医学 AI

Perspective on Bias in Biomedical AI: Preventing Downstream Healthcare Disparities

生物医学AI中的偏见视角：防止下游医疗保健差异

Michal Rosen-Zvi, Yoav Kan-Tor, Michael Danziger, Agata Ferretti, Javier Aula-Blasco, Julia Falcao, Ron Shamir, Mira Marcus-Kalish, Mordechai Muszkat

机构 * Weizmann Institute of Science（魏茨曼科学研究院） ； Hebrew University of Jerusalem（特拉维夫大学） 纠错

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

AI总结 本文通过分析2015-2024年4514篇组学出版物和大型数据集，揭示数据收集和研究中存在的严重人口偏见，并提出通过来源、开放性和评估透明度三个原则来预防下游医疗保健差异。

Comments This manuscript has been accepted for publication in the 2026 IEEE International Conference on Digital Health (ICDH). The final version will appear in IEEE Xplore

HypothesisMed: Inference-Time Answer Fusion and Structured Hypothesis-Space Reporting for Biomedical Question Answering

HypothesisMed：生物医学问答中的推理时答案融合与结构化假设空间报告

Md Motaleb Hossen Manik, Ge Wang

机构 * Department of Computer Science Rensselaer Polytechnic Institute（计算机科学系雷士打理工学院） ； Department of Biomedical Engineering Rensselaer Polytechnic Institute（生物医学工程系雷士打理工学院） 纠错

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

AI总结 提出HypothesisMed推理时可靠性流水线，通过答案融合和SPACE标签（有效/不完整/矛盾）提升生物医学多项选择问答的准确率、可解析性和结构化可靠性报告。

Ryze: Evidence-Enriched Data Synthesis from Biomedical Papers

Ryze：从生物医学论文中合成富含证据的数据

Yeqi Huang, Yue Chen, Yanwei Ye, Guanhao Su, Luo Mai

机构 * University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 提出 Ryze 系统，自动从生物医学论文中生成包含完整证据结构的训练数据，并训练出领域专用 VLM BioVLM-8B，在 LAB-Bench 上以低于 200 美元成本达到 48.0% 加权准确率。

Comments Accepted at ACL 2026 System Demonstrations Track. 8 pages, 6 figures

Med-V1: Small Language Models for Zero-shot and Scalable Biomedical Evidence Attribution

Med-V1：用于零样本和可扩展生物医学证据归因的小型语言模型

Qiao Jin, Yin Fang, Lauren He, Yifan Yang, Guangzhi Xiong, Zhizheng Wang, Nicholas Wan, Joey Chan, Donald C. Comeau, Robert Leaman, Charalampos S. Floudas, Aidong Zhang, Michael F. Chiang, Yifan Peng, Zhiyong Lu

机构 * Division of Intramural Research, National Library of Medicine, National Institutes of Health（国家医学图书馆内部研究部，国立卫生研究院） ； Department of Computer Science, University of Virginia（弗吉尼亚大学计算机科学系） ； Center for Cancer Research, National Cancer Institute, National Institutes of Health（国家癌症研究所癌症研究中心，国立卫生研究院） ； Department of Population Health Sciences, Weill Cornell Medicine Institute of AI for Digital Health, Weill Cornell Medicine（韦尔·科恩医学中心流行病学与健康科学系，韦尔·科恩医学中心人工智能与数字健康研究所） 纠错

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

AI总结 提出仅3B参数的小语言模型Med-V1，通过高质量合成数据训练，在生物医学证据归因任务上性能媲美GPT-5等前沿大模型，并用于量化LLM幻觉和识别临床指南中的证据错误归因。

Teager-Kaiser Energy Methods For EEG Feature Extraction In Biomedical Applications

Teager-Kaiser能量方法在生物医学应用中用于EEG特征提取

Ioanna Chourdaki, Kleanthis Avramidis, Christos Garoufis, Athanasia Zlatintsi, Petros Maragos

专题命中 生物医学文本 ：biomedical(title)；分类 eess.SP

AI总结 本文研究非线性Teager-Kaiser能量算子（TKEO）在运动想象、情绪识别和癫痫检测三个任务中建模EEG能量动态，通过Gabor滤波器组和能量分离算法提取能量描述符，并与传统特征比较，发现TKEO特征在癫痫检测中平衡准确率提升约15%，在运动想象中略有提升，在情绪识别中性能相当。

