医学 AI

A sound horizon independent measurement of $H_0$ from BOSS, DESI and DES Y3

从BOSS、DESI和DESY3独立测量Hubble常数

Zhiyu Lu, Théo Simon, Vivian Poulin, Yifu Cai

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文通过多探针大尺度结构分析，独立测量Hubble常数，结合不同数据集得出H、Ω_m和σ_8的高精度结果，并发现暗能量可能演化。

Comments 15 pages, 7 figures, 2 tables; PRD accepted version

The Typicality of Regimes Associated with Northern Hemisphere Heatwaves

北半球热浪相关制度的典型性

Christopher C. Chapman, Didier P. Monselesan, James S. Risbey, Abdelwaheb Hannachi, Valerio Lucarini, Richard Matear

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究北半球夏季热浪的大陆尺度制度，通过档案分析方法识别出由阻塞高压系统嵌套在波动大气环流中的空间模式，揭示热浪与阻塞高压及罗斯比波包的关系，为长期预测和气候模型评估提供依据。

Comments 12 figure

Uncertainty Estimation in Pathology Foundation Models via Deep Mutual Learning

病理基础模型中的不确定性估计：基于深度互学习

Gbègninougbo Aurel Davy Tchokponhoue, Sevda Öğüt, Ali Idri, Dorina Thanou, Pascal Frossard

机构 * UM6P（摩洛哥穆萨-阿卜杜勒-阿齐兹大学） ； EPFL（瑞士联邦理工学院） ； UM5（摩洛哥穆萨-阿卜杜勒-阿齐兹大学） 纠错

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

AI总结 提出DICE框架，通过集成多个冻结的病理基础模型并利用深度互学习对齐，以模型分歧作为不确定性代理，实现可靠的不确定性估计、异常定位，并在分类、校准和定位上匹配或超越现有方法。

CellDETR: A Detection-Guided Framework for Scalable Cell Representation Learning from Histopathology Images

CellDETR: 一种面向组织病理学图像的可扩展细胞表示学习的检测引导框架

Shikang Zhang, Guojun Li, Yicong Mao, Chulin Sha

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

AI总结 提出基于Deformable DETR的检测引导框架CellDETR，通过位置特征解耦和框约束注意力机制实现可扩展的细胞表示学习，在细胞分类任务上超越现有方法，并支持无标签数据的预训练和跨数据集迁移。

Comments 12pages, 5 figures

Mitigating Batch Effects in Histopathology via Language-Mediated Robust Embedding Generation

通过语言介导的鲁棒嵌入生成减轻组织病理学中的批次效应

Yishu Zhang, Shushan Wu, Zhenzhong Zhang, Didong Li, Huaxiu Yao, Yun Li, Iain Carmichael, Katherine A. Hoadley, Hongtu Zhu, Di Wu, Daiwei Zhang

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 提出GLMP框架，利用通用多模态大语言模型将组织学图像转化为文本表示，再生成数值嵌入，有效抑制批次效应，提升跨机构泛化能力。

Predicting Metastatic Risk from Primary Tissue Architecture via Distance-Aware Spatial Modeling

通过距离感知空间建模从原发组织架构预测转移风险

Sandesh Pokhrel, Hamid Manoochehri, Bodong Zhang, Beatrice S Knudsen, Tolga Tasdizen

机构 * Department of Electrical and Computer Engineering, University of Utah（犹他大学电气与计算机工程系） ； Scientific Computing and Imaging Institute, University of Utah（犹他大学科学计算与成像研究所） ； Department of Pathology, University of Utah（犹他大学病理学系） 纠错

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

AI总结 提出DTMf-MIL方法，通过符号距离函数显式建模肿瘤微环境的空间几何结构，在转移风险预测任务上显著优于忽略空间布局的现有方法。

AdaGrad does not adapt to Hölder-smoothness for composite objectives

AdaGrad 对复合目标函数的 Hölder 光滑性不具有适应性

Matia Bojovic, Saverio Salzo, Massimiliano Pontil

专题命中 病理影像 ：pathology(abstract)

AI总结 本文通过一维凸复合优化反例，揭示 AdaGrad 在 Hölder 光滑目标上无法达到经典收敛率，原因在于光滑项梯度在最优处非零导致步长过度减小，并探讨了基于梯度映射或梯度差的替代累积机制如何避免此问题。

Comments 10 pages

Multimodal Large Language Model driven Radiology Report Generation with Clinical Knowledge Enhancement

基于多模态大语言模型的放射科报告生成与临床知识增强

Miaojing Shi, Tianyu Cen, Zijie Yue, Meng Wei, Oluwatosin Alabi, Tom Vercauteren

机构 * College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院） ； Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海自主智能无人系统科学中心） 纠错

