医学 AI

ENC-ODE: Event-level Neurodegenerative Modeling in Continuous Time with Neural ODEs

ENC-ODE：基于神经常微分方程的连续时间事件级神经退行性建模

Yujee Song, Seunghun Baek, Guorong Wu, Won Hwa Kim

机构 * Pohang University of Science and Technology（首尔科学技术大学） ； 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 临床大模型 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出ENC-ODE模型，利用神经常微分方程对临床事件进行连续时间建模，通过诊断条件动态和目标条件注意力机制预测生物标志物演变，在ADNI数据集上优于现有序列模型。

Comments MICCAI 2026

The strength of clinical evidence is recoverable from language model representations but not from their stated grades

临床证据强度可从语言模型表示中恢复，但无法从其陈述的等级中恢复

Soroosh Tayebi Arasteh

机构 * Lab for AI in Medicine（医学人工智能实验室） ； RWTH Aachen University（亚琛工业大学） ； University Hospital RWTH Aachen（亚琛大学医院） ； Stanford University（斯坦福大学） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)；分类 cs.LG

AI总结 本研究通过构建临床声明数据集，测试22个开源大语言模型，发现模型内部表示可编码证据强度（中位AUROC 71.8%），但模型陈述的等级接近随机（低于估计器25-27个百分点），且该信号主要来自词汇特征，不随规模提升。

MedEvoEval: Evaluating Continual Evolution of Doctor Agents through Simulated Clinical Episodes

MedEvoEval: 通过模拟临床场景评估医生智能体的持续进化

Hui Zhang

机构 * Beijing Institute of Technology (BIT)（北京理工大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 提出MedEvoEval框架，基于动作门控的模拟门诊场景，评估医生智能体在跨场景中的决策演化、资源分配和经验迁移能力。

Comments 31 pages, including appendices

Primary ICD Category Prediction using LLM-based Probing

基于LLM探针的主要ICD类别预测

Chengyuan Liu, Xinyue Zhang, Yao Li, Guanting Chen

机构 * Department of Statistics, Pennsylvania State University（宾夕法尼亚州立大学统计学系） ； Department of Biostatistics, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校生物统计学系） ； Department of Statistics and Operations Research, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校统计学与运筹学系） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本研究利用冻结的医学大语言模型表示作为共享嵌入空间，通过线性探针融合结构化变量和临床叙述，实现多模态主要诊断类别预测，在MIMIC-IV上达到87.69%的严格准确率。

Comments 9 pages, 2 figures. Supplementary materials provided as an ancillary file