Comments Accepted to EUSIPCO 2026

Plausibility Is Not Prediction: Contrastive Evidence for LLM-Based Cellular Perturbation Reasoning

似真性不是预测：基于LLM的细胞扰动推理的对比证据

Xinyu Yuan, Xixian Liu, Jianan Zhao, Yashi Zhang, Hongyu Guo, Jian Tang

机构 * Mila - Québec AI Institute（魁北克人工智能研究所） ； University of Montréal（蒙特利尔大学） ； HEC Montréal（蒙特利尔HEC商学院） ； University of Ottawa（渥太华大学） ； National Research Council of Canada（加拿大国家研究理事会） ； CIFAR AI Chair（CIFAR人工智能 chair） 纠错

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

AI总结 本文发现基于大语言模型的细胞扰动推理虽能生成生物上合理的解释，但实际预测性能差，并提出CORE方法通过对比证据组织来提升扰动特异性预测。

Cluster Analysis with Resampling for Validation and Exploration (CARVE)

基于重采样的聚类验证与探索分析（CARVE）

Kai R. Wycik, Tiffany M. Tang, Tarek M. Zikry, Genevera I. Allen

机构 * Department of Statistics, Columbia University, New York, NY, USA（哥伦比亚大学统计学系） ； Center for Theoretical Neuroscience, Zuckerman Mind Brain Behavior Institute, Columbia University, New York, NY, USA（哥伦比亚大学理论神经科学中心、Zuckerman思维-大脑-行为研究所） ； Department of Applied and Computational Mathematics and Statistics, University of Notre Dame, Notre Dame, IN, USA（诺丁汉大学应用与计算数学与统计学系） ； School of Data and Information Sciences, University of North Carolina at Chapel Hill, Chapel Hill, NC, USA（北卡罗来纳大学夏洛特分校数据与信息科学学院） ； Irving Institute for Cancer Dynamics, Columbia University, New York, NY, USA（哥伦比亚大学癌症动力学伊万·里弗斯研究所） 纠错

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

AI总结 提出CARVE开源软件包，通过重采样评估聚类稳定性和泛化性，在全局、簇和样本级别提供诊断，优于传统聚类验证指标。

EvoPool: Evolutionary Programmatic Annotation for Label-Efficient Specialized Supervision

EvoPool: 面向标签高效专业监督的进化式程序化标注

Tianyi Xu, Yaolun Zhang, Xuan Ouyang, Huazheng Wang

机构 * Oregon State University（俄勒冈州立大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出进化多智能体框架EvoPool，通过程序化标注器迭代进化与投票聚合，在低标注成本下显著提升专业领域监督性能。

Comments 39 pages, 7 figures. Code: https://github.com/tianyi0216/EvoPool

UniD$^3$: A Knowledge Graph-Enhanced RAG Framework for Drug-Disease Discovery and Reasoning

UniD$^3$：一种用于药物-疾病发现与推理的知识图谱增强RAG框架

Qing Wang, Tianshi Liu, Minghao Zhou, Jialu Liang, Sen Guo, Guangyu Wang, Jing Su, Qianqian Song

机构 * Department of Health Outcomes and Biomedical Informatics, University of Florida（佛罗里达大学健康成果与生物医学信息学系） ； Department of Hematology, H. Lee Moffitt Cancer Center and Research Institute（血液科，H. Lee Moffitt癌症中心与研究院） ； Center for Bioinformatics and Computational Biology, Houston Methodist Research Institute（生物信息学与计算生物学中心，休斯顿方法主义研究学院） ； Department of Cardiothoracic Surgery, Weill Cornell Medicine, Cornell University（心胸外科，Weill Cornell医学，康奈尔大学） ； Department of Biostatistics and Health Data Science, Indiana University School of Medicine（生物统计学与健康数据科学系，印第安纳大学医学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出UniD$^3$框架，结合大语言模型与知识图谱增强检索生成（KG-RAG），从生物医学文献中提取、组织和验证药物-疾病知识，生成结构化数据集并提升推理可靠性。

Robust inference for risk heterogeneity under group imbalance

群体不平衡下风险异质性的稳健推断

Mengqi Xu, Subha Maity, Joel Dubin

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 针对群体不平衡问题，提出基于Neyman正交性的风险异质性推断框架，通过局部不敏感估计量降低偏差并提高推断稳定性，在eICU数据库中发现标准方法无法检测的种族特异性风险异质性。