Hospitals
PulseAugur coverage of Hospitals — every cluster mentioning Hospitals across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
AI发现关键Java漏洞“Java4Shell”,影响大型组织
一个人工智能系统在Java编程语言中发现了一个关键漏洞,被称为“Java4Shell”。这个由安全公司Calif发现的漏洞可能允许黑客控制大型企业、银行、医院和政府机构使用的系统。该漏洞已促使人们紧急呼吁对受影响的系统进行修补。
-
医院中的人工智能:责任差距显现
人工智能在医疗保健领域的整合引发了对问责制的担忧,因为利益相关者渴望人工智能带来的好处,但并未完全承担相应的责任。这个问题在医院环境中尤为突出,因为人工智能技术的实施需要明确的责任划分,以应对潜在的错误或意外后果。
-
Google Cloud 推出 Gemini for Healthcare AI 平台预览版
Google Cloud 推出了 Gemini for Healthcare,一个旨在简化医疗行业运营的新 AI 平台。该平台旨在通过连接患者记录、账单和临床数据来自动化临床医生和医院的日常任务。它最初以预览版形式向 Gemini Enterprise 客户提供,并利用专业技能来执行记录合成和福利确定等任务,同时保持人工监督和审计日志记录。
-
特朗普政府计划改革药品折扣计划,医院担忧成本问题
特朗普政府正计划改革该国最大的药品折扣计划,旨在提高问责制。然而,医院已表达担忧,认为这些改变将导致重大的财务负担。
-
人工智能驱动的黑客攻击导致90多家韩国组织大规模数据被盗
一名前渗透测试员及其团伙成功入侵了90多家韩国组织,包括医院和学校,窃取了820万条记录。该团伙利用了一个人工智能驱动的渗透测试框架,使得即使不是专业黑客组织成员的个人也能发动大规模攻击。此次事件凸显了复杂黑客工具日益增长的可及性。
-
人工智能生成的异议给荷兰市政当局带来额外工作
市政当局、医院和公共交通公司越来越多地收到借助人工智能起草的异议。这些人工智能生成的文本通常冗长、法律复杂,并且包含有关立法的错误信息。这带来了额外的工作并导致处理这些异议的延迟。
-
公共安全机构需要更好的技术集成以实现危机协调
公共安全组织,包括消防部门、EMS 和执法部门,每天都面临着危机协调的现实,但信息可见性有限且信息分散。这些机构正日益受到呼叫量增加、气候驱动的灾难和人员短缺的压力。应对这些挑战需要转向更好的互操作性,重点关注信息的共享方式、访问权限以及确保人员拥有采取共同行动所需的流程和信任。响应者对现代技术的需求需要直观、互联的工具,以促进不同实体和灾难类型之间的无缝协调,超越断开连接的系统和手动流程。
-
医院AI应用致使保险公司成本增加9.42亿美元
人工智能在医院的使用导致保险公司成本显著增加,额外支出达9.42亿美元。费用的上涨归因于医疗机构整合了AI技术。
-
人工智能在医疗保健领域的应用增加了个人成本,《纽约时报》报道
《纽约时报》的一篇报道称,人工智能正导致个人医疗保健成本上升。据报道,医院和医生正在使用人工智能技术来加强对护理的记录,从而增加了支付。这一趋势凸显了人们对人工智能在医疗保健领域应用日益增长的经济影响的担忧。
-
医院拥抱AI,但监管和测试滞后
医院日益采用AI技术,但必要的测试和监管机制未能跟上。这种快速整合引发了对AI系统在临床环境中可靠性和安全性的担忧。没有健全的验证,患者护理中出现错误或意外后果的可能性仍然是一个重大风险。
-
Microsoft 和 Google 敦促保护关键基础设施;Vellum 应用增加远程管理功能
