医学 AI

Quark Medical Alignment: A Holistic Multi-Dimensional Alignment and Collaborative Optimization Paradigm

夸克医疗对齐：一种全面的多维对齐与协作优化范式

Tianxiang Xu, Jiayi Liu, Yixuan Tong, Jialu Xu, Yunqing Wei, Kaiwen Feng, PanPan Hou, Kangping Yin, Jiyuan Hu, Hao Zhou, Zhenxin Ma, Jian Xu, Guanjun Jiang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出夸克医疗对齐范式，通过多维对齐矩阵和统一优化机制解决医疗问答中的对齐问题，实现正确性、安全性和合规性的协同优化。

SpiroLLM: Finetuning Pretrained LLMs to Understand Spirogram Time Series with Clinical Validation in COPD Reporting

SpiroLLM：通过临床验证在COPD报告中微调预训练大语言模型以理解肺功能时间序列

Shuhao Mei, Yongchao Long, Xiaoyu Xiao, Shan Cao, Xiaobo Han, Shijia Geng, Jinbo Sun, Yuxi Zhou, Shenda Hong

机构 * Guangzhou Institute of Technology, Xidian University, Xi’an, China（广州科技研究院，西安电子科技大学，中国） ； Department of Computer Science, Tianjin University of Technology, Tianjin, China（天津理工大学计算机学院，天津，中国） ； Department of Respiratory, The Second Hospital of Tianjin Medical University, China（天津医科大学第二医院呼吸科，中国） ； College of Pulmonary and Critical Care Medicine, Chinese PLA General Hospital, Beijing, China（中国人民解放军总医院呼吸与危重症医学科，北京，中国） ； HeartVoice Medical Technology, Hefei, China（合肥心声医疗技术有限公司，中国） ； School of Life Science and Technology, Xidian University, Xi’an, China（西安电子科技大学生命科学与技术学院，中国） ； National Institute of Health Data Science, Peking University, Beijing, China（北京大学国家健康数据科学研究院，北京，中国） ； Institute for Artificial Intelligence, Peking University, Beijing, China（北京大学人工智能研究院，北京，中国） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 SpiroLLM通过融合生理信号与大语言模型，实现对肺功能时间序列的解读，并在COPD诊断中展现出高准确性和稳健性。

TraceSIR: A Multi-Agent Framework for Structured Analysis and Reporting of Agentic Execution Traces

TraceSIR: 一个用于结构化分析和报告代理执行轨迹的多代理框架

Shu-Xun Yang, Cunxiang Wang, Haoke Zhang, Wenbo Yu, Lindong Wu, Jiayi Gui, Dayong Yang, Yukuo Cen, Zhuoer Feng, Bosi Wen, Yidong Wang, Lucen Zhong, Jiamin Ren, Linfeng Zhang, Jie Tang

机构 * Beijing Institute of Technology（北京理工大学） ； Zhipu AI（智谱AI） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 TraceSIR通过多代理框架结构化分析和报告代理执行轨迹，提升故障诊断和根本原因分析效率。

Confusion-Aware Rubric Optimization for LLM-based Automated Grading

面向混淆的评分标准优化：基于大语言模型的自动评分系统

Yucheng Chu, Hang Li, Kaiqi Yang, Yasemin Copur-Gencturk, Joseph Krajcik, Namsoo Shin, Jiliang Tang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 CARO通过结构化分离错误信号，提升大语言模型自动评分系统的准确性和效率，有效解决评分逻辑冲突问题。

TC-SSA: Token Compression via Semantic Slot Aggregation for Gigapixel Pathology Reasoning

基于语义槽聚合的token压缩：用于十亿像素病理推理

Zhuo Chen, Shawn Young, Lijian Xu

机构 * Shenzhen University of Advanced Technology（深圳先进技术大学） ； University of Nottingham NingBo（诺丁汉大学宁波学院） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 TC-SSA通过语义槽聚合实现token压缩，提升十亿像素病理推理的效率与诊断性能

Comments 8 pages, 4 figures, 2 tables

Hepato-LLaVA: An Expert MLLM with Sparse Topo-Pack Attention for Hepatocellular Pathology Analysis on Whole Slide Images