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

AI总结 本文提出一种融合多模态大语言模型与临床知识的放射科报告生成方法，通过解剖学特征提取、多模态报告生成及多任务学习提升报告的临床相关性与准确性。

IMCBench: A benchmark for multimodal LLMs in Image-grounded Medical Conversations

IMCBench：面向多模态大语言模型在图像基础医疗对话中的基准测试

Maria Xenochristou, Ashutosh Joshi, Korosh Vatanparvar, Mohammad Abuzar Hashemi, Prasad Kasu, Deepak Bansal, Anchal Nema, Nivedita Wadhwa, Prashams S Jain, Rebecca Abraham, Will Kimbrough, Dilek Hakkani-Tur, Wilko Schulz-Mahlendorf

机构 * Amazon Health AI（亚马逊健康AI） 纠错

专题命中 医疗多模态 ：medical AI(abstract)；diagnosis(abstract)

AI总结 提出IMCBench基准，结合临床图像与合成患者档案模拟多轮医疗对话，从安全性、准确性和不确定性使用三个维度评估模型，发现准确描述不等于安全指导。

Comments Accepted at ECML PKDD 2026. 22 pages, 2 figures

Cross-modal dependence analysis with asynchronous longitudinal multimodal data

异步纵向多模态数据的跨模态依赖分析

Kun Qian, Hyung G. Park

专题命中 医疗多模态 ：diagnosis(abstract)；biomedical(abstract)

AI总结 提出一种贝叶斯潜变量模型，用于估计异步观测的多模态数据中协变量辅助的依赖结构，并应用于阿尔茨海默病神经影像学倡议数据，揭示临床有意义的纵向跨模态生物标志物依赖模式。

PlantExpertVQA: A Visual Question Answering Dataset for Benchmarking Vision-Language Models in Plant Science

PlantExpertVQA: 一个用于植物科学中视觉语言模型基准测试的视觉问答数据集

Syed Nazmus Sakib, Nafiul Haque, Mohammad Zabed Hossain, Shifat E. Arman

机构 * Department of Robotics and Mechatronics Engineering, University of Dhaka（达卡大学机器人与机电工程系） ； Department of Botany, University of Dhaka（达卡大学植物学系） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 PlantExpertVQA数据集旨在提升视觉语言模型在农业决策中的应用，包含765,186个高质量问答对，涵盖38种作物和89种病害，通过多阶段流程生成并经专家审核，验证了参数高效微调的有效性。

Comments 36 pages, 9 figures, 14 tables and Submitted to Nature Scientific Data

An AI agent for treatment reasoning over a biomedical tool universe

一个在生物医学工具宇宙中进行治疗推理的AI智能体

Shanghua Gao, Ayush Noori, Richard Zhu, Curtis Ginder, Zhenglun Kong, Xiaorui Su, Justin Kauffman, Benjamin S. Glicksberg, Joshua Lampert, Ankit Sakhuja, Ashwin Sawant, ATHENA-R1 Evaluation Consortium, David A. Clifton, Noa Dagan, Ran Balicer, Marinka Zitnik

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； The Ivan and Francesca Berkowitz Family Living Laboratory Collaboration at Harvard Medical School and Clalit Research Institute（哈佛医学院伊万和弗朗西斯卡·伯科维茨家族生活实验室合作与克莱利研究所） ； Cardiovascular Division, Department of Medicine, Brigham and Women’s Hospital, Harvard Medical School（哈佛医学院心脏病学部，布里格姆和妇女医院） ； The Windreich Department of Artificial Intelligence and Human Health, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院人工智能与人类健康系） ； The Hasso Plattner Institute for Digital Health at Mount Sinai, Icahn School of Medicine at Mount Sinai and Mount Sinai Health System（西奈山伊坎医学院和西奈山医疗系统数字健康研究所） ； Mindich Child Health and Development Institute and the Departments of Pediatrics and Genetics & Genomic Sciences, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院Mindich儿童健康与发展研究所及儿科学和遗传学与基因组科学系） ； Mount Sinai Fuster Heart Hospital, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院Fuster心脏医院） ； Mount Sinai AI Assurance Lab, Mount Sinai Health System（西奈山医疗系统AI保证实验室） ； Institute for Critical Care Medicine, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院重症监护医学研究所） ； Department of Medicine, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院医学系） ； ATHENA-R1 Evaluation Group（ATHENA-R1评估组） 纠错

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

AI总结 提出ATHENA-R1智能体，通过强化学习在212种生物医学工具上训练，实现迭代证据收集的治疗推理，在多个基准上超越现有模型，准确率达94.7%。

Comments Project page: https://athena.openscientist.ai Code: https://github.com/mims-harvard/ATHENA

