Clinical Decision Support
PulseAugur coverage of Clinical Decision Support — every cluster mentioning Clinical Decision Support across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
模糊认知图实现可解释的合成医疗数据生成
研究人员开发了一种使用模糊认知图（FCMs）生成合成医疗数据的新颖方法，解决了现有模型通常缺乏可解释性且无法保留关键临床依赖性的局限性。该方法将特征间的关系编码为FCM的边权重，通过传播过程生成合成患者记录。该方法处理混合数据类型和领域约束，在基准数据集上表现出具有竞争力的性能，准确率高达0.81，AUROC高达0.90。它还提供了强大的统计一致性和隐私保证，为临床决策支持系统中值得信赖的合成数据生成，提供了一种计算高效且透明的替代深…
-
大型语言模型在临床环境中极易受到幻觉攻击
一项新的分析显示，大型语言模型极易受到对抗性幻觉攻击，尤其是在用于临床决策支持时。研究发现，这些模型可能出现 50% 至 83% 的幻觉率。虽然缓解策略有助于降低这些漏洞，但研究强调了在关键医疗应用中部署 LLM 的重大风险。
-
生成式AI被提议用于混合式临床决策支持系统
一种新观点提出，通过结合确定性规则与先进的AI技术，将生成式AI整合到临床决策支持系统（CDS）中。这种混合方法将利用临床自然语言处理、检索方法和受控的大型语言模型合成，以提供更强大、更可靠的决策支持。作者强调了此类系统的来源归属、持续监控和强有力治理的重要性。
-
研究发现：大型语言模型尚不能安全用于自主临床分诊
一篇新论文认为，尽管大型语言模型（LLMs）可以通过医学执业考试并协助完成临床任务，但它们尚不能安全地用于自主患者分诊。核心问题不在于缺乏医学知识，而在于模型在不确定情况下安全收集信息以及识别关键的、可能被忽略的诊断的能力不足。为预测可能文本而优化的LLMs可能无法表现出安全分诊所必需的行为，例如扩大鉴别诊断范围、寻找危险信号以及在排除高风险诊断之前升级担忧。