Hepato-LLaVA：一种基于稀疏拓扑包注意力机制的专家多模态大语言模型，用于肝细胞病理分析的整张图像

Yuxuan Yang, Zhonghao Yan, Yi Zhang, Bo Yun, Muxi Diao, Guowei Zhao, Kongming Liang, Wenbin Li, Zhanyu Ma

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学） ； Department of Pathology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（pathology department, 国家癌症中心/国家癌症临床研究中心/癌症医院, 中国医学科学院和北京协和医学院） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 Hepato-LLaVA通过稀疏拓扑包注意力机制和HepatoPathoVQA数据集，实现肝细胞病理分析的高精度诊断与描述。

Comments 10 pages, 3 figures

QCAgent: An agentic framework for quality-controllable pathology report generation from whole slide image

QCAgent：一种用于从全切片图像生成质量可控病理科报告的代理框架

Rundong Wang, Wei Ba, Ying Zhou, Yingtai Li, Bowen Liu, Baizhi Wang, Yuhao Wang, Zhidong Yang, Kun Zhang, Rui Yan, S. Kevin Zhou

机构 * School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Technology of China, Hefei, Anhui, 230026, P.R. China Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advance Research, USTC, 215123, P.R. China Chinese PLA General Hospital Ninth Medical Center, China Hong Kong University of Science 纠错

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV

AI总结 QCAgent通过引入定制批评机制和证据驱动的细化流程，实现从全切片图像生成质量可控、具有临床意义的病理科报告。

Multimodal Alignment Improves Generalizability of Genomic Biomarker Prediction in Computational Pathology

多模态对齐提升了计算病理学中基因组生物标志物预测的泛化能力

Ekaterina Redekop, Eric Zimmermann, Ava P Amini, Alex X Lu, Neil Tenenholtz, James Brian Hall, Lorin Crawford, Kristen A Severson

专题命中 病理影像 ：pathology(title,abstract)；分类 q-bio

AI总结 MARBLE通过多模态对比预训练策略，将组织病理学图像与基因组生物标志物的表示对齐，提升计算病理学中基因组生物标志物预测的泛化能力。

Disentangled Multi-modal Learning of Histology and Transcriptomics for Cancer Characterization

解耦的多模态学习：组织学与转录组学用于癌症表征

Yupei Zhang, Xiaofei Wang, Anran Liu, Lequan Yu, Chao Li

机构 * Department of Clinical Neurosciences, University of Cambridge, UK（剑桥大学临床神经科学系） ； Department of Health Technology & Informatics, The Hong Kong Polytechnic University（香港理工大学健康科技与信息学系） ； Department of Statistics and Actuarial Science, The University of Hong Kong（香港大学统计与精算科学系） ； Department of Clinical Neurosciences and Department of Applied Mathematics and Theoretical Physics, University of Cambridge（剑桥大学临床神经科学系和应用数学与理论物理系；邓迪大学科学与工程学院和医学院） ； School of Science and Engineering and School of Medicine, University of Dundee, UK 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出了解耦的多模态学习框架，通过分解组织学和转录组数据以提高癌症表征的准确性和实用性。

GrapHist: Graph Self-Supervised Learning for Histopathology

GrapHist: 基于图的病理学自监督学习

Sevda Öğüt, Cédric Vincent-Cuaz, Natalia Dubljevic, Carlos Hurtado, Vaishnavi Subramanian, Pascal Frossard, Dorina Thanou

机构 * EPFL（瑞士联邦理工学院） ； LTS4 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV、cs.LG

AI总结 GrapHist通过基于图的自监督学习方法，在病理学中实现高效的表示学习，适用于多种下游任务，且参数更少，性能更优。

MMNavAgent: Multi-Magnification WSI Navigation Agent for Clinically Consistent Whole-Slide Analysis

MMNavAgent: 多倍率WSI导航代理用于临床一致的全滑片分析

Zhengyang Xu, Han Li, Jingsong Liu, Linrui Xie, Xun Ma, Xin You, Shihui Zu, Ayako Ito, Xinyu Hao, Hongming Xu, Shaohua Kevin Zhou, Nassir Navab, Peter J. Schüffler

