医学 AI

Universal Laboratory Model: prognosis of abnormal clinical outcomes based on routine tests

Pavel Karpov, Ilya Petrenkov, Ruslan Raiman

机构 * Department of medicinal chemistry Moscow State University（药物化学系莫斯科国立大学） ； Department of computer science Samara National Research University（计算机科学系萨马拉国立研究大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Comments 7 pages, 2 figues

PhenoKG: Knowledge Graph-Driven Gene Discovery and Patient Insights from Phenotypes Alone

Kamilia Zaripova, Ege Özsoy, Nassir Navab, Azade Farshad

机构 * Technical University of Munich（技术大学慕尼黑） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Exploring proteomic signatures in sepsis and non-infectious systemic inflammatory response syndrome

Adolfo Ruiz-Sanmartín, Vicent Ribas, David Suñol, Luis Chiscano-Camón, Laura Martín, Iván Bajaña, Juliana Bastida, Nieves Larrosa, Juan José González, M Dolores Carrasco, Núria Canela, Ricard Ferrer, Juan Carlos Ruiz-Rodrígue

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Effect of Clinical History on Predictive Model Performance for Renal Complications of Diabetes

Davide Dei Cas, Barbara Di Camillo, Gian Paolo Fadini, Giovanni Sparacino, Enrico Longato

专题命中 临床大模型 ：pathology(abstract)；分类 cs.LG、q-bio

Comments 6 pages, 3 tables. In Proceedings of 19th International Conference on Computational Intelligence methods for Bioinformatics and Biostatistics (CIBB 2024), Benevento, Italy, September 4-6, 2024

Learning from Two Decades of Blood Pressure Data: Demography-Specific Patterns Across 75 Million Patient Encounters

Seyedeh Somayyeh Mousavi, Yuting Guo, Abeed Sarker, Reza Sameni

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Control of Medical Digital Twins with Artificial Neural Networks

Lucas Böttcher, Luis L. Fonseca, Reinhard C. Laubenbacher

专题命中 临床大模型 ：biomedical(abstract)；分类 cs.LG、q-bio

Comments 13 pages, 5 figures

PR-NET: Leveraging Pathway Refined Network Structures for Prostate Cancer Patient Condition Prediction

R. Li, J. Liu, X. L. Deng, X. Liu, J. C. Guo, W. Y. Wu, L. Yang

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Automated Detection of Persistent Inflammatory Biomarkers in Post-COVID-19 Patients Using Machine Learning Techniques

Ghizal Fatima, Fadhil G. Al-Amran, Maitham G. Yousif

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Counterfactual Formulation of Patient-Specific Root Causes of Disease

Eric V. Strobl

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Forecasting COVID- 19 cases using Statistical Models and Ontology-based Semantic Modelling: A real time data analytics approach

Sadhana Tiwari, Ritesh Chandra, Sonali Agarwal

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

VIRDOCD: a VIRtual DOCtor to Predict Dengue Fatality

Amit K Chattopadhyay, Subhagata Chattopadhyay

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Comments 17 pages, 5 figures, 8 tables

Journal ref Expert Systems. 2021;e12796

Neural Network Training with Highly Incomplete Datasets

Yu-Wei Chang, Laura Natali, Oveis Jamialahmadi, Stefano Romeo, Joana B. Pereira, Giovanni Volpe

专题命中 临床大模型 ：pathology(abstract)；分类 cs.LG、q-bio

Comments 11 pages, 3 figures, 1 table

Comparison of Machine Learning Classifiers to Predict Patient Survival and Genetics of GBM: Towards a Standardized Model for Clinical Implementation

Luca Pasquini, Antonio Napolitano, Martina Lucignani, Emanuela Tagliente, Francesco Dellepiane, Maria Camilla Rossi-Espagnet, Matteo Ritrovato, Antonello Vidiri, Veronica Villani, Giulio Ranazzi, Antonella Stoppacciaro, Andrea Romano, Alberto Di Napoli, Alessandro Bozzao

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

SeizureNet: Multi-Spectral Deep Feature Learning for Seizure Type Classification

Umar Asif, Subhrajit Roy, Jianbin Tang, Stefan Harrer

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Machine learning predicts early onset of fever from continuous physiological data of critically ill patients

Aditya Singh, Akram Mohammed, Lokesh Chinthala, Rishikesan Kamaleswaran

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

A Novel Decision Tree for Depression Recognition in Speech

Zhenyu Liu, Dongyu Wang, Lan Zhang, Bin Hu

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Co-Attentive Cross-Modal Deep Learning for Medical Evidence Synthesis and Decision Making

Devin Taylor, Simeon Spasov, Pietro Liò

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Comments 7 pages, 2 figures, Machine Learning for Health (ML4H) at NeurIPS 2019 - Extended Abstract, clarified graph and math notation, typos corrected

