机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化数据爬取流程。

该研究提出了一种多步骤评估法的大型语言模型（LLM）评估范例，通过交互方式评估GPT-4-Vision-Preview在病理学领域的医学诊断准确性，结果显示约84%的正确诊断，并揭示了其在特定领域的不足之处。该方法可应用于评估其他LLMs的准确性和实用性。

本研究利用最先进的语言模型对MIMIC-IV数据集进行研究，旨在自动生成病历简况和出院指示，减轻临床医生的负担。采用了少样本学习、指令调优和动态专家选择等策略，发现深度学习方法与动态专家选择相结合可以有效自动化电子病历的部分文档化。这些进展有望提升患者护理水平。

基于超图建模的 TACCO 方法，通过自监督的共聚类框架，发现临床概念和患者访问的簇类，进一步加强了电子医疗记录数据的超图模型，并通过对比目标实现了临床概念和患者访问的簇类的对齐，实验证明了 TACCO 提供了改进的效用和深入的解释。

研究比较了不同类型医疗记录对COVID-19住院患者的诊断性能，发现利用医生笔记数据集的自然语言处理方法效果最好，对患者结局指标有显著影响。

本文提出了一种分布式生成对抗网络（discGANs），用于生成医疗保健领域的合成表格数据。通过该方法，从2,027个电子ICU数据集中生成了249,000个合成数据记录，并通过KS检验和卡方检验评估了其机器学习效率和性能，结果显示discGAN能够生成与实际数据分布相似的数据。

电子健康记录的总结可以减少屏幕时间。研究提出了一种结合语义搜索、检索增强生成和问答方法的高效总结方法，无需训练，确保多样性。

本文介绍了一种基于电子健康记录（EHR）的健康状况分析方法，使用Learnable Prompt as Pseudo Imputation（PAI）作为新的训练协议来提高模型性能。实验结果显示，PAI在数据不足和高缺失率的情况下表现出更高的鲁棒性，并且在跨机构数据的真实应用中展现了更强的模型泛化能力。

提出了两种基于 RNN 的可解释 DL 结构，即 TA-RNN 和 TA-RNN-Autoencoder，用于在下次访问和多次访问中预测患者的临床结果。实验证明，这些模型在预测阿尔茨海默病和死亡的性能方面超过了其他方法，并且在包括可变时间间隔的数据中也表现出色。

本文概述了大型语言模型在医疗保健领域的能力和发展过程，认为正在进行一次重大的范式转变，从传统预训练语言模型向大型语言模型的转变。

本研究提出了一种新的疾病诊断建模方法，基于异构信息网络，能够处理缺失值和异构数据，实现更准确的疾病诊断。实验结果显示该方法在诊断编码、疾病预测和临床事件相似性方面优于基准模型。

基于自监督对比学习的深度学习模型通过学习心脏核磁共振扫描伴随的放射学报告的原始文本中的视觉概念，展示了对人类心血管疾病和健康的全面评估。模型在多个数据集上展示了卓越的性能，包括左心室射血分数回归和35种不同病症的诊断等任务。

使用大型语言模型（LLMs）开发的 NoteAid EHR 交互流水线通过生成式 LLMs 的创新方法，帮助患者理解电子健康记录（EHRs），并提供有关 EHR 内容的解释和患者提问后的回答。研究使用 MIMIC 出院摘要和 MADE 医疗笔记收集的数据集，通过 NoteAid EHR 交互流水线执行这两个任务，并通过 LLM 评估和手动评估展示了 LLMs...

国家密码管理局发布密码科学基金申报指南。微软查获越南网络犯罪组织使用的欺诈帐户域名。美国政府利用手机推送通知追踪用户。法国当局逮捕与Hive勒索软件有关的嫌疑人。LockBit勒索软件组织遭到黑客论坛上的攻击。

本文介绍了使用语义嵌入方法将临床数据与下游学习架构耦合，以实现最小化预处理。通过三个典型的临床预测任务证明了高度压缩的嵌入数据表示捕获了大量有用的复杂性。