Accelerating scientific discovery with Co-Scientist

用Co-Scientist加速科学发现

Juraj Gottweis, Wei-Hung Weng, Alexander Daryin, Tao Tu, Petar Sirkovic, Artiom Myaskovsky, Grzegorz Glowaty, Felix Weissenberger, Alessio Orlandi, Dan Popovici, Anil Palepu, Keran Rong, Ryutaro Tanno, Khaled Saab, Fan Zhang, Jacob Blum, Andrew Carroll, Kavita Kulkarni, Nenad Tomasev, Dina Zverinski, Ivor Rendulic, Elahe Vedadi, Florian Hasler, Luka Rimanic, Marina Boia, Ivan Budiselic, Ben Feinstein, Mathias Bellaiche, Tom Sheffer, Jan Freyberg, Jeremy Ratcliff, Ottavia Bertolli, Katherine Chou, Avinatan Hassidim, Burak Gokturk, Amin Vahdat, Yuan Guan, Vikram Dhillon, Eeshit Dhaval Vaishnav, Byron Lee, Tiago R D Costa, José R Penadés, Gary Peltz, Yossi Matias, James Manyika, Demis Hassabis, Yunhan Xu, Pushmeet Kohli, Annalisa Pawlosky, Alan Karthikesalingam, Vivek Natarajan

机构 * Google Cloud AI Research（谷歌云人工智能研究） ； Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究） ； Stanford University School of Medicine（斯坦福大学医学院） ； Houston Methodist（休斯顿卫理公会医院） ； Sequome ； Fleming Initiative and Imperial College London（弗莱明倡议与伦敦帝国理工学院） 纠错

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

AI总结 Co-Scientist是一种基于Gemini的多智能体AI系统，通过异步任务框架和竞赛进化过程，提升科学假设生成质量，应用于药物再利用、新靶点发现和抗菌机制解释，验证了其加速科学发现的能力。

Comments 157 pages in total (main 42 pages, supplementary information 115 pages), 4 main figures, 1 main table, 6 extended data figures, 2 extended data tables, 9 supplementary figures, 4 supplementary tables, 37 main references, 117 supplementary references. Nature (2026)

Hierarchical Projection for Adaptive Knowledge Transfer

自适应知识迁移的分层投影

Samhita Pal, Tian Gu

机构 * Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 提出ProjectionTL框架，通过分层贝叶斯建模与自适应投影实现源选择与特征选择，缓解负迁移，提升跨域学习的准确性、稳定性和可解释性。

Comments We found a mistake in the proof that needs to be revised

MARS: A neurosymbolic approach for interpretable drug discovery

MARS：一种用于可解释药物发现的神经符号方法

Lauren Nicole DeLong, Yojana Gadiya, Paola Galdi, Jacques D. Fleuriot, Daniel Domingo-Fernández

机构 * University of Edinburgh（爱丁堡大学） ； Enveda Therapeutics ； Cancer Research UK Scotland Institute（英国癌症研究中心苏格兰研究所） 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MARS，一种结合逻辑规则与神经网络的神经符号方法，用于药物作用机制解构，通过识别并缓解推理捷径提升药物发现的可解释性与可靠性。

Comments Under review. Corresponding code is here: https://github.com/laurendelong21/MARS and here: https://github.com/laurendelong21/MoA-Net

Electrophoretic motion of a liquid droplet with Brinkman-screened internal hydrodynamics

具有Brinkman屏蔽内部流体动力学的液滴电泳运动

Sutapa Mandal, Subrata Majhi

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文发展了球形多孔液滴电泳理论，通过Brinkman-Debye-Bueche方程描述内部流动，推导了任意Debye层厚度下的闭式迁移率表达式，揭示了渗透率对迁移率的非单调影响。

Comments 27 pages, 6 figures

Specialisation and experience of research teams: Which matters more for the impact of their publications?

研究团队的专业化与经验：哪个对论文影响力更重要？

Emil Dolmer Alnor

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文引入团队经验概念，基于近百万篇生物医学论文，发现团队经验和专业化均与引用影响力正相关，但经验的相关性更强。

Comments Submitted for review to Journal of Research on Research

Ultrasensitive infrared-to-visible artificial vision via self-evolving projection guided by single-pixel detection

通过单像素检测引导的自进化投影实现超灵敏红外到可见光人工视觉

Yao Wang, Baolei Liu, Muchen Zhu, Linjun Zhai, Dajing Wang, Zhaohua Yang, Fan Wang

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出自进化红外到可见光上转换系统（SIVIS），结合单像素检测与迭代优化投影，实现极低光下实时红外可视化，检测极限达0.11光子/像素/帧。