WaveletBrain: Characterization of human brain via spectral graph wavelets

Majid Masoumi, Matthew Toews, Herve Lombaert

专题命中 临床大模型 ：diagnosis(abstract)；分类 q-bio、eess.IV

Labeler-hot Detection of EEG Epileptic Transients

Lukasz Czekaj, Wojciech Ziembla, Pawel Jezierski, Pawel Swiniarski, Anna Kolodziejak, Pawel Ogniewski, Pawel Niedbalski, Anna Jezierska, Daniel Wesierski

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

Comments 5 pages, 6 figures, 1 table

Smooth Flow Matching for Synthesizing Functional Data

平滑流匹配用于合成函数数据

Jianbin Tan, Anru R. Zhang

机构 * Department of Biostatistics & Bioinformatics, Duke University（杜克大学生物统计与生物信息学系） ； Department of Computer Science, Duke University（杜克大学计算机科学系） 纠错

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

AI总结 本文提出平滑流匹配框架，解决函数数据生成中的隐私、稀疏采样等挑战，通过高效方法生成高质量数据，适用于医疗记录等场景。

Comments Accepted for publication in The Annals of Statistics

FoMoH: A clinically meaningful foundation model evaluation for structured electronic health records

FoMoH：针对结构化电子健康记录的具有临床意义的基础模型评估

Vincent Jeanselme, Zilin Jing, Aparajita Kashyap, Chao Pang, Florent Pollet, Young Sang Choi, Xinzhuo Jiang, Yuta Kobayashi, Yanwei Li, Sara Matijevic, Karthik Natarajan, Shalmali Joshi

机构 * Department of Biomedical Informatics Columbia University（生物医学信息学系 哥伦比亚大学） 纠错

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

AI总结 本研究构建含14项临床预测任务的基准，评估6种EHR基础模型，发现其在标注数据有限时区分性能更优、群体公平性更好，但低患病率场景表现差、跨机构可迁移性不足。

Trajectory-guided discharge stratification for heart failure using short-context electronic health record sequence modeling

利用序列建模预测心力衰竭患者一年临床不稳定性和死亡率

Falk Dippel, Yinan Yu, Annika Rosengren, Martin Lindgren, Christina E. Lundberg, Erik Aerts, Martin Adiels, Helen Sjöland

机构 * Sahlgrenska University Hospital（斯德哥尔摩大学医院） ； Department of Computer Science and Engineering, Chalmers University of Technology and University of Gothenburg（计算机科学与工程系，查尔姆斯理工大学和乌普萨拉大学） ； Department of Molecular and Clinical Medicine, Sahlgrenska Academy, University of Gothenburg（分子与临床医学系，斯德哥尔摩学院，乌普萨拉大学） ； Department of Medicine, Geriatrics and Emergency Medicine, Sahlgrenska University Hospital（医学、老年医学和急诊医学系，斯德哥尔摩大学医院） ； Department of Food and Nutrition, and Sport Science, Faculty of Education, University of Gothenburg（营养学与体育科学系，教育学院，乌普萨拉大学） ； School of Public Health and Community Medicine, Institute of Medicine, University of Gothenburg（公共卫生与社区医学系，医学院，乌普萨拉大学） 纠错

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

AI总结 研究通过序列模型预测心力衰竭患者一年内的临床不稳定性和死亡风险，发现Llama模型在有限数据下表现优异，为出院后风险分层提供依据。

Cardiovascular Digital Twins from Physics Based to Data Driven Approaches

心血管数字孪生：从基于物理的方法到数据驱动的方法

Emmanuel Lwele, Francis Chikweto

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

AI总结 该研究综述了心血管数字孪生的建模范式，对比了机理模型与数据驱动方法的优劣，介绍了融合物理约束与关系学习的新兴方法，探讨了其临床转化路径，为心血管数字孪生的发展提供了参考。

EHR2Path: Comprehensive Pathway-Level Modeling of Longitudinal Patient Trajectories from Multimodal Electronic Health Records

EHR2Path：从多模态电子健康记录中可扩展地建模纵向患者路径

Chantal Pellegrini, Ege Özsoy, David Bani-Harouni, Matthias Keicher, Nassir Navab

机构 * Technical University of Munich（慕尼黑技术大学） ； TUM School of Computation, Information and Technology（慕尼黑技术大学计算、信息与技术学院） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

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

AI总结 EHR2Path通过统一的时序表示建模更广泛的患者信息，提升对住院患者路径的预测和模拟能力，优于现有基线方法。

CalTwin: Towards Calibrated, Shift-Robust Medical World Models via Fisher-Information Regularisation

