医学 AI

Robust Biomedical Publication Type and Study Design Classification with Knowledge-Guided Perturbations

基于知识引导扰动的鲁棒生物医学出版物类型与研究设计分类

Shufan Ming, Joe D. Menke, Neil R. Smalheiser, Halil Kilicoglu

机构 * School of Information Sciences（信息科学学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Department of Psychiatry（精神病学系） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

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

AI总结 本文提出基于受控语义扰动的评估框架，通过实体遮蔽和领域对抗训练提升生物医学出版物类型分类的鲁棒性，发现通过抑制非任务定义特征可缓解鲁棒性与领域准确性之间的权衡。

Comments Accepted by IEEE ICHI 2026

Condition-Gated Reasoning for Context-Dependent Biomedical Question Answering

基于条件的推理用于依赖上下文的生物医学问答

Jash Rajesh Parekh, Wonbin Kweon, Joey Chan, Rezarta Islamaj, Robert Leaman, Pengcheng Jiang, Chih-Hsuan Wei, Zhizheng Wang, Zhiyong Lu, Jiawei Han

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National Institutes of Health（美国国立卫生研究院） 纠错

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

AI总结 本文提出CondMedQA基准和Condition-Gated Reasoning框架，通过构建条件感知知识图谱，提升生物医学问答中条件依赖的推理能力。

Towards World Models in Biomedical Research

迈向生物医学研究的世界模型

Guangyu Wang, Jingkun Yue, Siqi Zhang, Yu Liu, Xiaoyu Wang, Mingyuan Meng, Changwei Ji, Zongbo Han, Yulin Wang, Yang Yue, Frank Fu, Ting Chen, Song Wu, Ziwei Liu, Jiangning Song, Ming Li, Gao Huang, Xiaohong Liu, Athanasios Vasilakos, Xingcai Zhang, Ping Zhang, Yong Li

机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China（网络与交换技术国家重点实验室，北京邮电大学，北京，中国） ； Department of Engineering Science, University of Oxford, Oxford, United Kingdom（英国牛津大学工程科学系，牛津，英国） ； Institute of Medical Artificial Intelligence, South China Hospital, Medical School, Shenzhen University, Shenzhen, Guangdong, China（医学人工智能研究所，南方医院，医学学院，深圳大学，深圳，广东，中国） ； Zhongguancun Academy & Zhongguancun Institute of Artificial Intelligence, Beijing, China（中关村学院及中关村人工智能研究院，北京，中国） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, 100084, Beijing, China（北京信息科学与技术国家研究中心（BNRist），清华大学，100084，北京，中国） ； Department of Chemical and Nano Engineering, University of California, San Diego, La Jolla, CA, USA（美国加州大学圣地亚哥分校化学与纳米工程系，La Jolla，CA，美国） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Monash Biomedicine Discovery Institute and Department of Biochemistry and Molecular Biology, Monash University, Melbourne, Victoria, Australia（莫纳什大学生物医学发现研究所和生物化学与分子生物学系，墨尔本，维多利亚，澳大利亚） ； David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Ontario, Canada（加拿大滑铁卢大学戴维·R·切里顿计算机科学学校，滑铁卢，安大略，加拿大） ； Department of ICT and Center for AI Research, University of Agder (UiA), Jon Lilletuns vei 9, Grimstad, Norway（挪威阿格德大学（UiA）信息与通信技术系及人工智能研究中心，Jon Lilletuns vei 9，Grimstad，挪威） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国） 纠错

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

AI总结 提出生物医学世界模型作为AI驱动发现的新范式，通过学习分子、细胞、组织和临床状态的潜在表征及干预条件动态，实现未来轨迹模拟，并探讨其在虚拟细胞、类器官、虚拟患者和手术模拟等应用中的潜力。

Design of an efficient Tunable Dual narrow-band MEMS Mid and Far IR emitter with Me-NTA for Industrial and Biomedical applications

面向工业和生物医学应用的高效可调谐双窄带MEMS中远红外发射器与Me-NTA设计

Md. Imran Hasmi, Md. Saffat Gohor, Foez Ahmed, Jaker Hossain

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

AI总结 提出两种基于超表面的红外热发射器，通过NiCr和Au基Me-NTA结构实现单窄带和双窄带发射，在工业和生物医学领域具有应用潜力。

Comments 31 pages, 16 figures, 3 tables

Beyond Prompt-Based Planning: MCP-Native Graph Planning-based Biomedical Agent System

