阿里健康推出AI助手“氢离子”，专注于低幻觉率和高循证能力，已完成内测并开放下载，主要服务于临床和科研医生，支持权威出处溯源，提升医疗决策准确性。

本研究探讨了人工智能在医疗领域的自主决策支持，提出通过明确的委托标准，使AI能够在特定患者案例中独立决策并提供支持。这种方法结合了人类与AI的优势，提高了医疗效率，减少了临床医生的审查时间。

本研究分析了71位临床医生在处理缺失数据时与可解释机器学习模型的互动，发现医生更倾向于使用能够原生处理缺失值的模型，并建议未来的模型应更好地融入临床直觉。

该研究使用机器学习预测患者再次入院，通过标准化流程和随机森林分类模型获得了高预测性能。研究结果对临床医生的决策提供了宝贵信息。

通过电子病历审计日志研究发现，机器学习可提高临床医生记录病史的效率。在急诊部动态检索中，预测便签阅读的准确率达0.963。临床医生用户研究证明该方法能有效帮助医生检索相关信息。该研究有望在其他临床设置和数据模态中应用。

在COVID-19大流行期间，研究人员提出了一种基于人工智能的眼科图像质量评估系统，能够模拟临床医生的判断。他们展示了概念的证明。

该研究使用机器学习预测患者再次入院，获得了高达0.7的预测性能。结果提供了对生命体征、血液检查、人口统计学信息和ICU相关变量等方面的有见地的结果，对临床医生的决策提供了宝贵的信息。

该研究利用电子病历审计日志，以机器学习为监督源，降低临床医生在记录过程中查找相关病史的努力。研究集中在急诊部动态检索，表现良好，可帮助临床医生更有效地检索相关信息。该方法适用于其他临床设置和数据模态。

该研究使用机器学习预测患者再次入院，预测性能高达0.7，提供了有见地的结果，对临床医生的决策提供了宝贵的信息。

本文介绍了一种基于大型语言模型的自动化文章分类方法，主要应用于眼科领域，可扩展到其他领域。通过比较不同变种的语言模型，证明了该方法对大量眼科论文进行分类的有效性。该方法可帮助研究人员和临床医生轻松分类和检索相关论文，节省时间和精力。同时，该方法在其他科学领域也具有可扩展性，对促进研究和趋势分析有影响。