PulseAugur
中
实时 20:23:30
实体 MIMIC-IV

MIMIC-IV

PulseAugur coverage of MIMIC-IV — every cluster mentioning MIMIC-IV across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
48
90 天内 151
发布 · 30天
0
90 天内 0
论文 · 30天
48
90 天内 150
层级分布 · 90 天
主题
关系
情绪 · 30 天

14 天有情绪数据

最近 · 第 1/8 页 · 共 157 条
  1. TOOL · CL_366065 ·

    新的OICycle框架从临床数据中学习患者信念状态

    研究人员开发了OICycle,一个用于纵向临床决策中学习信念状态的新颖框架。该系统通过直接从回顾性患者轨迹中学习随机信念状态来解决医疗保健中的部分可观察性挑战。OICycle整合了新的多模态观察和干预来更新高斯信念,然后训练该信念来预测未来的临床行动、发作时间和死亡率。已发布一个包含超过72,000次住院的基准数据集,该数据集源自MIMIC-IV、MIMIC-IV-Note和MIMIC-CXR,以促进此类模型的重现性评估。

  2. RESEARCH · CL_366057 ·

    新论文揭示,临床AI可能通过不安全的路径达成正确诊断

    两篇新研究论文强调了临床AI决策中的关键安全问题。第一篇论文介绍了Decision2Care,一种通过为电子健康记录(EHR)行动分配概率来实现高诊断准确性和速度的代理,同时记录其决策过程以供审计。然而,第二篇论文揭示,即使是能够达成正确最终诊断的AI系统,也可能经过对患者造成重大伤害的中间决策。该研究还发现,虽然纠正性反馈可以解决错误,但它可能会引入新的安全风险,这凸显了对AI决策轨迹进行稳健审计的必要性,而不仅仅是关注最终结果。

  3. TOOL · CL_364208 ·

    研究揭示事后诸葛亮偏见夸大了人工智能诊断代理的性能

    对临床代理基准测试的一项新审计发现,这些基准测试的构建方式存在严重问题,可能夸大了人工智能诊断代理的性能。研究人员发现,案例文本的总结方式和实验室结果的模拟方式可能引入“事后诸葛亮偏见”,即诊断时无法获得的信息被无意中包含在内。这种偏见,尤其是在案例文本总结中,显著提高了几个大型语言模型的零样本准确率,表明当前的基准测试结果可能无法准确反映实际性能。

  4. RESEARCH · CL_364206 ·

    新的人工智能分诊框架超越准确性进行评估

    研究人员开发了SAFE-Triage,一个用于评估紧急医疗分诊人工智能工具的新框架。该框架超越了简单的准确性,纳入了人工审查、自动化指标、LLM作为法官的评估以及模拟测试。当应用于使用MIMIC-IV数据的AI分诊模型时,SAFE-Triage揭示了准确性、患者沟通和摘要质量之间的权衡,突出了部署前需要改进的领域。

  5. RESEARCH · CL_360365 ·

    新的基准和组合策略推动 ICU 时间序列预测

    研究人员开发了一个名为 SLICES 的新基准框架,用于标准化稀疏 ICU 时间序列数据的自监督学习方法的评估。该框架利用 Transformer 编码器和跨 MIMIC-IV 和 eICU-CRD 等多个数据集的固定输入配置。初步结果表明,掩码自编码 (MAE) 在各种分类任务中表现强劲,通常优于监督方法,尽管 GRU-D 和 XGBoost 等传统模型在特定终点上仍具竞争力。另一项研究探讨了稀疏 ICU 时间序列的每变量预测组合策…

  6. TOOL · CL_360130 ·

    新的电子健康记录方法使用人群先验进行药物预测

    研究人员开发了一种新的方法,通过利用表格化人群先验而不是传统的基于检索的方法,从电子健康记录(EHR)中预测药物集。该方法根据稀疏的病症-药物共现表对药物类别候选进行排名,在MIMIC-IV数据集上提高了性能。该方法通过提供比患者级别最近邻更符合任务的检索源,而无需额外的LLM调用,从而提高了效率和可审计性。

