医学 AI

Medical Incident Causal Factors and Preventive Measures Generation Using Tag-based Example Selection in Few-shot Learning

基于标签的示例选择在少样本学习中生成医疗事件因果因素和预防措施

Yuna Haseyama, Tomoki Ito, Hiroki Sakaji, Itsuki Noda

机构 * Graduate School of Information Science（信息科学研究生院） ； Technology Hokkaido University Hokkaido, Japan（技术 Hokkaido 大学 Hokkaido, Japan） ； National Institute of Information（信息国家研究所） ； Faculty of Information Science（信息科学学院） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)

AI总结 本文提出基于标签的少样本学习方法，利用日本医疗事件数据集，通过对比随机采样、相似度选择和标签方法，验证标签选择能提高生成精度和稳定性。

Information Greenhouse: Optimal Persuasion for Medical Test-Avoiders

信息温室：医疗测试规避者的最优说服

Zhuo Chen

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文研究医生与医疗测试规避患者之间的最优沟通，探讨在测试后是否接受治疗的决策，通过警告与安抚的平衡来制定最优策略。

MedExAgent: Training LLM Agents to Ask, Examine, and Diagnose in Noisy Clinical Environments

MedExAgent：训练LLM代理在嘈杂的临床环境中提问、检查和诊断

Yicheng Gao, Xiaolin Zhou, Yahan Li, Yue Zhao, Ruishan Liu

机构 * University of Southern California（南加州大学） ； Arizona State University（亚利桑那州立大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文提出MedExAgent，通过两阶段流程训练医疗诊断代理，结合合成对话和DAPO优化，实现高效诊断与成本控制。

Real-World Doctor Agent with Proactive Consultation through Multi-Agent Reinforcement Learning

现实世界中的医生代理通过多智能体强化学习实现主动咨询

Yichun Feng, Jiawei Wang, Lu Zhou, Yikai Zheng, Zhen Lei, Yixue Li

机构 * Guangzhou National Laboratory（广州国家实验室） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文提出DoctorAgent-RL框架，通过多智能体强化学习提升医疗咨询的动态决策能力，实现70%的准确诊断匹配率，验证了其在现实中的有效性。

End-to-End Evaluation and Governance of an EHR-Embedded AI Agent for Clinicians

面向临床医生的嵌入式电子健康记录（EHR）AI代理的端到端评估与治理

Aaryan Shah, Andrew Hines, Alexia Downs, Denis Bajet, Paulius Mui, Fabiano Araujo, Laura Offutt, Aida Rutledge, Elizabeth Jimenez

机构 * Canvas Medical ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； XPC (X Primary Care)（XPC（X初级医疗）） ； FCA Consulting（FCA咨询） ； Department of Pediatrics, University of Nevada（内华达大学儿科系） 纠错

专题命中 临床大模型 ：clinical AI(abstract)

AI总结 本文提出一个端到端治理框架，通过rubric验证、实时部署反馈、技术性能监控和成本追踪，持续优化临床AI系统性能，实验显示系统性能显著提升。

Comments 19 pages, 6 figures, 6 tables, submitted to npj Digital Medicine

Integrating Uncertainty Quantification into Computational Fluid Dynamics Models of Coronary Arteries Under Steady Flow

将不确定性量化整合到冠状动脉在稳态流下的计算流体动力学模型中

Muhammad Usman, Peter N. Castillo, Akil Narayan, Lucas H. Timmins

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文通过引入不确定性量化方法，分析输入血流参数对血管壁剪切应力的影响，提升计算模型在临床中的可信度和应用价值。

Serialisation Strategy Matters: How FHIR Data Format Affects LLM Medication Reconciliation

序列化策略至关重要：FHIR数据格式如何影响LLM药物重整

Sanjoy Pator

机构 * Independent Researcher（独立研究者） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)

AI总结 研究探讨FHIR数据序列化对LLM药物重整性能的影响，发现临床叙述格式在小模型中表现更优，而大模型更倾向使用原始JSON，揭示了序列化策略对临床安全审计的重要性。

