医疗记录与详细访谈配对,发现病历讲述的故事有所不同。评论据此提出,依赖此类记录的AI未必能完整反映女性真实健康状况。

11月6日周五
  1. PubMed · Journal of Medical Internet Research

    Gemma-3-27B-it 通过少样本提示简化德语老年门诊报告:与专家版本的盲法比较评估

    研究用谷歌开源指令微调大语言模型 Gemma-3-27B-it 结合少样本提示,对64份德语老年门诊报告生成患者友好简化版,并与2名医学专家撰写的版本做盲法比较。结果显示两者语义相似性相当(P=.02),患者代表更偏好AI版本(P=.001),而专家评审认为医生撰写的版本更完整(P<.001)。作者指出仍需前瞻性研究验证AI简化是否改善客观健康结局、依从性和患者参与。

11月5日周四
  1. PubMed · Journal of the American Geriatrics Society

    谵妄预测、识别与管理中人工智能应用的综述:多数模型尚未落地临床

    《Journal of the American Geriatrics Society》发表一篇综述,梳理人工智能在住院老年谵妄预测、识别与管理中的作用。多模态机器学习预测模型区分度良好但临床整合少,识别改善不等于结局改善;NLP、大语言模型、可穿戴等技术证据有限,强化学习与数字孪生多为概念阶段。作者认为AI宜作为辅助工具,需外部验证、临床监督与部署后监测,并以前瞻性比较研究评估患者结局。

  2. PubMed · Medical Care

    德国医院研究用机器学习(LightGBM与TSMixer)预测患者异质性护理需求以优化护士排班

    一项基于德国医院患者级数据的研究,将患者划分为具有不同护理需求的类别,并用LightGBM和TSMixer两种机器学习模型预测未来1个月的分类护理需求,再转化为人员配置需求。结果显示,异质性需求预测较朴素基线将护士排班效率提升34%,较最佳同质化需求估计方法提升14%,并减少人员过剩与不足。研究发表于Medical Care,提示将患者异质性纳入人员需求预测可提高排班的效率与可靠性。

11月3日周二
  1. PubMed · Journal of Endodontics

    生成式AI在牙髓病学应用的范围综述:50项研究显示表现随任务类型差异明显

    一项发表于 Journal of Endodontics 的范围综述检索PubMed、Scopus和Web of Science 2023年1月1日至2025年11月19日的英文研究,纳入50项评估基于大语言模型(LLM)的生成式AI在牙髓病学中应用的研究,其中教育培训20项、诊断与临床支持21项、患者沟通9项,GPT系列模型最常被评估。

11月2日周一
10月29日周四
4月17日周五
  1. PubMed · The Journal of Arthroplasty

    机器学习模型基于术前患者因素预测初次全髋关节置换术后长期疼痛严重程度(回顾性二级分析,证据等级III)

    一项对2000至2011年间513例初次单侧全髋关节置换术(THA)患者的二级分析开发并验证了预测术后3年和5年疼痛评分的机器学习模型。13个模型中非线性方法表现最佳,CatBoost均方误差在T3为2.70、T5为4.11,疼痛严重程度分类准确率90.1%;年龄、BMI、腰/颈疾病史及WOMAC和ICOAP部分条目为关键预测因子。作者指出模型尚需外部验证,才可能用于识别持续疼痛高风险患者。