医学 AI

Case-Specific Rubrics for Clinical AI Evaluation: Methodology, Validation, and LLM-Clinician Agreement Across 823 Encounters

针对具体病例的评估量表：方法、验证及LLM与医生一致性的823次病例研究

Aaryan Shah, Andrew Hines, Alexia Downs, Denis Bajet, Paulius Mui, Fabiano Araujo, Laura Offutt, Aida Rutledge, Elizabeth Jimenez

机构 * Canvas Medical ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； XPC (X Primary Care)（XPC（X初级保健）） ； FCA Consulting（FCA咨询） ； Department of Pediatrics, University of Nevada, Reno, NV, USA（内华达大学拉斯维加斯分校儿科系） 纠错

专题命中 医学数据与评测 ：clinical AI(title,abstract)

AI总结 本文提出针对具体病例的评估量表方法，验证了LLM生成的量表在医生一致性上的有效性，展示了在823次病例中医生与LLM的一致性提升。

Comments 14 pages, 2 figures, 3 tables, submitted to JAMIA

RANalyzer: Automated Continuous RAN Software Evaluation and Regression Analysis

RANalyzer：自动化连续RAN软件评估与回归分析

Ravis Shirkhani, Reshma Prasad, Leonardo Bonati, Tommaso Melodia, Michele Polese

专题命中 医学数据与评测 ：CT(abstract,abstract_cn)

AI总结 本文提出RANalyzer框架，通过结合LLM语义提取与残差分析，量化软件更新对性能的影响，利用大规模测试数据识别代码变更导致的性能退化并实现自动化评估。

Comments 9 pages, 11 figures, 2 tables

Weakly Supervised Multicenter Nancy Index Scoring in Ulcerative Colitis Using Foundation Models

基于基础模型的弱监督多实例学习在溃疡性结肠炎中进行Nancy指数评分

Adam Kukučka, Ondřej Fabián, Vít Musil, Tomáš Brázdil

机构 * Masaryk University, Faculty of Informatics, Brno, Czech Republic（马萨里克大学信息学院，布拉格，捷克共和国） ； Institute of Clinical and Experimental Medicine, Prague, Czech Republic（临床与实验医学研究所，布拉格，捷克共和国） 纠错

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

AI总结 本文提出一种弱监督多实例学习方法，利用基础模型对全切片图像进行自动评分，实现Nancy指数五级预测，验证了基础模型在多中心数据中的有效性。

FedRef: Bayesian Fine-Tuning using a Reference Model to Mitigate Catastrophic Forgetting for Heterogeneous Federated Learning

FedRef: 利用参考模型进行贝叶斯微调以缓解异构联邦学习中的灾难性遗忘

Taehwan Yoon, Bongjun Choi, Wesley De Neve

机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； Center for Biosystems and Biotech Data Science（生物系统与生物技术数据科学中心） ； Ghent University Global Campus, Incheon, Republic of Korea（因斯布鲁克大学全球校区，韩国） 纠错

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

AI总结 FedRef通过在服务器端进行贝叶斯微调，利用参考模型缓解异构联邦学习中的灾难性遗忘问题，提升模型稳定性和收敛速度，降低客户端计算开销。

Comments 11 pages, 34 equations, 5 figures, 7 tables

NIH-MPINet: A Large-Scale Feature-Rich Network Dataset for Mapping the Frontiers of Team Science

NIH-MPINet：一个大规模特征丰富的网络数据集，用于映射团队科学的前沿

Cuiran Shi, Shuying Han, Shreya Kusumanchi, Mia Zhou, Didong Li

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本研究提出NIH-MPINet网络数据集，涵盖2006-2023年NIH资助项目合作网络，包含30127个PI节点和86743条边，揭示19个合作社区及20个研究主题，展现科研主题随时间变化趋势。