Comments 14 pages, 7 figures, independent research

First, Do No Harm (With LLMs): Mitigating Racial Bias via Agentic Workflows

首先，不要伤害（与LLM一起）：通过代理工作流减轻种族偏见

Sihao Xing, Zaur Gouliev

机构 * School of Enterprise Computing and Digital Transformation（企业计算与数字化转型学院） ； Technological University Dublin（都柏林技术大学） ； School of Information and Communication Studies（信息与传播研究学院） ； University College Dublin（都柏林大学学院） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 研究通过代理工作流评估医疗LLM中的种族偏见，发现DeepSeek V3在诊断任务中表现最佳，嵌入代理工作流后显著降低偏见指标。

EMSDialog: Synthetic Multi-person Emergency Medical Service Dialogue Generation from Electronic Patient Care Reports via Multi-LLM Agents

EMSDialog: 通过多LLM代理从电子患者护理报告生成合成多人紧急医疗服务体系对话

Xueren Ge, Sahil Murtaza, Anthony Cortez, Homa Alemzadeh

机构 * School of Engineering and Applied Sciences, University of Virginia（弗吉尼亚大学工程与应用科学学院） ； School of Medicine, University of Virginia（弗吉尼亚大学医学院） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文提出基于ePCR的多代理生成流程，生成4414个合成多说话者EMS对话数据集，提升EMS对话诊断预测的准确性、及时性和稳定性。

Comments Accepted by ACL Findings 2026

RePrompT: Recurrent Prompt Tuning for Integrating Structured EHR Encoders with Large Language Models

RePrompT：基于结构化电子健康记录编码器的循环提示微调

Arya Hadizadeh Moghaddam, Drew Ross, Mohsen Nayebi Kerdabadi, Dongjie Wang, Zijun Yao

机构 * University of Kansas（堪萨斯大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 RePrompT通过循环整合结构化EHR编码器与大语言模型，解决时间序列信息丢失和代码身份模糊问题，提升临床预测性能。

Comments Finding of ACL 2026 - Accepted Paper

Calibrated? Not for Everyone: How Sexual Orientation and Religious Markers Distort LLM Accuracy and Confidence in Medical QA

校准？并非人人适用：性取向和宗教标志如何扭曲LLM在医疗问答中的准确性和置信度

Alberto Testoni, Iacer Calixto

机构 * Department of Medical Informatics, Amsterdam University Medical Center, University of Amsterdam, Amsterdam, The Netherlands（阿姆斯特丹大学医学信息学系，阿姆斯特丹大学医学中心，阿姆斯特丹，荷兰） ； Amsterdam Public Health, Methodology, Amsterdam, The Netherlands（阿姆斯特丹公共卫生，方法学，阿姆斯特丹，荷兰） 纠错

专题命中 临床大模型 ：biomedical(abstract)

AI总结 本文研究了患者的社会描述（性取向和宗教归属）如何扭曲LLM的不确定性信号和准确性，发现身份标志导致校准危机，影响置信度信号的可靠性，对医疗部署构成风险。

Comments Accepted to ACL 2026 (Main Conference)

From Attribution to Abstention: Training-Free Attention-Based Auditing for Clinical Summarization

从归因到回避：基于注意力的无训练审计用于临床摘要

Qianqi Yan, Huy Nguyen, Sumana Srivatsa, Hari Bandi, Xin Eric Wang, Krishnaram Kenthapadi

机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Oracle Health AI 纠错

专题命中 临床大模型 ：radiology(abstract)

AI总结 本文提出ClinTrace框架，通过解码器注意力权重提取临床有用信号，实现无训练的注意力基于审计，提升临床摘要的透明性和可靠性，显著优于基线方法。

Query pipeline optimization for cancer patient question answering systems

癌症患者问答系统中的查询管道优化

Maolin He, Rena Gao, Mike Conway, Brian E. Chapman

机构 * School of Computing and Information Systems, University of Melbourne（墨尔本大学计算与信息系统学院） ； Health Data Science and Biostatistics, University of Texas Southwestern Medical Center（德克萨斯西南医学中心健康数据科学与生物统计学） 纠错

专题命中 临床大模型 ：biomedical(abstract)

