electronic health records
PulseAugur coverage of electronic health records — every cluster mentioning electronic health records across labs, papers, and developer communities, ranked by signal.
- used by MIMIC-III, a freely accessible critical care database 90%
- used by intensive care unit 90%
- used by Gotit.pub 70%
- used by CatalyzeX 70%
- used by alphaXiv 70%
- instance of ScienceCast 70%
- used by Litmaps 60%
- instance of Connected Papers 60%
- used by scite Smart Citations 60%
- used by ScienceCast 50%
- instance of intensive care unit 50%
- other Environmental Protection Agency 50%
- 2026-09-15 regulatory The Trump EPA is moving to eliminate remaining greenhouse-gas rules for power plants, asserting that emissions have no material impact on climate change. 来源
- 2026-09-14 regulatory The EPA is expected to announce the elimination of limits on climate pollution from power plants. 来源
- 2026-08-27 regulatory The EPA is being sued for allegedly fast-tracking the approval of toxic chemicals used in semiconductor manufacturing. 来源
- 2026-05-27 regulatory The EPA proposed new rules to expedite data center construction by modifying air permitting processes. 来源
- 2026-05-22 regulatory The EPA has promised an investigation into allegations that a Meta data center construction project has contaminated the drinking water supply in Morgan County, Georgia. 来源
- 2026-05-22 regulatory The EPA has promised to investigate allegations of water pollution linked to a Meta data center construction project in Morgan County, Georgia. 来源
10 天有情绪数据
-
新的对比学习方法改进了跨国电子健康记录数据迁移
研究人员开发了一种名为不对称监督对比学习（Asymmetric SupCon）的新预训练目标，以改进电子健康记录（EHR）表征在不同国家医疗系统之间的迁移能力。该方法侧重于对具有积极结果的患者进行聚类，而不明确对阴性患者进行分组，从而解决了临床数据的异质性问题。在大型台湾EHR数据集上预训练时间Transformer编码器，并将其迁移到MIMIC-IV和EHRSHOT等美国数据集上，证明了性能的显著提升，尤其是在疾病预测的少样本学习场景中。
-
退休医生批评电子病历和人工智能记录加剧了医生的文档负担
一位退休的初级保健医生讨论了医生文档时间过长这一长期存在的问题，这个问题因电子病历 (EMR) 和电子健康记录 (EHR) 的广泛采用而加剧。这位医生指出，2017 年的一项研究表明，初级保健医生每天工作时间的一半以上，近六个小时，都花在与电子病历的交互上。作者担心，强制使用人工智能生成的记录（他们会选择退出）可能会降低患者记录的质量和实用性，从而影响实际的患者护理。
-
新研究量化企业绿色清洗对市场估值的影响
一篇新研究论文提出了一种方法，通过算法验证排放数据来打击企业绿色清洗。该研究利用美国证券交易委员会（U.S. SEC）的财务数据和美国环保署（EPA）的温室气体登记数据，创建了一个物理排放基线，并识别出一个名为一致性加权连续散度（Conformal-Weighted Continuous Divergence, CWCD）的指标。该指标量化了自我报告的排放量与算法基线之间的差异，表明排放差异显著的公司市场估值和盈利能力较低，这表明市场…
-
新AI方法优化电子健康记录结果预测的临床笔记摘要
研究人员开发了一种名为RASPER（用于电子健康记录预测的奖励对齐摘要器）的新方法，以改进用于预测患者结果的临床笔记摘要。该方法使用通过强化学习训练的可调LLM摘要器，奖励来自下游预测器的性能。RASPER旨在从非结构化笔记中提取与任务相关的证据，以补充结构化医疗代码，在MIMIC-III和MIMIC-IV数据集的再入院预测和药物推荐任务上优于现有方法。
-
新的GLoC-EHR模型增强了电子健康记录的临床推理能力
研究人员开发了GLoC-EHR，一个用于利用电子健康记录（EHR）进行临床推理的多模态语言模型。该模型通过对整个记录的全局记忆和特定事件的局部记忆来处理患者的临床轨迹。GLoC-EHR经过训练，能在回答临床问题前引用证据，在MIMIC-IV结果任务上表现优于其他模型和零样本LLM。
-
新框架利用多模态数据和LLM重排序改进自动ICD编码
