Hospitals
PulseAugur coverage of Hospitals — every cluster mentioning Hospitals across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
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。
-
人工智能漏洞威胁医院和银行等关键基础设施
人工智能系统中已发现一个重大漏洞，对医院、学校和银行等关键基础设施构成广泛威胁。该问题引发了对大规模中断以及回归技术依赖程度较低的安全措施的担忧。解决这一与人工智能相关问题的紧迫性被强调为一项关键需求。
-
AI在医疗领域的应用已从技术演示转向实际的医生辅助
医疗领域的AI正从技术演示转向实际的问题解决，重点在于协助医生而非取代他们。AI在医院的初步采纳步骤涉及获得科室主任和关键医生的信任，而非仅仅关注行政部门的批准或系统集成。成功的实施需要一个闭环系统，连接各种数据点，例如就诊前分诊、就诊中病历生成以及就诊后随访，为医护人员创造无缝的工作流程。
-
安大略省报告揭示人工智能在医院病历摘要中的毁灭性不准确性
安大略省政府的一份报告强调了医院中使用的生成式人工智能系统准确性方面存在的重大问题。医生正在使用这些工具来总结病历，以节省时间，但人工智能的不可靠性对患者护理构成了严重风险。这种情况被视为医疗系统内资本主义压力所致，可能导致致命后果。