AI总结 本文提出了一种针对癌症患者问答系统的RAG查询管道三方面优化方法，通过改进文档检索、段落检索和语义表示，提升了回答准确性。

Comments This paper has been accepted as a Findings Paper in ACL 2026

TrajOnco: a multi-agent framework for temporal reasoning over longitudinal EHR for multi-cancer early detection

TrajOnco：一个用于纵向电子健康记录上时间推理的多智能体框架，用于多癌症早期检测

Sihang Zeng, Young Won Kim, Wilson Lau, Ehsan Alipour, Ruth Etzioni, Meliha Yetisgen, Anand Oka

机构 * Truveta Inc.（Truveta公司） ； University of Washington（华盛顿大学） ； Fred Hutch Cancer Center（弗雷德·哈钦森癌症中心） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 TrajOnco通过多智能体框架对纵向EHR中的时间序列临床事件进行推理，生成患者总结和风险评分，实现多癌症早期检测。

To Adapt or not to Adapt, Rethinking the Value of Medical Knowledge-Aware Large Language Models

是否适应？重新思考医疗知识意识大型语言模型的价值

Ane G. Domingo-Aldama, Iker De La Iglesia, Maitane Urruela, Aitziber Atutxa, Ander Barrena

机构 * University of the Basque Country（巴斯克大学） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)

AI总结 研究通过比较通用与临床LLM在多选题任务中的表现，发现临床模型在英语任务中不占优势，但在西班牙语任务中表现更好，表明现有评估框架可能不足以体现真实医疗专业知识。

Representation learning to advance multi-institutional studies with electronic health record data from US and France

利用表示学习推动多机构研究的电子健康记录数据：来自美国和法国的数据

Doudou Zhou, Han Tong, Linshanshan Wang, Suqi Liu, Xin Xiong, Ziming Gan, Romain Griffier, Boris Hejblum, Yun-Chung Liu, Chuan Hong, Clara-Lea Bonzel, Tianrun Cai, Kevin Pan, Yuk-Lam Ho, Lauren Costa, Vidul A. Panickan, J. Michael Gaziano, Kenneth Mandl, Vianney Jouhet, Rodolphe Thiebaut, Zongqi Xia, Kelly Cho, Katherine Liao, Tianxi Cai

机构 * Department of Statistics and Data Science, National University of Singapore（新加坡国立大学统计与数据科学系） ； Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Harvard Medical School（哈佛医学院） ； Department of Statistics, University of Chicago（芝加哥大学统计系） ； Univ. Bordeaux, INSERM, Bordeaux Population Health Research Center（波尔多大学，法国国家健康与医学研究院，波尔多人口健康研究中心） ； CHU de Bordeaux, Service d’Information Médicale（波尔多大学医院医学信息部） ； Inria SISTM Team（法国国家信息与自动化研究所SISTM团队） ； Duke University（杜克大学） ； VA Boston Healthcare System（VA波士顿医疗系统） ； Brigham and Women’s Hospital（布里格姆妇女医院） ； Brown University（布朗大学） ； Computational Health Informatics Program, Boston Children’s Hospital（波士顿儿童医院计算健康信息学项目） ； Department of Neurology, University of Pittsburgh（匹兹堡大学神经病学系） 纠错

专题命中 临床大模型 ：biomedical(abstract)

AI总结 本文提出基于图的框架，通过学习共享语义空间解决多机构电子健康记录数据表示不一致问题，提升跨机构临床模型训练与部署的鲁棒性。

Beyond Idealized Patients: Evaluating LLMs under Challenging Patient Behaviors in Medical Consultations

超越理想化患者：在医疗咨询中评估LLM在挑战性患者行为下的表现

Yahan Li, Xinyi Jie, Wanjia Ruan, Xubei Zhang, Huaijie Zhu, Yicheng Gao, Chaohao Du, Ruishan Liu

机构 * University of Southern California（南加州大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文研究了医疗咨询中常见的挑战性患者行为，定义了四种行为类别，并提出了CPB-Bench基准测试集，评估了多种LLM在处理这些行为时的表现，发现模型在处理矛盾或医学上不合理的患者信息时存在困难。

A scalable Bayesian functional factor model for high-dimensional longitudinal molecular data

可扩展的贝叶斯函数因子模型用于高维纵向分子数据

Salima Jaoua, Daniel Temko, Hélène Ruffieux

专题命中 临床大模型 ：biomedical(abstract)

