最近网上冲浪，发现打工人们开始玩一种新型的职业猜猜乐。给出的信息，既不是电脑桌面，也不是工作细节。而是蚂蚁阿福里的提问记录。有人晒出一页截图，“脖子前倾”“久坐腰椎疼”，范围直接锁定坐班群体。紧接着，看到“三班倒、睡眠不规律”“晚上一两点下班、困却睡不着”，网友秒破案：一看就是电商人。另一份聊天记录里写着“腱鞘炎”“经常大吼嗓子疼”“粉尘引起不适”，评论区马上来了一群认亲的同行：打底是个班主...

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。

本文探讨了利用LSTM和大型语言模型（LLMs）从胸部X光片中预测病理模式的研究进展，提出了多种提高自动诊断准确性的方法，包括基于提示的学习和知识图谱的整合。研究表明，聚合不同模型的诊断结果能提升准确性，并通过个性化风险估计减少诊断错误，为临床推理提供新突破。

本研究利用先进语言模型自动生成MIMIC-IV数据集中的病历简况和出院指示，旨在减轻临床医生的行政负担。通过少样本学习、指令调优和动态专家选择等策略，提升文档准确性和医疗效率。研究表明，这些方法能有效自动化电子病历，释放医生时间，提高患者护理水平。

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。

美国医生面临职业倦怠，传统电子病历系统效率低下，影响患者护理质量。人工智能（AI）有潜力通过集成到电子病历中改善医疗效率、减少错误、提升患者满意度。环境临床智能（ACI）通过自动化文档记录减轻医生负担，提高医疗服务质量。有效的数据基础设施和合规性是AI成功应用的关键，医疗领导者应积极采纳AI技术以优化运营效率。

美国医生面临职业倦怠，传统电子病历系统效率低下，影响患者护理质量。人工智能（AI）有潜力通过集成到电子病历中改善医疗效率和数据管理。环境临床智能（ACI）利用自然语言处理和机器学习，自动记录医生与患者的对话，减轻医生负担，提高医疗服务质量。有效的数据基础设施和合规性是AI成功应用的关键。

本研究探讨了电子健康记录中有辱人格言语对深度学习模型死亡预测的影响，发现去除这些言语能有效减少种族偏见。同时，比较了不同模型在医疗信息处理中的表现，强调了自然语言处理技术在提高预测准确性和识别敏感信息方面的重要性。

本文探讨了基于扩散模型生成电子病历的优势，包括提升数据质量和效用，同时指出隐私风险。提出的模型通过分类条件采样和新策略加速推理，实验证明其优于现有方法。此外，介绍了MedDiffusion模型，能够生成高质量合成数据，促进医疗数据共享与分析。

本研究评估了HIV患者病例的临床文本摘要可信度，提出了忠诚度和臆断率等新度量方式。结果表明，支持可追溯性的文本摘要结构在忠实性和质量上表现优越，且深度学习模型生成的摘要能有效提高医疗决策效率，减少错误。

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...