医学 AI

Foresight-England: Development of a National-Scale Generative AI Model of Electronic Health Records for Medical Event Prediction across the COVID-19 Pandemic

Foresight-England：面向COVID-19大流行期间医疗事件预测的全国规模电子健康记录生成式AI模型的开发

Simon Ellershaw, Christopher Tomlinson, Zeljko Kraljevic, Spiros Denaxas, Harry Hemingway, Cathie Sudlow, Angela M. Wood, Anoop D. Shah, Richard Dobson

机构 * University College London（伦敦大学学院） ； King’s College London（伦敦国王学院） ； University College London Hospitals National Institute for Health Research Biomedical Research Centre（伦敦大学学院医院国家卫生研究院生物医学研究中心） ； Interdisciplinary Transformation University（跨学科转型大学） ； British Heart Foundation Data Science Centre（英国心脏基金会数据科学中心） ； Health Data Research UK（英国健康数据研究中心） ； The University of Edinburgh（爱丁堡大学） ； University of Cambridge（剑桥大学） ； Victor Phillip Dahdaleh Heart and Lung Research Institute, University of Cambridge（剑桥大学维克多·菲利普·达德赫心肺研究所） ； British Heart Foundation Centre of Research Excellence, University of Cambridge（剑桥大学英国心脏基金会卓越研究中心） 纠错

专题命中 临床大模型 ：CT(abstract,abstract_cn)；分类 cs.LG

AI总结 本研究开发了首个全国规模的电子健康记录生成式基础模型Foresight-E，在6100万患者数据上训练，可零样本预测医疗事件，为大流行期间的医疗事件预测提供了方法模板。

Comments Methodology and evaluation framework for Foresight-England. As detailed in the Project Status section, NHS England has paused access to data for the Foresight-E project, meaning quantitative results are not currently available. On behalf of the CVD-COVID-UK/COVID-IMPACT Consortium

Generated Context versus Governed State: Functional Conditions for Accountable Longitudinal Clinical Reasoning

生成式上下文与受控状态：可问责纵向临床推理的功能条件

Augusto Bernardo Pissarra, Victor Lorena de Farias Souza

机构 * MyndwareMed（迈恩德韦尔医疗） 纠错

专题命中 临床大模型 ：clinical AI(abstract)

AI总结 本文区分生成式上下文与受控状态，定义可问责临床AI的审计标准与信息要求，提出六级成熟度框架，将当前LLM临床实践定位于高能力低成熟度，为可问责临床AI提供概念与审计工具。

A Machine-Learned Comorbidity Index

机器学习共病指数

Suleman Baloch, Kishlay Jha, Alberto M. Segre, Philip M. Polgreen, Bijaya Adhikari

机构 * Department of Electrical and Computer Engineering, University of Iowa, Iowa, USA（电气与计算机工程系，爱荷华大学，爱荷华，美国） ； Department of Computer Science, University of Iowa, Iowa, USA（计算机科学系，爱荷华大学，爱荷华，美国） ； Department of Internal Medicine, University of Iowa, Iowa, USA（内科学系，爱荷华大学，爱荷华，美国） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 提出一种机器学习共病指数（MLCI），通过最大化学习分数与多个临床结果之间的归一化希尔伯特-施密特独立性准则（nHSIC）来映射诊断代码为单一标量，捕获非线性风险-结果依赖，并在多个EHR数据集上优于基线方法。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026), Seoul, South Korea. 35 pages