AI总结 本文提出一种可扩展的贝叶斯函数因子模型，用于分析高维纵向分子数据，结合潜在因子建模与函数主成分分析，以捕捉共享的时间程序和个体差异，通过稀疏性诱导先验实现可解释的因子结构。

Selective Fine-Tuning of GPT Architectures for Parameter-Efficient Clinical Text Classification

针对参数高效临床文本分类的GPT架构选择性微调

Fariba Afrin Irany, Sampson Akwafuo

专题命中 临床大模型 ：radiology(abstract)

AI总结 本文提出一种参数高效的GPT-2选择性微调框架，通过冻结大部分参数仅更新关键模块，实现高效临床文本分类，在5万份放射报告上达到91%的准确率，兼顾性能与效率。

Don't Disregard the Data for Lack of a Likelihood: Bayesian Synthetic Likelihood for Enhanced Multilevel Network Meta-Regression

不要因缺乏似然而忽视数据：用于增强多级网络元回归的贝叶斯合成似然

Harlan Campbell, Charles C. Margossian, Jeroen P. Jansen, Paul Gustafson

专题命中 临床大模型 ：pathology(abstract)

AI总结 本文提出利用贝叶斯合成似然方法解决多级网络元回归中缺失数据问题，通过合成似然提升模型性能，展示其在银屑病试验网络中的应用效果。

Telehealth Control Policies: Bridging the Gap Between Patients and Doctors

远程医疗控制策略：连接患者与医生的桥梁

Shuwen Lu, Mark E. Lewis, Jamol Pender

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文提出了一种基于远程医疗的患者护理策略，通过分析两阶段排队系统，设计了在不同参数下鲁棒且高效的启发式方法，以提高医疗资源利用效率。

Optimizing Complex Health Intervention Packages through the Learn-As-you-GO (LAGO) Design

通过Learn-As-you-GO (LAGO)设计优化复杂健康干预方案

Donna Spiegelman, Dong Roman Xu, Ante Bing, Guangyu Tong, Mona Abdo, Jingyu Cui, Charles Goss, John Baptist Kiggundu, Chris T. Longenecker, LaRon Nelson, Drew Cameron, Fred Semitala, Xin Zhou, Judith J. Lok

专题命中 临床大模型 ：biomedical(abstract)

AI总结 LAGO设计通过动态调整干预措施，优化复杂公共卫生干预方案的效率和效果，以减少试验失败风险。

From Beam to Bedside: Reinforcing Domestic Supply of $^{99}$Mo/$^{99m}$Tc using Novel High-Current D+ Cyclotrons for Compact Neutron Generation and $^{99}$Mo Production

从束流到床边：利用新型高流强D+回旋加速器强化国内$^{99}$Mo/$^{99m}$Tc供应

Jarrett Moon, Daniel Winklehner, Jose Alonso, Claire Huchthausen, David McClain, Janet Conrad

专题命中 临床大模型 ：biomedical(abstract)

AI总结 利用新型高流强D+回旋加速器实现国内$^{99}$Mo/$^{99m}$Tc供应，减少对外国反应堆和高浓缩铀的依赖。

A Framework for Transparent Reporting of Data Quality Analysis Across the Clinical Electronic Health Record Data Lifecycle

面向临床电子健康记录数据生命周期的数据质量分析透明报告框架

Melinda Wassell, Kerryn Butler-Henderson, Karin Verspoor

专题命中 临床大模型 ：clinical AI(abstract)

AI总结 本研究提出一个框架，用于在临床电子健康记录数据生命周期中透明报告数据质量评估，以提高数据再利用的透明性和可靠性。

Comments 6 pages, 1 figure. Submitted to IoS Press, Studies in Health Technology and Informatics as conference proceedings for AIDH Health Innovation Community Conference Ethics Approval: Royal Melbourne Institute of Technology #26603

MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval

MED-COPILOT：一种基于图RAG和相似患者案例检索的医疗助手

Shuheng Chen, Namratha Patil, Haonan Pan, Angel Hsing-Chi Hwang, Yao Du, Ruishan Liu, Jieyu Zhao

机构 * University of Southern California（南加州大学） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)