超越基于提示的规划：基于MCP原生图规划的生物医学智能体系统

Zhangtianyi Chen, Florensia Widjaja, Wufei Dai, Xiangjun Zhang, Yuhao Shen, Juexiao Zhou

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 提出BioManus系统，通过将异构生物信息学工具编译为标准MCP服务器并构建类型化异构图，实现基于图结构的规划，解决工具混淆和上下文效率问题，在BioAgentBench和LAB-Bench上提升执行准确性和工作流有效性。

When Retrieval Doesn't Help: A Large-Scale Study of Biomedical RAG

当检索无济于事：生物医学RAG的大规模研究

Erfan Nourbakhsh, Rocky Slavin, Ke Yang, Anthony Rios

机构 * The University of Texas at San Antonio（德克萨斯大学阿灵顿分校） 纠错

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

AI总结 本研究通过大规模实验发现，检索增强生成（RAG）在生物医学问答中仅带来微小且不一致的提升（1-2%），主要瓶颈在于模型有效利用检索证据的能力不足。

Comments 9 Pages, accepted to BioNLP Workshop at ACL 2026

AutoForest: Automatically Generating Forest Plots from Biomedical Studies with End-to-End Evidence Extraction and Synthesis

AutoForest: 从生物医学研究中自动生成森林图，实现端到端的证据提取与综合

Massimiliano Pronesti, Angelo Miculescu, Mohsin Kapdi, Paul Flanagan, Oisín Redmond, Joao Bettencourt-Silva, Gurdeep Mannu, Spiros Denaxas, Rui Bebiano Da Providencia E Costa, Anya Belz, Yufang Hou

机构 * IBM Research（IBM研究院） ； Dublin City University（都柏林城市大学） ； UCL（伦敦大学学院） ； University of Oxford（牛津大学） ； IT:U Interdisciplinary Transformation University Austria（奥地利 interdisciplinary Transformation 大学） 纠错

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

AI总结 提出AutoForest系统，通过端到端的证据提取与统计综合，直接从生物医学论文自动生成可发表的森林图，加速证据综合并降低元分析门槛。

Comments Accepted to ACL2026 (System Demonstrations Track)

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。

Beyond Agreement: Scoring Panel-Surfaced Biomedical Entity Candidates for Curator Triage

超越一致性：为策展人分类对面板筛选的生物医学实体候选进行评分

Shuheng Cao, Ruiqi Chen, Renjie Cao, Zhenhao Zhang, Siyu Zhang, Tingting Dan

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； The Hong Kong University of Science and Technology, Guangzhou（香港科学与技术大学（广州）） ； ShanghaiTech University（上海科技大学） ； University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 提出BioConCal评分器，利用无金标准的一致性、提及、表面可用性和文档特征，对多LLM面板筛选的候选实体进行评分，显著提高候选筛选的精确率和召回率。

Protocol for evaluating ChatGPT in biomedical association generation and verification using a RAG-enabled, cross-model majority voting workflow

使用RAG支持的跨模型多数投票工作流评估ChatGPT在生物医学关联生成与验证中的协议

Ahmed Abdeen Hamed, Luis M. Rocha

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

AI总结 提出一个协议，通过RAG和跨模型多数投票工作流评估ChatGPT生成疾病中心生物医学关联的能力，并验证其可靠性。

Comments Main Manuscript and Supplementary Information. Both are equally important

Journal ref STAR Protocols, 2026; 7

PubMedCausal: A Span-Level Annotated Corpus for Causal Relation Extraction in Biomedical Text

PubMedCausal: 用于生物医学文本中因果关抽取的跨度级标注语料库

Ifeoluwa Kunle-John, Josiah Paul, Oluwatosin Agbaakin, Peter Aina, Ikenna Odezuligbo, Sydney Anuyah

机构 * Edyah Limited（Edyah有限公司） ； University of Ibadan（伊巴丹大学） ； Indiana University（印第安纳大学） ； Creighton University（克雷顿大学） 纠错

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

AI总结 为解决现有资源将因果关系与广义关联混淆、限制句子级标注或仅关注显式因果线索的问题，构建了基于PubMed摘要的跨度级因果关抽取语料库PubMedCausal，包含30,000段落级行、3,945因果行和6,491个裁决的因果对，并基准测试了判别式编码器和开源生成模型。

Comments Submitted to EMNLP 2026, 8 Pages, 23 page appendix

BioELX: Cross-lingual Biomedical Entity Linking via Alias-based Retrieval and LLM Ranking