研究人员开发了一种新颖的两阶段自动ICD编码框架，以解决当前方法的局限性。这种新方法通过门控融合机制整合多模态患者数据，包括结构化电子健康记录和非结构化临床笔记。第一阶段使用双编码器检索模型检索潜在的ICD代码，第二阶段则采用基于LLM的重排序器提供经过精炼、排序并附带解释的代码。实验表明，与现有的多模态分类器相比，该方法在Micro-F1和Precision得分上有所提高，为自动ICD编码提供了一个实用的替代方案。
-
大语言模型框架从电子健康记录中重建患者心理健康历程
研究人员开发了CliniCIRCA，一个利用大语言模型从非结构化电子健康记录（EHR）叙述中重建纵向患者历程的新框架。该系统旨在对心理健康护理中的临床事件进行时间分类，即使在没有明确时间戳的情况下也是如此。CliniCIRCA在MIMIC-III数据集上进行了评估，生成了超过15,000个时间标记的事件，随后通过临床医生反馈进行完善，创建了一个经过验证的黄金标准数据集。该框架旨在提高临床对患者进展的理解，并可扩展以生成其他模型的训练数据。
-
用于电子健康记录数据因果推断的新AI框架
研究人员引入了一个名为信息集模拟（Information Set Emulation）的新框架，以应对从AI处理的电子健康记录（EHRs）中提取因果见解的挑战。该方法将详细证据附加到提取的特征上，包括临床背景、记录时间和提出的因果作用。具有未确定角色的特征随后会被路由以进行兼容的报告或单独的分析，从而确保因果声明的可审计证据并量化信息模糊性。
-
健康AI评估方法在新的研究论文中被重新审视
一篇新论文探讨了电子健康记录（EHRs）中人工智能的评估，解决了可重复性方面的挑战，并定义了临床上有意义的任务。研究人员重新实现了12种算法，并在MIMIC-IV和NWICU数据集上进行了测试，将专家定义的任务与随机生成任务进行了比较。研究发现，算法比较在不同评估设置下基本保持一致，但临床上有意义的任务揭示了任务和方法之间更细微的交互作用。值得注意的是，在使用现代EHR表示时，梯度提升树在与新算法的竞争中仍然具有竞争力，这表明任务工程…
-
团体挑战EPA拒绝发布AI影响评估的决定
环保团体正在就EPA决定不发布高影响力人工智能工具的影响评估提出上诉。这些团体认为，公众有权了解在电子健康记录等敏感领域使用的人工智能技术的潜在环境和健康后果。此次上诉凸显了人工智能的快速发展与监管监督和公众透明度需求之间日益紧张的关系。
-
特朗普政府的美国环保署着手取消发电厂气候法规
特朗普政府的美国环保署正着手废除奥巴马时代针对发电厂的气候法规，声称这些设施的排放物不会对气候变化产生显著影响。此举旨在取消现有的发电温室气体规则。
-
美国环保署放弃发电厂限制；Meta 眼镜增加驾驶安全功能
据报道，唐纳德·特朗普领导下的美国环保署（EPA）已放弃对发电行业的温室气体限制，实际上鼓励发电厂排放更多煤炭和石油烟雾。另外，Meta Display 眼镜现已推出“纯音频”模式，可以检测驾驶状态并为安全起见禁用显示屏。这些项目涵盖不同主题，并未形成一个有凝聚力的新闻集群。
-
知识增强型电子健康记录特征提供高效的医院再入院预测
研究人员开发了一种新方法，利用结构化电子健康记录（EHR）数据并结合医学知识源来预测30天内的医院再入院。该方法避免了对临床记录的需求，因为临床记录计算成本高且可解释性差。通过整合疾病本体论、手术分类、药物成分和实验室数据，该系统创建了稀疏且易于理解的患者表示。在MIMIC-IV数据集上评估，最佳配置达到了0.743的AUROC，与使用临床记录的方法相当，但计算成本显著降低。
-
新型AI模型利用CRRT机器数据预测死亡率
研究人员开发了一种预测接受连续肾脏替代治疗 (CRRT) 的急性肾损伤 (AKI) 重症患者死亡率的新方法。这种新方法利用了CRRT机器的机器压力波形，这些波形以前因数据污染而被丢弃。通过清理和处理这个连续数据流，该系统可以提供逐日的滚动死亡率预测，比传统的电子健康记录 (EHR) 数据提供了更即时的风险信号。结合EHR和机器数据的集成模型在预后准确性方面取得了显著的提高。
-
特朗普拒绝AI放缓呼吁，专家敦促关注人类监督
美国前总统唐纳德·特朗普驳斥了放缓人工智能发展的呼吁，声称美国应在AI创新方面领先。与此同时，专家们建议，随着对AI的担忧日益加剧，焦点应转向负责其开发和部署的人类，而不是仅仅关注技术本身。
-
美国环保署准备取消发电厂气候污染限制
据报道，美国环保署（EPA）正计划取消对发电厂温室气体排放的监管，此举将推翻前几届政府的关键气候政策。此项改变预计将由EPA局长Lee Zeldin宣布，可能会面临重大的法律挑战，并可能阻止未来政府监管此类排放。电力行业是美国二氧化碳和其他导致地球变暖的气体的主要排放源，科学家指出，必须减少这些排放以缓解气候变化的影响。
-
强化学习增强电子健康记录基础模型的临床推理能力
研究人员开发了一个新的强化学习（RL）框架，以增强在电子健康记录（EHR）上训练的基础模型的临床推理能力。该方法将EHR基础模型视为生成策略，将临床预测任务制定为事件条件、时间窗口化的推理问题。该框架结合了时间感知奖励，以考虑有限的推出长度和不确定的结果，在现有预训练模型和强基线模型上均显示出持续的改进。值得注意的是，这种RL微调使较小的模型在数据受限的情况下能够优于较大的模型，并促进了不同临床任务之间的积极知识转移。
-
患者调查数据提高了阿片类药物使用障碍预测的准确性
发表在arXiv上的一项新研究表明，将患者报告的调查数据与电子健康记录（EHRs）相结合，可以显著提高阿片类药物使用障碍（OUD）的预测准确性。研究人员发现，通过增加调查回复数据，在各种时间范围和机器学习模型中，预测准确性均有所提高，其中LightGBM模型在24个月的预测窗口内的准确性从0.6219显著提高到0.6603。该研究强调，患者报告的信息提供了结构化EHRs之外有价值的预测信号，突显了调查数据在临床环境中的重要性。
-
人工智能数据中心的污染构成日益增长的公共健康威胁 · 追踪 3 个来源
前美国环保署官员的一份报告指出，蓬勃发展的人工智能行业对数据中心的需求正导致严重的环境污染。这些数据中心通常由天然气发电厂供电，预计到 2028 年，由于相关污染，医疗保健费用将至少增加 200 亿美元。该报告还强调了过去可能加剧这些环境和健康风险的联邦行动。
-
特朗普政府放宽AI数据中心的污染规定
据报道，特朗普政府正在放宽环境法规，以加快AI数据中心的建设。此举旨在优先满足行业需求，但引发了前环保署官员对美国民众潜在健康风险的担忧。放松这些规定被视为通过减少数据中心基础设施的监管障碍来加速AI发展的一种方式。