本研究比较了大型语言模型DeepSeek-R1与O3 Mini在慢性健康状况诊断中的表现。结果表明，DeepSeek-R1在心理健康和肿瘤学领域的表现优异，为AI驱动医疗的未来发展提供了重要见解。

本研究通过对大型语言模型进行领域知识微调，显著提升了其在放射肿瘤学中的应用效果，尤其在治疗方案生成和选择任务上，微调模型优于原始模型，显示出良好的临床应用潜力。

本研究利用大型语言模型Llama 3.1 405B自动生成CT模拟订单摘要，关键词提取和总结的准确率达到98%，显著提升了摘要的一致性和可读性，减轻了治疗师的工作负担。

本研究探讨了传统诊断技术的局限性，强调人工智能在癌症早期检测、提高诊断精度和个性化治疗中的重要性，以及其对改善患者结果和降低医疗成本的潜在影响。

本研究针对大型语言模型在放射肿瘤学应用中的能力与局限性进行了深入探讨，填补了这一领域的研究空白。通过对GPT-4在放射肿瘤学物理的100道专门题目的评估，发现GPT-4在相关领域表现出显著优越性，这为放射肿瘤学决策支持系统的未来发展提供了重要的见解。

本研究提出了一种新的双重融合框架，结合DNA甲基化数据与全幻灯片图像，显著提升神经系统肿瘤的分类性能和可解释性，展示了其在临床诊断中的潜在应用价值。

该研究提出了CancerLLM模型，具有70亿个参数和Mistral风格的架构，预先训练了2,676,642份临床笔记和515,524份病理报告，涵盖了17种癌症类型。CancerLLM在三个与癌症相关的任务上进行了微调，相对于其他语言模型取得了最先进的结果，平均F1得分提高了8.1％。此外，CancerLLM在两个鲁棒性测试中表现优于其他模型，可应用于临床AI系统，增强了癌症领域的临床研究和医疗服务。

综述了近 300 篇有关精准肿瘤学中多模态数据融合技术的前沿研究，总结了早期评估、诊断、预后和生物标志物发现等主要临床应用的重大成果，并深入分析了未来研究领域中的关键挑战和必要路径。

AI病理学公司Paige推出药物开发服务线；阿里巴巴与世卫组织合作推广AI癌症筛查技术；谷歌与日本签署太阳能供电协议；Atropos Health完成3300万美元融资，进军药物研发；中国气象局发布AI气象预报大模型示范计划；腾讯推出甲骨文AI协同平台。

为了解决医学数据的复杂性和异质性挑战，研究人员引入了HoneyBee框架，用于构建多模态肿瘤学数据集。该框架整合了临床记录、影像数据和患者结果等多种数据模态，并生成能够捕捉重要特征和关系的嵌入。通过评估嵌入的质量和代表性，证明了HoneyBee的有效性。该框架旨在加速肿瘤学研究，并可扩展到其他医学领域。

该研究提出了一种新颖的LMM驱动的多模态人工智能，应用于放射治疗中的靶体积轮廓任务，并在乳腺癌放疗靶体积轮廓的背景下进行验证。该模型相比传统的仅视觉AI模型具有明显改进的性能，特别是在具有鲁棒泛化性能和数据效率的方面。这是第一个将临床文本信息整合到放射肿瘤学的靶体积划定中的LMM驱动多模态AI模型。