医学 AI

Machine Learning for Biomedical Raman Spectroscopy: From Spectral Acquisition to Clinical Translation

生物医学拉曼光谱的机器学习：从光谱采集到临床转化

Bogdan Oancea, Ana Maria Seciu-Grama, Nicoleta Siminea, Laura Mihaela Stefan, Alice Stoica, Joel Sjoberg, Marian Necula, Ana-Maria Prelipcean, Corneliu Ovidiu Vrancianu, Eduard Milea, Andrei Păun, Ion Petre, Mihaela Păun

机构 * National Institute of Research and Development for Biological Sciences（罗马尼亚生物科学研究院） ； University of Bucharest（布加勒斯特大学） ； University of Turku（图尔库大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；pathology(abstract)；diagnosis(abstract)；分类 cs.LG

AI总结 综述机器学习在生物医学拉曼光谱全流程中的应用，包括预处理、诊断分类、可解释性分析及临床转化障碍，强调标准化与鲁棒验证的必要性。

Comments 52 pages, 2 figures

RetiSEM: Generalising Causal Models for Fragmented Biomedical Data

RetiSEM：泛化碎片化生物医学数据的因果模型

Inam Ullah, Imran Razzak, Shoaib Jameel

机构 * University of Southampton（南安普顿大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；medical AI(abstract)；分类 cs.CV

AI总结 提出RetiSEM框架，通过领域约束的结构方程模型从碎片化生物医学数据中恢复因果图并进行中介分析，在合成和真实数据上优于无约束基线。

LoRSA: Toward Generalizable Parameter-Efficient Fine-Tuning for Biomedical Downstream Tasks

LoRSA：面向生物医学下游任务的可泛化参数高效微调方法

Saed Moradi, Benyamin Ghojogh, M. Hadi Sepanj, Yimin Yang, Ashirbani Saha

机构 * McMaster University（麦克马斯特大学） ； University of Waterloo（滑铁卢大学） ； Western University（西安大略大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.CV、cs.LG

AI总结 本文提出LoRSA框架，联合学习两类低秩分量实现生物医学视觉模型的参数高效微调，在乳腺密度分类任务中显著提升了模型对未见医学影像域的泛化性能。

THBKG: A Temporal Biomedical Knowledge Graph for Decision-Aligned Clinical Advancement Prediction

THBKG：用于决策对齐的临床进展预测的时间生物医学知识图谱

Pui Chung Siu, Claudia Cabrera, Mani Mudaliar, Arkaitz Zubiaga

机构 * Queen Mary University of London（伦敦玛丽女王大学） ； Recursion Pharmaceuticals Inc.（Recursion制药公司） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG、q-bio

AI总结 该研究提出THBKG时间生物医学知识图谱，通过图传播方法预测靶点-疾病对的临床进展，在无直接证据的对中表现优异，还提供可解释预测的路径解释器。

Comments 19 pages, 11 figures, 8 tables

Measurement noise limits the advantage of nonlinear models over linear models in biomedical prediction

测量噪声限制了非线性模型在生物医学预测中相对于线性模型的优势

Marc-Andre Schulz, Kerstin Ritter

机构 * Hertie Institute for AI in Brain Health, University of Tübingen（赫蒂人工智能脑健康研究所，图宾根大学） ； Tübingen AI Center, University of Tübingen（图宾根人工智能中心，图宾根大学） ； Department of Psychiatry and Neurosciences, Charité – Universitätsmedizin Berlin（精神病学与神经科学系，柏林夏里特医学院） ； Bernstein Center for Computational Neuroscience, Berlin（伯恩斯坦计算神经科学中心，柏林） ； German Center for Mental Health (DZPG), partner site Tübingen（德国心理健康中心（DZPG），图宾根合作站点） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG、q-bio

AI总结 本文指出，在生物医学表格数据中，测量噪声会削弱非线性结构，导致非线性模型与线性模型性能相当，并提出了一个精确的超额风险恒等式，揭示了测量可靠性、样本量和特征表示三个条件必须同时满足才能体现非线性优势。