BioELX: 基于别名的检索与LLM排序的跨语言生物医学实体链接

Yi Wang, Corina Dima, Liangyu Zhong, Steffen Staab

机构 * University of Stuttgart, Germany（斯图加特大学） ； Technical University of Berlin, Germany（柏林技术大学） 纠错

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

AI总结 提出BioELX两阶段框架，通过维基数据多语言别名增强SapBERT检索器，并利用预训练LLM排序器进行上下文感知消歧，无需标注数据即在多个基准上取得最佳性能。

Comments 12 pages, 3 figures

Can Broad Biomedical Knowledge be Contextualized into Scenario-Grounded Propositions?

广泛的生物医学知识能否被情境化为基于场景的命题？

Qingyuan Zeng, Ziyang Chen, Pengxiang Cai, Zixin Guan, Anglin Liu, Lang Qin, Xinyao Lai, Jintai Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Guangzhou University of Chinese Medicine（广州中医药大学） 纠错

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

AI总结 提出SCENE双层多智能体框架，通过迭代搜索将广泛生物医学知识转化为证据支持的场景化命题，并在临床试验和LINCS L1000研究中验证其有效性。

ChronoMedKG: A Temporally-Grounded Biomedical Knowledge Graph and Benchmark for Clinical Reasoning

ChronoMedKG：一个具有时间基础的生物医学知识图谱和用于临床推理的基准

Md Shamim Ahmed, Farzaneh Firoozbakht, Lukas Galke Poech, Jan Baumbach, Richard Röttger

机构 * University of Southern Denmark（丹麦南部大学） ； University of Hamburg（汉堡大学） 纠错

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

AI总结 本文提出ChronoMedKG，一个包含460,497个证据链接三元组的生物医学知识图谱，覆盖13,431种疾病，通过时间组件如发病窗口或进展阶段，为临床推理提供时间基础，并引入ChronoTQA基准测试，验证了其在时间推理任务中的有效性。

Comments 9 pages main text plus appendices, 8 figures. Dataset and benchmark paper. ChronoMedKG released under CC BY 4.0 and ChronoTQA/code under MIT (Zenodo: 10.5281/zenodo.19697542). Under review

BeLink: Biomedical Entity Linking Meets Generative Re-Ranking

BeLink: 生物医学实体链接结合生成性重新排序

Darya Shlyk, Stefano Montanelli, Lawrence Hunter

机构 * University of Milan（米兰大学） ； University of Chicago（芝加哥大学） 纠错

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

AI总结 本文提出了一种基于生成模型的重新排序方法，通过指令微调提高生物医学实体链接的效率和准确性，在多个基准测试中实现了3%-24%的链接准确率提升，同时减少了推理时间。

Comments Accepted to ACM SIGIR 2026

Two-phase validation sampling via principal components to improve efficiency in multi-model estimation from error-prone biomedical databases

通过主成分进行两阶段验证抽样以提高多模型估计在误差多的生物医学数据库中的效率

Sarah C. Lotspeich, Cole Manschot

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

AI总结 本文提出了一种基于主成分分析的两阶段抽样方法，用于在多模型估计中提高效率，通过平衡和优先考虑多个模型的变量解释量，从而在误差多的生物医学数据库中更有效地进行验证。

Comments 22 pages, 5 figures, 2 tables, GitHub repositories with R package and simulation/analysis code

YAC: Bridging Natural Language and Interactive Visual Exploration with Generative AI for Biomedical Data Discovery

YAC：通过生成式AI连接自然语言与交互式视觉探索，用于生物医学数据发现

Devin Lange, Shanghua Gao, Pengwei Sui, Priya Misner, Astrid van den Brandt, Austen Money, Nikolay Akhmetov, Lisa Choy, Marinka Zitnik, Nils Gehlenborg

机构 * Harvard Medical School（哈佛医学院） 纠错

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

AI总结 本文提出YAC系统，结合自然语言输入和交互式可视化，通过生成式AI提升生物医学数据发现接口的能力，通过用户研究和系统分析改进系统设计和功能。

BELIEF: Structured Evidence Modeling and Uncertainty-Aware Fusion for Biomedical Question Answering

BELIEF: 结构化证据建模与不确定性感知融合用于生物医学问答

Chang Zong, Hao Ning, Siliang Tang, Jie Huang, Jian Wan

机构 * School of Computer Science and Technology, Zhejiang University of Science and Technology（浙江理工大学计算机科学与技术学院） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院） ； Zhejiang Key Laboratory of Biomedical Intelligent Computing Technology, Zhejiang University of Science and Technology（浙江理工大学生物医学智能计算技术重点实验室） 纠错