  7. RESEARCH · CL_352250 ·

    新基础模型SepsisFlow增强ICU脓毒症风险预测

    研究人员开发了SepsisFlow,这是一种新基础模型,旨在为重症监护室(ICU)的脓毒症提供连续的风险评估和轨迹建模。该模型集成了基于Mamba的基础模型(在海量电子健康记录上预训练)和梯度提升树,用于早期风险预测。与NEWS2和qSOFA等现有方法相比,SepsisFlow旨在提供关于脓毒症发作、背景和早期进展的更详细的见解。

  8. TOOL · CL_348609 ·

    新框架解决多模态临床记录中的缺失数据问题

    研究人员开发了一个新颖的因果表示学习框架,旨在处理多模态临床记录中的缺失数据。该框架解决了非随机模态缺失的挑战,即临床记录(如临床笔记、结构化数据或影像)的可用性受到临床决策的影响。提出的系统包括一个在考虑缺失模式的同时融合模态的组件,一个在学习的表示中保留模态信息的组件,以及一个用于纠正残余偏差的多任务预测模型。在 MIMIC-IV 和 eICU 数据集上的评估表明,在预测医院再入院和 ICU 入院方面有显著改进。

  9. TOOL · CL_350268 ·

    EviDrug框架通过临床证据增强药物推荐

    研究人员开发了EviDrug,一个利用临床证据和残差学习的新型药物推荐框架。该系统通过结合自训练的面向访问的编码器和药物集交互模块来整合患者特定的处方。EviDrug提高了预测准确性和药物-药物相互作用正则化,在MIMIC-IV、NWICU和SICdb数据集上优于十二种现有方法。

  10. TOOL · CL_344361 ·

    新研究揭示了医学影像和EHR数据AI基准测试的缺陷

    一篇新发表在arXiv上的论文强调了多模态医学分类任务中类别不平衡策略评估的重大问题。研究发现,使用MIMIC-CXR等数据集上的记录级拆分进行的基准测试可能具有误导性,模型在未见过患者时表现不佳,甚至会退化到预测所有病例为阳性的基线水平。当使用患者分离数据和入院对齐标签进行评估时,不平衡策略和集成模型的有效性会降低,这表明需要更健壮且感知泄漏的基准测试协议。

  11. TOOL · CL_344148 ·

    AI模型学习患者动态以进行ICU模拟

    研究人员开发了一种新颖的患者世界模型,该模型使用在纵向电子健康记录(EHR)上训练的神经网络来模拟重症监护室(ICU)的运行。该模型旨在提供患者轨迹的统一临床表示,从而无需为每个新问题重新定义状态和转换即可评估各种医疗保健策略。使用MIMIC-IV数据集进行的实验表明,所学的模型在预测总体占用率和策略响应方面与传统的马尔可夫和半马尔可夫模型相匹配,同时还能捕捉到更简单的模型所忽略的细微患者恢复差异。

  12. TOOL · CL_349965 ·

    AI模型学习患者动态以进行重症监护模拟

    研究人员开发了一个使用神经网络的患者世界模型,用于模拟重症监护室的医疗系统动态。该模型在MIMIC-IV数据集上进行训练,可以提供患者轨迹的共享临床表示,从而无需为每种情况重建模型即可评估各种护理策略。实验表明,该模型能够准确预测患者的康复和护理需求,并且通过捕捉历史依赖性动态,其表现优于传统的状态模型。

  13. TOOL · CL_342241 ·

    Hawkes 过程在事件时间匹配方面与神经 TPP 相当,研究发现

    一篇新的研究论文重新评估了 Hawkes 过程和神经时间点过程 (TPPs) 在事件序列数据上的性能。研究发现,当 Hawkes 过程配备可学习的基线和核时,经典的 Hawkes 过程与更灵活的神经 TPP 之间的性能差距在很大程度上消失了。研究还强调,神经 TPP 的优势主要在于对事件时间进行建模,而不是事件类型,但在 MIMIC-IV 等复杂医疗数据集上存在例外。作者已将他们的框架 TorchPP 作为开源软件包发布,以促进 TP…