BioHarness: Substrate-Aware Evidence Assembly for Biomedical Question Answering across Literature, Knowledge Bases, and Biological Atlases

BioHarness：面向生物医学问答的底物感知证据组装——跨文献、知识库和生物图谱

Meng Xiao, Chuan Qin, Jinmiao Chen, Yihang Cheng, Yuanchun Zhou, Hengshu Zhu

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 q-bio

AI总结 提出BioHarness，通过级联控制机制在文献检索、知识库和生物图谱间选择性组装证据，提升生物医学问答准确率，在19,302个问答项上得分从65.9提升至71.0。

Comments 14 Pages, 11 Figures, Keywords: biomedical question answering; retrieval-augmented generation; large language models; evidence assembly; biomedical knowledge bases; biological atlases

MolBioKG: Grounding Out-of-Graph Molecules in Biomedical Knowledge Graphs via Multi-Resolution Structural Anchoring

MolBioKG：通过多分辨率结构锚定将图外分子锚定到生物医学知识图谱中

Yiming Zhang, Hikaru Shindo, Shuan Chen, Kaushalya Madhawa, Jun Jin Choong, Yuna Oikawa, Takashi Fujiwara, Keisuke Ozawa

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG

AI总结 MolBioKG是解决生物医学KG中图外分子冷启动问题的两层系统，通过多分辨率结构锚定实现分子与KG的关联，在多项任务中优于基线并提升关键指标。

Comments Preprint

Neighborhood-Aware Dual Biomedical Entity Linking

感知邻域的双生物医学实体链接

Yicheng Tao, Jie Liu

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG

AI总结 针对生物医学实体链接的挑战，提出三阶段框架PILOT，在五个基准上取得最优性能且推理高效。

On the Utility and Factual Reliability of Pruned Mixture-of-Experts Models in the Biomedical Domain

关于剪枝后的混合专家模型在生物医学领域的实用性与事实可靠性

Atsuki Yamaguchi, Szymon Palucha, Léo Bijar, Aline Villavicencio, Nikolaos Aletras

机构 * University of Sheffield（谢菲尔德大学） ； AstraZeneca（阿斯利康） ； University of Exeter（埃克塞特大学） ； Federal University of Rio Grande do Norte（北里奥格兰德联邦大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG

AI总结 研究通过结构化专家剪枝降低混合专家模型部署成本，评估剪枝对生物医学领域实用性与事实可靠性的影响，发现适度剪枝保持领域内性能但极端剪枝增加幻觉风险。

Comments Under review

Unifying Adaptive Fourier and Möbius-Based Models for Efficient and Interpretable Biomedical Signal Decomposition

统一自适应傅里叶与基于莫比乌斯的模型以实现高效且可解释的生物医学信号分解

Christian Canedo, Rocío Carratalá-Sáez, Cristina Rueda

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 eess.SP

AI总结 本文证明自适应傅里叶分解（AFD）与调频莫比乌斯（FMM）模型在数学上等价，并扩展至多通道信号，为结合AFD的计算优势与FMM的可解释性提供理论基础。

BioMedVR: Confusion-Aware Mixture-of-Prompt Experts for Biomedical Visual Reprogramming

BioMedVR: 面向生物医学视觉重编程的混淆感知提示专家混合模型

Jiaxiang Liu, Tianxiang Hu, Juwei Guan, Yujie Wu, Yusong Wang, Yao Mu, Zuozhu Liu, Mingkun Xu

机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科技研究院） ； Zhejiang University（浙江大学） ； Southeast University（东南大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Institute of Science Tokyo（东京科学大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.CV

AI总结 提出BioMedVR框架，通过可学习的VR模块实现预训练VLM在生物医学图像上的少样本适应，利用混淆最小化机制和提示专家混合模型解决细粒度分类中的类间混淆问题，在18个数据集上验证了优越性能。

Comments Accepted at ECCV 2026. 19 pages, 6 figures. Project page: https://jxliu-ai.github.io/biomedvr-page/

ANCHOR-RE: An Agentic Neuro-Symbolic Framework for Grounded Biomedical Relation Extraction