Comments 23 pages, 5 figures

Scalable and Calibrated Sampling for Bayesian Generalized Linear Mixed Model via Stochastic Gradient Markov Chain Monte Carlo

基于随机梯度马尔可夫链蒙特卡洛的可扩展且校准的采样：用于贝叶斯广义线性混合模型

Youngsoo Baek, Andrea Agazzi, Felipe A. Medeiros, Samuel I. Berchuck

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种针对广义线性混合模型的随机梯度马尔可夫链蒙特卡洛算法，通过Fisher恒等式构建梯度估计器，实现大规模数据下的准确后验推断，并通过模拟和电子健康记录分析验证了方法的有效性。

Comments 29 pages, 5 figures

Synthesized Annotation Guidelines are Knowledge-Lite Boosters for Clinical Information Extraction

合成的标注指南是临床信息提取的低知识提升器

Enshuo Hsu, Martin Ugbala, Krishna Kumar Kookal, Zouaidi Kawtar, Nicholas L. Rider, Muhammad F. Walji, Kirk Roberts

机构 * McWilliams School of Biomedical Informatics, University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心麦克威廉姆斯生物医学信息学院） ； School of Dentistry, University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心牙科学院） ； Enterprise Development and Integration, University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心企业开发与集成部） ； Virginia Tech Carilion School of Medicine, Department of Health Systems & Implementation Science（弗吉尼亚理工大学卡里利恩医学院卫生系统与实施科学系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出一种无需人工输入的自改进方法，利用LLM生成标注指南，提升临床信息提取性能，实验显示在多个基准测试中取得显著改进。

A Multi-Dataset Benchmark for Evaluating LLM Agents in Microservice Failure Diagnosis

用于评估微服务故障诊断中LLM智能体的多数据集基准

Yuanhong Cai, Xiaohui Nie, Kanglin Yin, Changhua Pei, Yongqian Sun, Shenglin Zhang, Haibin Liu, Guiyang Liu, Xidao Wen, Fang Situ, Dan Pei

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

AI总结 提出基于推理过程评估的基准，包含两个大规模数据集（AIOps2025和RCA100），从定位、识别和原因三个维度评估智能体诊断能力，覆盖500多个专家标注的故障案例。

Comments 10 pages, 6 figures, 6 tables

Expert Evaluation of Clinical AI Tools on Real Point-of-Care Clinical Queries

临床AI工具在真实点-of-care临床查询上的专家评估

Jean Feng, Vishal Patel, Patrick Heagerty, Yifan Mai, Venkatesh Sivaraman, Patrick Vossler, Jialin Ouyang, Anupam B. Jena

机构 * Harvard Medical School（哈佛医学院） ； Brigham and Women’s Hospital（布莱尔妇女医院） ； Massachusetts General Hospital（麻省总医院） ； National Bureau of Economic Research（美国经济研究局） 纠错

专题命中 医学数据与评测 ：clinical AI(title)；分类 q-bio

AI总结 本研究通过620个真实临床查询和149名医生评估，比较了专用临床AI工具与通用模型在准确性、实用性等五维度的表现，发现专用工具在所有维度上显著优于通用模型，并发布了公开基准。

Anatomy-Grounded Synthetic Coronary Angiography for Geometry-Informed Multi-View Matching

基于解剖学的合成冠状动脉造影用于几何感知的多视图匹配

In Kyu Lee, Sumin Seo, Jaesik Min

机构 * Medipixel, Inc.（Medipixel公司） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

专题命中 医学数据与评测 ：CT(abstract,abstract_cn)；分类 cs.CV、eess.IV

AI总结 提出物理基础数据生成框架，从3D CCTA合成高保真DRR，结合几何信息匹配模块GIMM，实现无人工标注的2D对应点学习。

Comments Accepted at MICCAI 2026. Code and dataset: http://github.com/medipixel/GIMM

Data and Evaluation Closed-Loop for Model Capability Enhancement

数据与评估闭环用于模型能力增强

Zhixuan Li, Jiangan Yuan, Han Xu

机构 * Baidu Inc.（百度公司） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 提出“能力切片”单元，构建评估-数据闭环，将基准失败转化为可验证的数据干预，在两项案例中分别排除和确认数据问题。

$M^3 QuestionIng$: Multi-modal Multi-span Medical Question Answering

$M^3 QuestionIng$: 多模态多跨度医学问答

Anisha Saha, Vaibhav Rathore, Abhisek Tiwari, Akash Ghosh, Sai Ruthvik Edara, Sriparna Saha

专题命中 医学数据与评测 ：medical image(abstract)

AI总结 提出多模态多跨度医学问答框架M3QAFrame，结合文本与图像线索生成包含文本和图像的答案，在自建数据集上超越现有方法。