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

AI总结 本文提出BELIEF框架，通过结构化证据建模和不确定性感知融合，提升生物医学问答任务中检索文献的利用效率，实现对证据可靠性、不确定性以及候选假设的支持强度的显式建模。

Comments 14 pages, 6 figures

BioXArena: Benchmarking LLM Agents on Multi-Modal Biomedical Machine Learning Tasks

BioXArena：在多模态生物医学机器学习任务上评估LLM代理的基准测试

Loka Li, Duzhen Zhang, Xingbo Du, Leonard Song, Zixiao Wang, Assanali Aukenov, Noel Thomas, Shakhnazar Sailaukan, Yonghan Yang, Feilong Chen, Jiahua Dong, Kun Zhang, Bin Zhang, Le Song

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

AI总结 本文提出BioXArena基准测试，旨在评估LLM代理能否为异构多模态生物医学数据集生成任务特定的模型训练流程，包含9个领域76个端到端任务，评估指标涵盖隐藏标签、隐藏评分者和生物意识度量，通过标准化环境评估11种代理配置。

Comments 69 pages, 13 figures, 34 tables

When Evidence Conflicts: Uncertainty and Order Effects in Retrieval-Augmented Biomedical Question Answering

当证据冲突时：检索增强式生物医学问答中的不确定性与顺序效应

Yikun Han, Mengfei Lan, Halil Kilicoglu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文评估了六个开源LLM在不同证据条件下的表现，发现证据冲突导致模型准确性下降，并提出冲突感知的置疑评分以提升鲁棒性。

Comments Accepted by BioNLP 2026

BioBLP: A Modular Framework for Learning on Multimodal Biomedical Knowledge Graphs

BioBLP: 一个用于多模态生物医学知识图谱学习的模块化框架

Daniel Daza, Dimitrios Alivanistos, Payal Mitra, Thom Pijnenburg, Michael Cochez, Paul Groth

机构 * Vrije Universiteit Amsterdam（荷兰阿姆斯特丹自由大学） ； University of Amsterdam（阿姆斯特丹大学） ； Elsevier B.V.（埃森哲公司） ； Discovery Lab, Elsevier（埃森哲发现实验室） 纠错

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

AI总结 本文提出BioBLP框架，用于处理多模态生物医学知识图谱中的实体属性，支持不同模态的数据编码及缺失属性处理，并通过预训练策略提升训练效率，在药物-蛋白质相互作用预测任务中表现优于基线方法。

Journal ref J Biomed Semant 14, 20 (2023)

Biomedical Open Source Software: Crucial Packages and Hidden Heroes

生物医学开源软件：关键包与隐形英雄

Eva Maxfield Brown, Stephan Druskat, Laurent Hébert-Dufresne, James Howison, Daniel Mietchen, Andrew Nesbitt, João Felipe Pimentel, Boris Veytsman

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

AI总结 研究通过分析生物医学论文中使用的软件依赖关系，识别出对科学软件生态系统至关重要的关键包，提出软件依赖网络的中心性指标，分析PyPi、CRAN和Bioconductor三个生态系统。

Comments 20 pages, 3 figures, 5 tables. Accepted for publication in PLOS Computational Biology

Analysing Lightweight Large Language Models for Biomedical Named Entity Recognition on Diverse Ouput Formats

分析轻量级大语言模型在多种输出格式上的生物医学命名实体识别

Pierre Epron, Adrien Coulet, Mehwish Alam

机构 * Inria, Inserm, Université Paris Cité, HeKA, UMR 1346, Paris, France（法国国家科学研究中心（Inria）、法国国家医学研究院（Inserm）、巴黎城市大学（Université Paris Cité）、HeKA、法国国家科研机构（UMR 1346）、巴黎） ； Télécom Paris, Institut Polytechnique de Paris, France（巴黎电信学院（Télécom Paris）、巴黎理工学院（Institut Polytechnique de Paris）、法国） 纠错

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

AI总结 研究轻量级大语言模型在生物医学命名实体识别中的性能，评估不同输出格式对模型表现的影响，发现轻量级模型在资源受限环境下具有竞争力。

Comments LREC 2026 - Language Resources and Evaluation Conference, May 2026, Palma De Majorque, Spain