CalTwin：基于Fisher信息正则化的校准、分布偏移鲁棒医学世界模型研究

Behraj Khan, Shabir Ahmad, Syed Ahmad Chan Bukhari, Tahir Qasim Syed

机构 * Institute of Business Administration Karachi（卡拉奇商业管理学院） ； Gachon University（嘉泉大学） ； St. John’s University（圣约翰大学） 纠错

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

AI总结 本研究提出CalTwin方法，结合Fisher信息偏移惩罚与置信度失配惩罚，应用于GRU医学世界模型，在PhysioNet脓毒症挑战赛上显著降低了分布外隐状态预测误差，同时改善了置信度校准。

GraphDiffMed: Knowledge-Constrained Differential Attention with Pharmacological Graph Priors for Medication Recommendation

GraphDiffMed: 基于药理图先验的知识约束差分注意力用于药物推荐

Krati Saxena, Tomohiro Shibata

机构 * Kyushu Institute of Technology（九州工业大学） 纠错

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

AI总结 本文提出GraphDiffMed，一种结合噪声感知注意力和药理约束的药物推荐框架，通过双尺度差分注意力在院内和院间层面过滤虚假信号，提升推荐质量和安全性。

Journal ref Springer Nature Switzerland AG 2027

Using binary silver labels in electronic health records-based computable phenotyping algorithms

在基于电子健康记录的可计算表型算法中使用二元银标签

Shuhe Wang, Matthew T. Slaughter, Jennifer C. Nelson, Brian D. Williamson

机构 * Department of Biostatistics, University of Washington（华盛顿大学生物统计学系） ； Kaiser Permanente Center for Health Research（凯撒医疗研究中心） ； Biostatistics Division, Kaiser Permanente Washington Health Research Institute（凯撒医疗华盛顿健康研究机构生物统计学部） ； Kaiser Permanente Washington Health Research Institute（凯撒医疗华盛顿健康研究机构） ； Vaccine and Infectious Disease Division, Fred Hutchinson Cancer Center（弗雷德 Hutchinson 癌症中心疫苗与传染病部） 纠错

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

AI总结 研究针对电子健康记录研究中二元银标签应用问题，提出二元PheNorm算法，直接在去噪步骤使用二元银标签生成表型评分，还考虑高维设置及组合模型，模拟和实际案例中该算法提升了性能，是实用的弱监督方法。

Generative Augmentation of Raman Spectra for Glioma Classification

用于脑胶质瘤分类的拉曼光谱生成式增强

Andrei Iuşan, Iulian Vasile, Daria Voiculescu, Ion Petre, Andrei Păun, Bogdan Oancea, Mihaela Păun

机构 * National Institute of Research and Development for Biological Sciences（罗马尼亚生物科学研究与发展国家研究所） ； University of Turku（图尔库大学） ； Research Institute for Artificial Intelligence “Mihai Drăgănescu”, Romanian Academy（罗马尼亚科学院“米哈伊·德拉格内斯库”人工智能研究所） ； University of Bucharest（布加勒斯特大学） 纠错

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

AI总结 针对脑胶质瘤拉曼光谱数据集小且异质的问题，开发条件变分自编码器生成合成光谱增强真实训练数据，在严格协议下评估，结果表明该方法能提升分类性能，支持深度生成式增强可提高机器学习在相关应用中的鲁棒性。

SYNRARE: Synthetic Rare Disease EHR Generation for ML Benchmarking

SYNRARE：用于机器学习基准测试的合成罕见病电子健康记录生成

Nicolai Dinh Khang Truong, Richard Röttger

机构 * University of Southern Denmark（南丹麦大学） 纠错

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

AI总结 针对罕见病诊断因症状相似易延迟且机器学习算法应用受法律隐私限制的问题，提出基于Synthea框架的图形用户界面SYNRARE，可生成与常见疾病患者有可定义差异的合成电子健康记录，用于机器学习算法基准测试。

Comments Intended for submission to the Application Notes Bioinformatics Journal

X-FEMR: A Token-level Explainable Approach for Electronic Health Records Foundation Models using Transformer-based Models

X-FEMR：一种使用基于Transformer的模型对电子健康记录基础模型进行令牌级可解释的方法

Jie Huang, Pengfei Yin, Zihan Xu, Daniel Capurro, Mike Conway, Ting Dang

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） ； Royal Melbourne Hospital（皇家墨尔本医院） 纠错

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

AI总结 针对电子健康记录基础模型是黑箱模型的问题，提出基于Transformer的令牌级可解释性方法，训练替代模型近似其行为，识别有影响力令牌，引入临床对齐度量，结果显示该方法能实现可解释且可信的临床人工智能。

Comments Accepted by IJCAI-ECAI 2026 AI and Health Track