ANCHOR-RE：用于接地生物医学关系抽取的智能体神经符号框架

Shufan Ming, Yikun Han, Gibong Hong, Rui Zhang, Halil Kilicoglu

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

AI总结 该研究提出ANCHOR-RE框架，将本体引导推理等集成到LLM推理中，在多个BioRE基准及2026年生物医学文章数据集上，该框架性能优于直接LLM提示及部分现有方法，是实用的无训练生物医学文献挖掘方法。

Comments Submitted to Journal of Biomedical Informatics (under review)

Most biomedical publications show signs of LLM-assisted writing

大多数生物医学出版物显示出大语言模型（LLM）辅助写作的迹象

Lena Holzwarth, Rita González-Márquez, Dmitry Kobak

机构 * Hertie Institute for AI in Brain Health, University of Tübingen（蒂宾根大学赫蒂脑健康人工智能研究所） ； Ghent University（根特大学） ； VIB（弗拉芒生物技术研究院） 纠错

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

AI总结 本研究提出基于词频变化的无偏方法估计文本语料库中LLM使用情况，发现到2025年底89%的生物医学论文存在LLM相关词汇过量，讨论部分LLM使用率是方法部分的两倍，相关估计对制定指南政策至关重要。

Biomedical Knowledge Composition: A Software Engineering Perspective

生物医学知识构建：软件工程视角

Natallia Kokash, Adam S. Z. Bellouma, Paola Grosso

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

AI总结 本文从软件工程视角，阐述生物医学知识图谱的核心地位与相关挑战，提出需借鉴Web工程的可组合可复现实践，为生物医学知识基础设施构建提供研究议程。

BioMedJImpact: A Comprehensive Dataset and LLM Pipeline for AI Engagement and Scientific Impact Analysis of Biomedical Journals

BioMedJImpact：用于生物医学期刊AI参与度及科学影响力分析的综合数据集与大语言模型（LLM）流程

Ruiyu Wang, Yuzhang Xie, Xiao Hu, Carl Yang, Jiaying Lu

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

AI总结 本研究构建了生物医学领域的BioMedJImpact数据集，通过三阶段LLM流程提取AI参与度，分析发现作者规模与期刊影响力正相关、AI参与度仅在2019年子集与影响因子正相关，验证了LLM流程的有效性。

Retrieval Augmented Biomedical Question Answering with Weak Question Recovery and Neural Reranking for BioASQ Task 14b

面向BioASQ第14b任务的结合弱问题恢复与神经重排序的检索增强生物医学问答

Xueying Zhao, Lee Mai, Balaji Anandganesh

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 该研究针对BioASQ第14b任务，构建了结合多源查询扩展等技术的生物医学问答系统，通过弱问题恢复与检索后剪枝提升检索性能，经实验验证可显著优化MAP@10指标。

When Retrieval Helps and Distracts: Evaluating Evidence-Generating LLMs for Biomedical Claim Verification

检索何时有助何时干扰：评估用于生物医学声明验证的生成证据的大型语言模型

Pritam Deka, Prabhjot Singh

机构 * Queen’s University Belfast（贝尔法斯特女王大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 该研究针对生物医学声明验证，在CARE-XAI基准上对比多种模型，发现微调大型语言模型生成证据能力最强，PubMed检索效果因来源而异，还提出Bio-GRACE工具评估检索效用，推动选择性检索发展。

BioVLN: A Simulation Platform for Visual Language Navigation in Biomedical Laboratories

BioVLN：生物医学实验室视觉语言导航的仿真平台

Zhe Liu, Quan Lu, Zhaohui Du, Zhe Wang, Huanbo Jin, Jiaming Gu, Qi Wang, Ting Xiao, Minting Pan, Dongzhan Zhou

机构 * East China University of Science and Technology（华东理工大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 该研究针对现有导航平台不适用于实验室仪器的问题，提出BioVLN仿真平台，通过分区域建模仪器实现更精准导航，实验验证其提升成功率并降低安全风险。

Comments 17 pages, 4 figures

Low-Temperature Co-Fired Ceramics for a Sustainable Planar Plasma Jet with Homogeneous Plasma in Large Treatment Areas for Biomedical Applications

