医学 AI

AEGIS: An Operational Infrastructure for Post-Market Governance of Adaptive Medical AI Under US and EU Regulations

AEGIS：一种用于美国和欧盟法规下适应性医疗AI市场后治理的操作基础设施

Fardin Afdideh, Mehdi Astaraki, Fernando Seoane, Farhad Abtahi

机构 * Department of Clinical Science, Intervention and Technology, Karolinska Institutet（临床科学、干预与技术部门，Karolinska研究院） ； Department of Medical Radiation Physics, Stockholm University（医学辐射物理学部门，斯德哥尔摩大学） ； Department of Oncology-Pathology, Karolinska Institutet（肿瘤学-病理学部门，Karolinska研究院） ； Department of Clinical Physiology, Karolinska University Hospital（临床生理学部门，Karolinska大学医院） ； Department of Textile Technology, University of Bor s（纺织技术部门，Bor s大学） ； Department of Medical Technologies, Karolinska University Hospital（医学技术部门，Karolinska大学医院） ； Department of Biomedical Engineering and Health System, KTH Royal Institute of Technology（生物医学工程与健康系统部门，KTH皇家理工学院） 纠错

专题命中 医学数据与评测 ：medical AI(title,abstract)；healthcare AI(abstract)；分类 cs.LG

AI总结 本文提出AEGIS框架，通过数据集整合、模型监控和条件决策模块，实现FDA PCCP和EU AI Act条款的执行，支持医疗AI的持续学习与安全更新。

Instruction-Tuned, but Not More Verifiable Instruction-Following: A Cross-Task Diagnosis for LoRA Adapters

经过指令调优，但并非更可验证的指令遵循：LoRA适配器的跨任务诊断

Junyi Zou

机构 * Zjydiary Group（Zjydiary小组） 纠错

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

AI总结 研究通过评估LoRA适配器在不同任务中的表现，发现名义上的训练目标与实际能力提升不一致，指出能力漂移现象，强调需进行跨任务评估以避免依赖名义标签。

Comments 12 pages, 5 figures, 6 tables

Ran Score: a LLM-based Evaluation Score for Radiology Report Generation

Ran Score：一种基于大语言模型的放射学报告生成评估分数

Ran Zhang, Yucong Lin, Zhaoli Su, Bowen Liu, Danni Ai, Tianyu Fu, Deqiang Xiao, Jingfan Fan, Yuanyuan Wang, Mingwei Gao, Yuwan Hu, Shuya Gao, Jingtao Li, Jian Yang, Hong Song, Hongliang Sun

机构 * School of Optics and Photonics, Beijing Institute of Technology（光学与光子学学院，北京理工大学） ； School of Medical Technology, Beijing Institute of Technology（医学技术学院，北京理工大学） ； Department of Radiology, China-Japan Friendship Hospital (Institute of Clinical Medical Sciences), Beijing 100029, China（日本友谊医院放射科（临床医学科学院），北京100029，中国） ； Chinese Academy of Medical Science & Peking Union Medical College, Beijing 100730, China（中国医学科学院 & 首都医科大学，北京100730，中国） ； Department of Radiology, Peking University China-Japan Friendship School of Clinical Medicine, Beijing 100029, China（北京大学日本友谊学校临床医学系放射科，北京100029，中国） ； Department of Gastroenterology, China-Japan Friendship Hospital, Beijing 100029, China（日本友谊医院消化内科，北京100029，中国） ； NHC Key Laboratory of Clinical Big Data Standardization & Integration, Beijing 100029, China（国家卫生健康委员会临床大数据标准化与整合关键实验室，北京100029，中国） 纠错

专题命中 医学数据与评测 ：radiology(title)

AI总结 本文提出Ran Score，一种基于大语言模型的放射学报告生成评估指标，通过结合人类专业知识和大型语言模型，改进多标签发现提取，并在多个数据集中验证其有效性。

Comments 4 pages, 5 figures

Privacy-Preserving EHR Data Transformation via Geometric Operators: A Human-AI Co-Design Technical Report

通过几何运算实现隐私保护的电子健康记录数据转换：一个人工智能与人类协同设计技术报告

Maolin Wang, Beining Bao, Gan Yuan, Hongyu Chen, Bingkun Zhao, Baoshuo Kan, Jiming Xu, Qi Shi, Yinggong Zhao, Yao Wang, Wei Ying Ma, Jun Yan

机构 * Hong Kong Institute of AI for Science (HKAI-Sci), City University of Hong Kong（香港人工智能科学研究院（HKAI-Sci），香港城市大学） ； Department of Biostatistics, City University of Hong Kong（香港城市大学生物统计学系） ； Institute of Digital Medicine, City University of Hong Kong（香港城市大学数字医学研究院） ； YIDU TECH co. Ltd.（YIDU科技有限公司） 纠错

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

AI总结 本文提出一种隐私保护的数据转换框架，通过几何运算在保持医学语义和统计特性的同时，防止直接关联受保护的患者属性，解决了数据共享中的隐私和互操作性问题。

RealCQA-V2: A Diagnostic Benchmark for Structured Visual Entailment over Scientific Charts

RealCQA-V2：结构化科学图表视觉蕴含的诊断基准

Saleem Ahmed, Srirangaraj Setlur, Venu Govindaraju

机构 * University at Buffalo, Buffalo, NY, USA（布法罗大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 RealCQA-V2通过将图表问答转化为视觉前提证明任务，提供结构化视觉蕴含验证，揭示多模态推理中的局部-全局推理差距。

Comments Under Review : Code and Data will be made public soon - https://cse-ai-lab.github.io/VPP/

On the Vulnerability of FHE Computation to Silent Data Corruption

关于FHE计算对静默数据破坏的脆弱性

Jianan Mu, Ge Yu, Zhaoxuan Kan, Song Bian, Liang Kong, Zizhen Liu, Cheng Liu, Jing Ye, Huawei Li

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 研究探讨FHE在真实硬件上的可靠性，分析其对瞬态故障的脆弱性，并评估不同容错机制的有效性。

Comments 7 pages, 5 figures

RadTimeline: Timeline Summarization for Longitudinal Radiological Lung Findings

RadTimeline：纵向放射学肺部发现的时间线摘要

Sitong Zhou, Meliha Yetisgen, Mari Ostendorf

专题命中 医学数据与评测 ：radiology(abstract)

AI总结 本文提出RadTimeline时间线摘要任务，通过生成时间线来总结纵向放射学报告，提升疾病进展识别效率。实验表明，分组名称生成对发现分组至关重要，最佳配置在召回率和分组性能上接近人工标注。

Comments Accepted at Language Resources and Evaluation Conference (LREC) 2026