clinical decision-making
PulseAugur coverage of clinical decision-making — every cluster mentioning clinical decision-making across labs, papers, and developer communities, ranked by signal.
-
医疗AI难以处理未知数据，需要分布外检测
本文讨论了医疗AI系统中的分布外检测（OOD）挑战。文章解释说，虽然AI模型在与训练集相似的数据上表现良好，但当部署到具有不同患者群体或设备的新环境中时，它们常常会失败。OOD检测旨在识别AI何时遇到与训练数据显著不同的数据，从而解决传统分类器所做的“闭世界假设”。
-
研究发现，Agentic AI 提高了医生在临床决策中的信任度
一篇发表在 arXiv 上的新研究探讨了 agentic AI 对医生在临床决策中信任度的影响。研究人员发现，与非 agentic 基线模型相比，医生在 agentic AI 模型中表现出明显更高的认知和行为信任度，尤其是在治疗规划任务中，他们有 89.57% 的时间倾向于选择 agentic 模型。尽管信任度有所提高，但研究也指出存在过度依赖不正确的 agentic 输出的情况，这强调了持续的临床医生监督的必要性。
-
AI评分者在临床任务中的歧视因评分协议而异
一篇新发表在arXiv上的研究调查了不同的评分协议如何影响AI评分者在复杂临床决策任务中的区分能力。研究发现，与无量规方法不同，基于量规的评分显著增强了AI评分者区分不同系统输出的能力。这表明结构化的评分框架对于维持AI在临床评估中的区分能力至关重要，尤其是在涉及患者特定标准时。
-
新的基准和框架增强了 LLM 在临床环境中的可靠性
研究人员开发了新的基准和框架，以提高大型语言模型（LLM）在临床决策中的可靠性和安全性。EHRBench 和 MedCase-Structured 旨在基于真实的电子健康记录数据评估 LLM，其中 EHRBench 为诊断、治疗和预后任务生成了近一百万个问答项。JMedEthicBench 解决了日语多轮对话安全评估的需求，而 SafeMed-R1 则侧重于经过临床医生审计的安全性和伦理对齐。此外，MoBayes 提出了一个模块化贝叶…