本研究提出了一种新方法GRAPHTREX，用于临床文本中的时间关系提取。该方法结合了跨度实体关系提取和异构图变换器，显著提高了时间关系提取的F1分数，为改进诊断和预后模型奠定了基础。

上海交大发布RP3D-Diag数据集，涵盖4万多个临床案例和5000多种疾病，构建了多模态放射学诊断模型。该模型在20多个外部数据集上表现优异，解决了现有模型的单一领域和模态问题，为精准医疗提供了重要支持。

本研究利用机器学习模型整合多模态数据，提高早期痴呆检测的准确性和可及性。机器学习改善诊断精度，但仍面临普适性和伦理挑战。跨学科合作和伦理框架的重要性被强调。

本研究针对疟疾诊断模型在不同临床环境下的泛化能力不足的问题进行探索。通过细调和增量学习等方法，研究表明结合特定地点的数据可以显著提高模型性能，为更广泛的临床应用提供了可能性。

该文章介绍了一种新颖的可识别认知诊断框架，通过灵活的诊断模块直接诊断考生特征和问题特征，并利用预测模块重建响应日志，以确保精确性。实验证明了该框架的可识别性、可解释性和诊断结果的精确性。

研究人员设计了ThyGPT，一种人工智能增强型计算机辅助诊断模型，用于评估甲状腺结节风险。实验证明ThyGPT优于传统方法和孤立模型，有望改变放射科医生的工作流程。

该研究提出了一种多模态乳腺肿瘤诊断模型，融合静态图像和动态视频特征，提高了良/恶性分类的性能，AUC达到90.0%，准确率为81.7%。在放射科医生指导下，验证了动态视频特征聚合后的实验结果。

本文提出了一种新颖的可识别认知诊断框架，通过灵活的诊断模块直接诊断考生特征和问题特征，并利用预测模块重建响应日志，验证了框架的可识别性、可解释性和诊断结果的精确性。