  14. TOOL · CL_341943 ·

    新的代理框架简化了虚拟临床试验运营

    研究人员开发了VirtualTrialHarness (VTHarness),这是一个旨在简化虚拟临床试验操作的代理框架。该系统协调虚拟试验每个阶段的程序技能选择,并使用显式合同来确保一致的决策。VTHarness还包括用于评估源选择和队列构建的VTBenchmark,在复杂的合成环境中产生了95.1%的所需队列输出成功率,显著优于以前的方法。

  15. TOOL · CL_336354 ·

    用于ICU死亡率预测的AI模型在不同数据集上表现出不同的可迁移性

    一篇新的研究论文探讨了ICU死亡率预测模型的迁移性。研究发现,与观察模式特征相比,生理轨迹在不同数据集和医院之间转移得更一致。研究还强调,测量的时间和可用性显著影响这些模型的性能,这表明临床预测模型应在真实的测量条件下进行评估。

  16. TOOL · CL_332983 ·

    新的NECA方法提高了ICU患者恶化预测的准确性

    研究人员开发了NECA,一种用于预测重症监护室(ICU)患者病情恶化新方法。NECA通过整合相似历史患者的数据,特别是他们的器官功能障碍事件发生时间,来增强现有的预测模型。这种方法提高了跨多个未来时间范围的预测准确性,在预测神经功能障碍方面显示出显著的提升。

  17. TOOL · CL_332667 ·

    新研究:临床AI多智能体系统会“洗白”偏见,而非消除

    一篇题为“Disparity Laundering”的新研究论文揭示,即使是旨在平均化误差的多智能体临床AI系统,也无法消除偏见,甚至可能放大偏见。在MIMIC-IV数据上进行的实验表明,无论模型或聚合拓扑如何,人口统计学信息互换始终导致黑人患者接受更紧急的分类。研究发现,后期干预公平性无效,唯一成功的缓解方法是通过多视角集成,在每个决策轮次汇总反事实版本,从而使偏见可见。

  18. TOOL · CL_326913 ·

    开源MedJev模型提供高效的零样本临床决策支持

    研究人员推出MedJev,一个开源的系统一模型,旨在提供高效的临床决策支持。该模型在单次前向传播中运行,无需生成文本,因此计算效率高。MedJev在包括知识、诊断和患者级别预测任务在内的十个医学基准上进行了评估,使用了MIMIC-IV等数据集。它在MedQA和USMLE等基准上取得了与零样本LLM基线和监督模型相媲美的性能,准确率很高,并且置信度校准良好。该模型在患者级别预测方面也显示出潜力,在院内死亡率预测方面优于XGBoost,尽…

  19. TOOL · CL_326887 ·

    新的 M4Bench 基准测试 AI 代理从临床 EHR 数据推导能力

    研究人员开发了 M4Bench,这是一个新的基准,旨在评估 AI 编码代理从临床电子健康记录中推导变量的能力。该基准使用 MIMIC-IV 和 eICU 数据,涵盖 15 个类别中的 28 个任务。使用 GPT 5.4 Mini 和 GPT 5.5 进行的初步测试表明,AI 技能将推导准确率提高了 0.136,其中规范完整性是最重要的因素。使用 Claude Code with Opus 4.7 和 Sonnet 4.6 进行的复制研…

  20. TOOL · CL_330684 ·

    研究发现:AI临床系统对黑人患者存在偏见洗白

    一篇新研究论文《差异洗白:临床多智能体系统中的无公平共识》(Disparity Laundering: Consensus Without Fairness in Clinical Multi-Agent Systems)发布在arXiv上,探讨了临床AI系统中的偏见问题。研究发现,即使使用多个AI智能体来达成共识,对黑人患者的偏见仍然存在,并且往往被放大而非缓解。研究表明,标准的去偏见技术和公平性指令无效,因为偏见已深度编码在模型的…