机构 * Institute of Pathology, Technical University of Munich, Germany（慕尼黑技术大学病理研究所） ； Munich Data Science Institute (MDSI), Munich, Germany（慕尼黑数据科学研究所） ； Munich Center for Machine Learning (MCML), Munich, Germany（慕尼黑机器学习中心） ； Computer Aided Medical Procedures (CAMP), TU Munich, Munich, Germany（计算机辅助医疗程序（CAMP），慕尼黑技术大学） ； Dalian University of Technology（大连理工大学） ； Cancer Hospital of Dalian University of Technology, Shenyang（大连理工大学肿瘤医院） ； Department of Human Pathology, Juntendo University Graduate School of Medicine（立命大学医学研究生院人类病理部门） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医学机器人研究所） ； Northwest University of China（中国西北大学） 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 MMNavAgent通过多倍率交互建模和自适应倍率选择，提升全滑片图像诊断性能，实验显示AUC和BACC均有所提升。

Exploiting Low-Dimensional Manifold of Features for Few-Shot Whole Slide Image Classification

利用特征的低维流形进行少样本全滑动图像分类

Conghao Xiong, Zhengrui Guo, Zhe Xu, Yifei Zhang, Raymond Kai-Yu Tong, Si Yong Yeo, Hao Chen, Joseph J. Y. Sung, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； Centre of AI in Medicine, Singapore（新加坡人工智能医学中心） ； The Hong Kong University of Science and Technology（香港科学大学） ； Nanyang Technological University（南洋理工大学） ； Lee Kong Chian School of Medicine, Nanyang Technological University（南洋理工大学Lee Kong Chian医学学院） ； MedVisAI Lab, Singapore（新加坡MedVisAI实验室） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 本文提出Manifold Residual块，通过几何意识的残差学习方法，解决少样本全滑动图像分类中的过拟合问题，实现更高效的模型性能。

Comments Accepted to ICLR 2026

PathMoE: Interpretable Multimodal Interaction Experts for Pediatric Brain Tumor Classification

PathMoE：用于儿童脑肿瘤分类的可解释多模态交互专家

Jian Yu, Joakim Nguyen, Jinrui Fang, Awais Naeem, Zeyuan Cao, Sanjay Krishnan, Nicholas Konz, Tianlong Chen, Chandra Krishnan, Hairong Wang, Edward Castillo, Ying Ding, Ankita Shukla

机构 * University of Texas（德克萨斯大学） ； Dell Children’s Medical Center（德尔儿童医学中心） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Nevada, Reno（内华达大学里诺分校） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 PathMoE通过整合多模态信息提升儿童脑肿瘤分类性能，揭示了不同模态间的交互作用。

Hierarchical Classification for Improved Histopathology Image Analysis

用于改进组织病理图像分析的层次分类

Keunho Byeon, Jinsol Song, Seong Min Hong, Yosep Chong, Jin Tae Kwak

机构 * School of Electrical Engineering, Korea University, Seoul, Korea（韩国大学电气工程学院） ； Department of Hospital Pathology, The Catholic University of Korea College of Medicine, Seoul, Korea（韩国天主大学医学院医院病理系） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 HiClass通过引入双向特征整合和定制化损失函数，改进了组织病理图像的层次分类，实现了对粗粒度和细粒度分类的提升。

MedGPT-oss: Training a General-Purpose Vision-Language Model for Biomedicine

MedGPT-oss: 为生物医学训练一个通用的视觉-语言模型

Kai Zhang, Zhengqing Yuan, Cheng Peng, Songlin Zhao, Mengxian Lyu, Ziyi Chen, Yanfang Ye, Wei Liu, Ying Zhang, Kaleb E Smith, Lifang He, Lichao Sun, Yonghui Wu

机构 * Department of Computer Science and Engineering, Lehigh University（莱斯大学计算机科学与工程系） ； Department of Computer Science and Engineering, University of Notre Dame（圣母大学计算机科学与工程系） ； Department of Health Outcomes & Biomedical Informatics, University of Florida（佛罗里达大学健康结果与生物医学信息学系） ； Department of Radiation Oncology, Mayo Clinic（梅奥诊所放射肿瘤科） ； Research Computing, University of Florida（佛罗里达大学研究计算中心） ； AI Technology Center, NVIDIA（NVIDIA人工智能技术中心） 纠错

专题命中 医疗多模态 ：clinical AI(abstract)；pathology(abstract)；radiology(abstract)；biomedical(abstract)