Biomedical systems biology workflow orchestration and execution with PoSyMed

生物医学系统生物学工作流编排与执行与PoSyMed

Simon Süwer, Zoe Chervontseva, Kester Bagemihl, Jan Baumbach, Olga Tsoy, Andreas Maier

机构 * Institute for Computational Systems Biomedicine, University of Hamburg（计算系统生物医学研究所，汉堡大学） ； Faculty of Science, Computer Science, Vrije Universiteit Amsterdam（科学与计算机科学学院，阿姆斯特丹自由大学） ； Department for Mathematics and Computer Science, University of Southern Denmark（数学与计算机科学系，南丹麦大学） 纠错

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

AI总结 PoSyMed平台通过模块化架构和容器化流程，提升生物医学分析的可重复性与透明度，利用大语言模型辅助工具识别与参数设置。

A Systematic Study of Biomedical Retrieval Pipeline Trade-offs in Performance and Efficiency

生物医学检索流水线性能与效率权衡的系统研究

Hayk Stepanyan, Matthew McDermott

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

AI总结 本文通过实证研究探讨了生物医学检索流水线设计对性能和效率的影响，发现语料聚合优于绝对检索质量，MedRAG/pubmed在图基（HNSW）索引下达到性能效率最优平衡。

Large Language Models Meet Biomedical Knowledge Graphs for Mechanistically Grounded Therapeutic Prioritization

大型语言模型与生物医学知识图谱结合用于机制性指导的治疗优先级排序

Chih-Hsuan Wei, Chi-Ping Day, Zhizheng Wang, Christine C. Alewine, Betty Tyler, Hasan Slika, David Saraf, Chin-Hsien Tai, Joey Chan, Robert Leaman, Zhiyong Lu

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

AI总结 本文提出DrugKLM框架，结合生物医学知识图谱与大语言模型的机制推理，提升治疗优先级排序的准确性与生物学依据。

Comments 24 pages, 5 figures in main text

Employing General-Purpose and Biomedical Large Language Models with Advanced Prompt Engineering for Pharmacoepidemiologic Study Design

利用通用和生物医药大语言模型与先进提示工程进行药事流行病学研究设计

Xinyao Zhang, Nicole Sonne Heckmann, Manuela Del Castillo Suero, Francesco Paolo Speca, Maurizio Sessa

机构 * Department of Drug Design and Pharmacology, University of Copenhagen（哥本哈根大学药物设计与药理学系） 纠错

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

AI总结 本文比较通用和生物医药大语言模型在药事流行病学研究设计中的表现，发现通用模型在相关性和逻辑性上表现更优，但提示策略对模型性能影响显著。

Building evidence-based knowledge bases from full-text literature for disease-specific biomedical reasoning

从全文文献构建基于证据的知识库以支持疾病特定的生物医学推理

Chang Zong, Sicheng Lv, Si-tu Xue, Huilin Zheng, Jian Wan, Lei Zhang

机构 * School of Computer Science and Technology, Zhejiang University of Science and Technology（浙江理工大学计算机科学与技术学院） ； Institute of Medicinal Biotechnology, Chinese Academy of Medical Sciences & Peking Union Medical College（中国医学科学院药物生物技术研究所） ； Zhejiang Key Laboratory of Biomedical Intelligent Computing Technology（浙江省生物医学智能计算技术重点实验室） 纠错

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

AI总结 本文提出EvidenceNet，一个基于全文文献构建的疾病特定知识库，通过大语言模型提取实验支持的结构化证据记录，用于生物医学推理任务。

Comments 30 pages, 5 figures, 12 tables

A Proposed Biomedical Data Policy Framework to Reduce Fragmentation, Improve Quality, and Incentivize Sharing in Indian Healthcare in the era of Artificial Intelligence and Digital Health

一种旨在减少碎片化、提高质量并激励数据共享的生物医学数据政策框架，用于印度医疗保健在人工智能和数字健康时代的应用

Nikhil Mehta, Sachin Gupta, Gouri RP Anand

机构 * Post Graduate Institute of Medical Sciences（医学研究生院） ； Amrita School of Medicine, Amrita Vishwa Vidyapeetham（阿姆里塔医学院，阿姆里塔大学） ； All India Institute of Medical Sciences（全印医学科学研究所） 纠错

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

AI总结 本文提出一个多层激励架构，通过认可数据论文、纳入开放数据指标、采用Shapley值基于的收益共享和建立数据管理员角色，解决印度医疗数据碎片化和激励不匹配问题。