包括 Microsoft 和 Google 在内的 100 多家公司签署了一封公开信,敦促加强对医院和供水系统等关键基础设施的保护,以抵御高级网络威胁。此外,Vellum 移动应用程序已更新,为 iOS 和 Android 设备提供远程文件和操作系统管理,超越了其最初的聊天功能。
-
普林斯顿大学教授:AI 的真正威胁在于暴露人类预测能力的局限,而非其产生意识
《AI 骗局》的合著者 Arvind Narayanan 认为,围绕 AI 的主要担忧并非机器产生意识,而是这项技术暴露了现有的不平等和人类预测能力的局限。他认为,虽然生成式 AI 在研究和分析等任务中为知识工作者提供了显著的效用,但其他 AI 应用,尤其是在招聘、医疗保健和刑事司法等高风险决策中使用的 AI 应用,往往不可靠,并可能导致不公平的结果。Narayanan 还强调了工人被降级为“杂务工作”或成为“道德缓冲器”的风险,在这…
-
医院不能将AI问责外包,因其使用日益广泛
随着监管机构和法律专家强调问责制不能外包,医院正面临对其使用人工智能日益增长的审查。医疗保健中对人工智能日益增长的依赖引发了关于出错时责任的复杂问题,特别是涉及患者安全和数据隐私。这一趋势凸显了为敏感行业(如医疗保健)的人工智能部署制定明确框架的必要性。
-
美国血库供应危机加剧,捐血量创历史新低
美国正面临严重的血液短缺,美国红十字会报告称,最常见的血型O型阳性的供应量已不足一天。此次严重的短缺,归因于夏季捐血量创下四年来的新低,迫使该组织限制向医院的血液供应。导致捐血率低下的因素包括极端高温、空气质量差以及广泛的食源性疾病。
-
伊朗网络组织 APT33、APT35 加剧对美国基础设施的攻击 · 追踪到 2 个来源
据报道,伊朗网络威胁组织 APT33 和 APT35 正在加剧对美国基础设施的攻击,包括银行、医院和供水系统。这些网络行动似乎与军事行动同步,美国基础设施的攻击显著增加。APT33 被指出目标是能源部门,而 APT35 则专注于个人。
-
Bunkerhill Health 融资 5500 万美元用于医院 AI 代理 · 跟踪 4 个来源
Bunkerhill Health 已获得 5500 万美元的 B 轮融资,以扩展其 AI 代理平台 Carebricks 在医院系统内的应用。该平台旨在通过部署 AI 代理来处理从行政积压到临床诊断的各项任务,以解决医疗运营挑战。投资者,包括 Khosla Ventures 和 Sequoia Capital,看好 Bunkerhill 在医院实际环境中有效整合 AI 的能力,并指出医疗保健领域对技术解决方案的巨大需求。
-
伊朗APT33和APT35发动网络攻击激增340%针对美国基础设施 · 追踪8个来源
据报道,伊朗网络威胁组织APT33和APT35在军事行动的同时,针对美国基础设施的攻击增加了340%。这些组织的目标是能源、金融机构、医院和供水系统等关键部门。此次攻击利用了SCADA漏洞,是更广泛的网络战战略的一部分。
-
联邦学习提高医院间脓毒症预测准确性
研究人员开发了一个联邦学习框架,以改进多家医院的脓毒症早期预测。该方法允许机构在不共享原始患者数据的情况下协同训练模型,解决了医疗数据分析中的隐私问题。使用三家中国医院数据的实验表明,联邦模型在防止数据重建攻击的同时,实现了与集中式方法相当的预测准确性。
-
伊朗2026年网络战目标指向美国医院、银行 · 已追踪10个来源
据报道,伊朗电子作战室正作为2026年网络战的一部分,袭击美国医院、银行和供水基础设施。这些袭击与导弹活动同时发生。具体目标包括美国境内的医疗公司和金融系统。
-
加州医院武器检测法或将促成联邦强制规定
加州已颁布第2975号众议院法案,强制要求医院在2027年3月前在其主要入口和急诊入口安装武器检测系统。该法案旨在通过执行入口控制来解决针对医护人员日益增长的暴力问题,超越了被动应对的政策。文章探讨了这项州级举措是否可能促使美国全国范围内的医院效仿《平价医疗法案》的标准化模式,出台技术主导的安全强制规定。