AI总结 MEDGPT-oss是一款开放式权重的200亿参数视觉-语言模型，通过优化训练课程实现多模态和文本推理能力，适用于隐私保护的临床AI研究。

Comments Technical report, work in progress

U-VLM: Hierarchical Vision Language Modeling for Report Generation

U-VLM：用于报告生成的分层视觉语言模型

Pengcheng Shi, Minghui Zhang, Kehan Song, Jiaqi Liu, Yun Gu, Xinglin Zhang

机构 * Medical Image Insights Co. Ltd.（医疗影像洞察有限公司） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 医疗多模态 ：CT(abstract)；radiology(abstract)；分类 cs.CV

AI总结 U-VLM通过分层视觉语言建模在CT-RATE和AbdomenAtlas 3.0上实现了最先进的报告生成性能，展示了精心设计的视觉编码器预训练的重要性。

Seeking Necessary and Sufficient Information from Multimodal Medical Data

从多模态医学数据中寻求必要和充分的信息

Boyu Chen, Weiye Bao, Junjie Liu, Michael Shen, Bo Peng, Paul Taylor, Zhu Li, Mengyue Yang

机构 * University College London, London, UK（伦敦大学学院） ； Imperial College London, London, UK（伦敦帝国学院） ； Mingdu Tech, China（明都科技） ； University of Bristol, Bristol, UK（布里斯托大学） 纠错

专题命中 医疗多模态 ：medical image(abstract)；分类 cs.CV

AI总结 本文提出通过概率必要性和充分性学习多模态医学数据中的必要和充分特征，以提升模型性能和鲁棒性。

Comments 11 pages, 1 figure. Submitted to MICCAI 2026

Reason Like a Radiologist: Chain-of-Thought and Reinforcement Learning for Verifiable Report Generation

像放射科医生一样推理：用于可验证报告生成的推理链和强化学习

Peiyuan Jing, Kinhei Lee, Zhenxuan Zhang, Huichi Zhou, Zhengqing Yuan, Zhifan Gao, Lei Zhu, Giorgos Papanastasiou, Yingying Fang, Guang Yang

专题命中 医疗多模态 ：radiology(abstract)

AI总结 BoxMed-RL通过推理链和强化学习生成可验证的放射科报告，提升报告的准确性和可解释性。

VICatMix: variational Bayesian clustering and variable selection for discrete biomedical data

VICatMix：变分贝叶斯聚类与变量选择用于离散生物医学数据

Jackie Rao, Paul D. W. Kirk

机构 * MRC Biostatistics Unit University of Cambridge East Forvie Building（医学研究理事会生物统计学单位剑桥大学东部大楼） ； MRC Biostatistics Unit and CRUK Cambridge Centre Ovarian Programme and Cambridge Institute of Therapeutic Immunology and Infectious Disease (CITIID) University of Cambridge（医学研究理事会生物统计学单位和癌症研究英国委员会剑桥中心卵巢计划及剑桥治疗免疫学和传染病研究所（CITIID）剑桥大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG

AI总结 VICatMix通过变分贝叶斯方法实现高效聚类和变量选择，适用于高维生物医学数据，提升癌症亚型分组和驱动基因发现的准确性。

Literature Based Discovery (LBD): Towards Hypothesis Generation and Knowledge Discovery in Biomedical Text Mining

基于文献的发现（LBD）：向生物医学文本挖掘中的假设生成和知识发现迈进

Balu Bhasuran, Gurusamy Murugesan, Jeyakumar Natarajan

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本文探讨了基于文献的发现（LBD）在生物医学文本挖掘中的应用，介绍了LBD的核心方法、相关技术及未来发展方向。

Comments 43 Pages, 5 Figures, 4 Tables

Journal ref Medinformatics, 2026

Self-Supervised Learning via Flow-Guided Neural Operator on Time-Series Data

通过流引导神经算子实现自监督学习（时间序列数据）

Duy Nguyen, Jiachen Yao, Jiayun Wang, Julius Berner, Animashree Anandkumar

机构 * Department of Computing and Mathematical Sciences, Caltech（计算与数学科学部，Caltech） ； NVIDIA 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文提出流引导神经算子（FGNO）框架，通过结合算子学习与流匹配，实现更灵活的自监督学习，提升时间序列数据表示学习的性能和鲁棒性。