AI总结 MED-COPILOT通过结合图RAG和相似患者案例检索，提升临床决策支持系统的证据整合与推理准确性。

From Generative Modeling to Clinical Classification: A GPT-Based Architecture for EHR Notes

从生成建模到临床分类：一种基于GPT的架构用于电子健康记录笔记

Fariba Afrin Irany, Sampson Akwafuo

专题命中 临床大模型 ：radiology(abstract)

AI总结 本文提出一种基于GPT的架构，通过选择性微调预训练模型，实现高效且有效的临床文本分类，适用于电子健康记录数据。

Comments This submission is a full-length research manuscript consisting of 37 pages and 15 figures. The paper presents a GPT-based architecture with selective fine-tuning for clinical text classification, including detailed architectural diagrams, learning curves, and evaluation figures such as ROC curves and confusion matrices

The impact of electronic health records (EHR) data continuity on prediction model fairness and racial-ethnic disparities

电子健康记录（EHR）数据连续性对预测模型公平性和种族-族裔差异的影响

Yu Huang, Jingchuan Guo, Zhaoyi Chen, Jie Xu, William T Donahoo, Olveen Carasquillo, Hrushyang Adloori, Jiang Bian, Elizabeth A Shenkman

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 研究探讨了EHR数据连续性对预测模型公平性和种族-族裔差异的影响，发现数据不连续性导致信息偏差，影响模型性能与公平性。

Comments Substantial revision planned: We're preparing a significantly revised version and prefer to withdraw the current one rather than leave a misleading draft up

PVminer: A Domain-Specific Tool to Detect the Patient Voice in Patient Generated Data

PVminer: 一个专门领域工具用于在患者生成数据中检测患者声音

Samah Fodeh, Linhai Ma, Yan Wang, Srivani Talakokkul, Ganesh Puthiaraju, Afshan Khan, Ashley Hagaman, Sarah Lowe, Aimee Roundtree

机构 * Department Of Emergency Medicine , Yale School of Medicine , 464 Congress Ave , 06519 , CT , USA ； Department of Biomedical Informatics \& Data Science , Yale School of Medicine , 100 College Street , 06510 , CT , USA ； Department of Social ； Behavioral Sciences , Yale School of Public Health , 60 College Street , 06520 , CT , USA ； Division of Research , Texas State University , 601 University Dr. , 78666 , TX , USA 纠错

专题命中 临床大模型 ：biomedical(abstract)

AI总结 PVminer是一种专门领域NLP工具，通过多标签多类预测任务整合BERT编码器和主题建模，实现对患者声音的高效检测与分类。

More than Decision Support: Exploring Patients' Longitudinal Usage of Large Language Models in Real-World Healthcare-Seeking Journeys

超越决策支持：探索患者在真实世界医疗寻求旅程中大型语言模型的纵向使用

Yancheng Cao, Yishu Ji, Chris Yue Fu, Sahiti Dharmavaram, Meghan Turchioe, Natalie C Benda, Lena Mamykina, Yuling Sun, Xuhai "Orson" Xu

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文通过为期四周的日记研究，探讨患者在真实世界医疗寻求旅程中如何将LLM作为动态伴侣，改变传统患者-提供者关系中的权力动态，并提出未来LLM应作为纵向边界伴侣持续调解患者与临床医生之间的互动。

Comments Conditionally accepted to CHI Conference on Human Factors in Computing Systems (CHI'26)

Dialogue is Better Than Monologue: Instructing Medical LLMs via Strategical Conversations

对话优于独白：通过战略对话指导医学LLM

Zijie Liu, Xinyu Zhao, Jie Peng, Zhuangdi Zhu, Qingyu Chen, Kaidi Xu, Xia Hu, Tianlong Chen

机构 * UNC at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Science and Technology of China（中国科学技术大学） ； George Mason University（乔治·马歇尔大学） ； Yale University（耶鲁大学） ； City University of Hong Kong（香港城市大学） ； Rice University（得克萨斯大学奥斯汀分校） 纠错

专题命中 临床大模型 ：medical AI(abstract)

AI总结 通过战略对话指导医学LLM，提升多轮推理和嘈杂环境下的准确率

Comments EACL 2026