用于可持续平面等离子体射流的低温共烧陶瓷，可在大面积处理区域产生均匀等离子体以应用于生物医学领域

Ivan Gomez Ho, Hua-Lin Chen, Cheng-Han Tsai, Jong-Shinn Wu, Yun-Chien Cheng

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

AI总结 本研究开发了一种基于低温共烧陶瓷的便携式平面氩基等离子体射流，通过优化进气构型实现大面积均匀等离子体，满足安全要求，可用于生物医学领域。

Comments 31 pages, 15 figures

BioDisclose: An Actionability-Aware Benchmark for Biomedical Safety under Adversarial Elicitation

BioDisclose：对抗性诱导下生物医学安全的可操作性感知基准

Yinuo Zhu, He Liu, Boyuan Gu

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

AI总结 研究针对大语言模型在对抗性诱导下生物医学知识披露行为不足问题，引入BioDisclose基准，含多领域多类别提示，对模型响应四级评分，通过实验揭示不同模型、策略及风险类别差异，为评估生物医学安全提供新测试平台。

Comments 27 pages, 3 figures

Biomedical Machine Translation for Low-Resource Arabic-Script Languages via Cross-Lingual Transfer and LoRA Adapter Merging

通过跨语言转移和LoRA适配器合并实现低资源阿拉伯语脚本语言的生物医学机器翻译

Abdullah Alabdullah, Arash Eslamighayour, Sarp Harbalioglu, Lifeng Han

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

AI总结 研究针对阿拉伯语脚本低资源语言生物医学翻译稀缺问题，利用阿拉伯语和波斯语作枢纽，通过LoRA微调训练特定领域适配器，评估少样本学习、最小监督适应及零数据LoRA适配器合并三种策略，展现不同策略效果及跨语言转移局限性。

Benchmarking Resource-Efficient LLMs for Research Topic Ontology Generation in the Biomedical Field

用于生物医学领域研究主题本体生成的资源高效语言模型基准测试

Tanay Aggarwal, Angelo Salatino, Francesco Osborne, Enrico Motta

机构 * Knowledge Media Institute, The Open University, Milton Keynes, UK（开放大学知识媒体研究所） ； Department of Business and Law, University of Milano-Bicocca, Milan, IT（米兰-比科卡大学商业与法律系） 纠错

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

AI总结 本文评估五个小型开源LLMs识别生物医学概念语义关系的性能，引入MeSH-Rel-4K数据集并分析三种策略，发现针对性微调使平均F1分数显著提高，突破推理瓶颈，为构建生物医学本体提供准确自动化方法。

Adaptive Retrieval Strategies for Biomedical Question Answering

生物医学问答的自适应检索策略

Han Yue, Eric Zhou, Alex Hu, Xueshen Li, Yuan Zhang, Jinfeng Zhang

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

AI总结 研究生物医学问答中不同问题类型的有效检索策略，提出自适应检索框架，依问题类型选检索和证据聚合策略，结合多种技术，经实验验证该策略能提升证据相关性和答案质量，为增强相关问答系统提供有效方向。

Exploring Post-Training Alignment of Small Language Models for Biomedical Data-to-Text Generation: A Case Study of Medication Leaflet

探索用于生物医学数据到文本生成的小语言模型的训练后对齐：以药品说明书为例

Xi Yang, Guodong Liu, Chuqin Li, Fan Wu, Ergin Soysal, Min Jiang, Xing He, Jiang Bian, Yi Guo, Shams Zaman, Thomas Fuchs, Todd Sanger, Yonghui Wu

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

AI总结 该研究对生物医学数据到文本生成任务训练小语言模型的方法进行比较分析，在药品说明书数据集上用基于Qwen的SLMs探索多种训练后方法，通过整理数据评估模型，结果显示对齐后的SLMs性能优异，GRPO跨数据集性能最稳健。

Comments 10 pages, 1 figures

Capabilities of Claude Fable 5 on Biomedical Challenge Problems

Claude Fable 5在生物医学挑战问题上的能力

Dominic Okonkwo, Magnus Hodgson, Temitope I. David, Susan Adanna Ihejirika

机构 * School of Computing, University of Georgia（佐治亚大学计算学院） ； Department of Chemistry, University of Illinois（伊利诺伊大学化学系） ； Institute of Bioinformatics, University of Georgia（佐治亚大学生物信息学研究所） 纠错