Comments Accepted to NeurIPS 2025 Workshop

Mid-infrared germanium-on-silicon waveguide sensor for therapeutic drug monitoring of phenytoin

中红外 germanium-on-silicon 波导传感器用于抗癫痫药物苯巴比妥的治疗药物监测

David J. Rowe, Siyu Chen, Mihai-Adrian Panainte, Callum J. Stirling, Pin Dong, Monika Bakalarz, Hanuushah Vizabaskaran, Glenn Churchill, Weilin Jin, Georgia Mourkioti, Martin Ebert, Graham T. Reed, Saul N. Faust, James S. Wilkinson, Milos Nedeljkovic, Daniel R. Owens, Goran Z. Mashanovich

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 中红外 germanium-on-silicon 波导传感器用于快速检测苯巴比妥血清浓度，实现治疗药物监测的高灵敏度和宽动态范围。

Comments 19 pages, 4 figures

Dial E for Ethical Enforcement: institutional VETO power as a governance primitive

为伦理执行而 Dial E：作为治理原语的机构 veto 权力

Subramanyam Sahoo, Vinija Jain, Aman Chadha, Divya Chaudhary

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出机构 veto 权力作为治理原语，旨在通过正式权威阻止潜在武器化风险，推动模型去武装和伦理执行。

Comments Accepted at the AI for Peace Workshop at ICLR 2026.32 Pages and 2 Figures

From Literature to Hypotheses: An AI Co-Scientist System for Biomarker-Guided Drug Combination Hypothesis Generation

从文献到假设：一种用于生物标志物引导的药物组合假设生成的AI合作者系统

Raneen Younis, Suvinava Basak, Lukas Chavez, Zahra Ahmadi

机构 * Peter L. Reichertz Institute for Medical Informatics (PLRI), Hannover Medical School（汉诺威医学院彼得·L·里赫茨医学信息学研究所） ； Lower Saxony Center for Artificial Intelligence and Causal Methods in Medicine (CAIMed)（下萨克森医学人工智能与因果方法中心） ； Sanford Burnham Prebys (SBP) Medical Discovery Institute, San Diego（圣地亚哥桑福尔德·伯恩斯医学发现研究所） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出 AI 合作者系统 CoDHy，通过整合生物医学知识图谱和文献证据，实现基于生物标志物的药物组合假设生成与验证。

MicroVerse: A Preliminary Exploration Toward a Micro-World Simulation

MicroVerse: 微观世界模拟的初步探索

Rongsheng Wang, Minghao Wu, Hongru Zhou, Zhihan Yu, Zhenyang Cai, Junying Chen, Benyou Wang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Peking Union Medical College Hospital（北京协和医学院附属医院） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)；分类 cs.CV

AI总结 MicroVerse通过构建MicroWorldBench和MicroSim-10K数据集，首次提出微观世界模拟概念，展示其在生物机制教育中的潜力。

Single-Slice-to-3D Reconstruction in Medical Imaging and Natural Objects: A Comparative Benchmark with SAM 3D

医学影像和自然物体的单切片到三维重建：与SAM 3D的比较基准

Yan Luo, Advaith Ravishankar, Serena Liu, Yutong Yang, Mengyu Wang

机构 * Harvard AI and Robotics Lab（哈佛人工智能与机器人实验室） ； Harvard University（哈佛大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文通过比较基准揭示了单切片到三维重建的局限性，指出SAM3D在医学形状拓扑相似性上表现最佳，但需领域适应和解剖约束以克服复杂医学几何。

A Multi-Objective Evaluation Framework for Analyzing Utility-Fairness Trade-Offs in Machine Learning Systems

一种用于分析机器学习系统中效用-公平性权衡的多目标评估框架

Gökhan Özbulak, Oscar Jimenez-del-Toro, Maíra Fatoretto, Lilian Berton, André Anjos

机构 * Idiap Research Institute（Idiap研究 institute） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） ； Federal University of São Paulo（圣保罗联邦大学） 纠错

专题命中 医学数据与评测 ：biomedical(comments,journal_ref)；分类 cs.CV、cs.LG

AI总结 本文提出了一种多目标评估框架，用于分析机器学习系统中效用与公平性之间的权衡，适用于医疗影像等对公平性要求较高的领域。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:050

Journal ref Machine.Learning.for.Biomedical.Imaging. 2025 (3)