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

AI总结 研究评估Claude Fable 5在八个生物医学基准上的能力，以确定性评分针对固定答案键评估，含两个Claude前身和GPT-5作基线。发现Fable 5拒绝率因基准而异，排除拒绝项后准确率超其他模型，还识别出两种拒绝模式，其生物医学应用主要受限在参与意愿。

Comments 15 pages, 6 tables, 4 figures, appendix with qualitative examples

Drift-Aware Temporal Graph Rewiring (DATGR) for Adaptive Semantic Modeling in Biomedical Text

用于生物医学文本自适应语义建模的漂移感知时间图重布线 (DATGR)

Bharathwaj Vijayakumar, Sahana K. Varadaraju

机构 * Rowan University（罗文大学） 纠错

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

AI总结 针对生物医学文本语义随时间演变致传统模型性能下降的问题，提出DATGR框架，通过基于语义漂移动态更新共现边建模概念演变，经实验验证该方法能有效捕捉时间语义变化，提升链接预测召回率且保持计算效率与可解释性。

Comments 6 pages, 4 figures. Published in the Proceedings of the 2026 IEEE Conference on Artificial Intelligence (CAI 2026)

Journal ref Proc. 2026 IEEE Conference on Artificial Intelligence (CAI), pp. 193-198, 2026

Invisible to humans, visible to machines: a preregistered audit of Unicode fidelity across four biomedical bibliographic APIs

对人类不可见，对机器可见：四个生物医学文献API的Unicode保真度预注册审计

Przemysław Czuma

机构 * Przemysław Czuma（普拉姆斯拉夫·茨马） 纠错

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

AI总结 通过预注册审计，评估四个生物医学API（PubMed、Crossref、OpenAlex、Semantic Scholar）返回摘要的Unicode保真度，发现PubMed和OpenAlex存在系统性字符丢失，影响文献计量和语料构建。

Comments 14 pages, 1 figure. Pre-registered on OSF. Data and code available on Zenodo and GitHub

OpenBioRQ: Unsolved Biomedical Research Questions for Agents

OpenBioRQ: 未解决的生物医学研究问题

Minbyul Jeong

机构 * Upstage AI 纠错

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

AI总结 提出OpenBioRQ基准，包含12,553个无答案的未解决生物医学问题，用于评估智能体在检索、忠实性和工具使用方面的能力，发现当前模型存在工具使用崩溃问题。

Weaving Multi-Source Evidence for Biomedical Reasoning: The BioMedHop Benchmark and BioWeave Framework

编织多源证据进行生物医学推理：BioMedHop基准与BioWeave框架

Xingyu Tan, Shiyuan Liu, Xiaoyang Wang, Qing Liu, Xiwei Xu, Xin Yuan, Liming Zhu, Wenjie Zhang

机构 * University of New South Wales（新南威尔士大学） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； University of Technology Sydney（悉尼科技大学） 纠错

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

AI总结 提出BioMedHop基准和BioWeave框架，用于评估和实现生物医学多源证据推理，BioWeave在基准上优于基线方法10.5%，并提升小模型性能。

A PubMed-Scale Dataset of Structured Biomedical Abstracts

一个PubMed规模的生物医学结构化摘要数据集

Chia-Hsuan Chang, Haerin Song, Brian Ondov, Hua Xu

机构 * Department of Biomedical Informatics & Data Science, School of Medicine, Yale University（耶鲁大学生物医学信息学与数据科学系，医学院） 纠错

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

AI总结 针对PubMed中大量非结构化摘要阻碍下游文本处理的问题，构建了包含2320万条记录的结构化摘要语料库，其中590万条来自官方XML，1720万条通过大语言模型自动标注，统一为五段格式。

Comments Data and code for this work are available at https://doi.org/10.5281/zenodo.20336717 and https://github.com/BIDS-Xu-Lab/StructuredPubMed, respectively