Openfda
PulseAugur coverage of Openfda — every cluster mentioning Openfda across labs, papers, and developer communities, ranked by signal.
-
小型语言模型在对齐后展现出强大的生物医学文本生成能力
一篇新的研究论文探讨了小型语言模型（SLMs）在生物医学数据到文本生成中的训练后对齐技术。该研究使用基于Qwen的SLMs，比较了监督微调（SFT）、直接偏好优化（DPO）、优势比偏好优化（ORPO）和组相对策略优化（GRPO）。结果表明，与GPT-5等专有模型相比，对齐后的SLMs，特别是GRPO，在药品说明书和openFDA药物标签数据集上表现出更优越的性能和跨数据集泛化能力，优于SFT基线模型，并显示出稳健的结果。
-
新的AI管道确保针对外部权威机构的事实准确性
开发了一个新的管道来解决AI提取器在受监管领域（尤其是在制药领域）的局限性。与通常侧重于将提取的事实与源文本进行匹配的系统不同，这种方法优先识别遗漏并确保针对外部权威机构的事实准确性。该系统使用一个名为Semantica的开源语义库，以及公共生物医学语料库和RxNorm、openFDA等权威机构来验证信息。该管道强调，语言模型在生成候选事实方面表现良好，但不应成为事实的最终仲裁者，尤其是在安全性和合规性至关重要的情况下。
-
新的BERT模型增强了医疗器械召回分诊能力
研究人员开发了RecallRisk-BERT，一个旨在改进医疗器械召回分诊和评估的新型多任务框架。该模型整合了召回叙述中的文本数据以及产品代码和法规编号等结构化特征，以同时预测召回的严重程度和根本原因类别。该框架使用PubMedBERT进行文本表示，并将其与其他嵌入相结合，与单任务模型相比表现出优越的性能，并与观察到的根本原因严重程度模式显示出很强的一致性。
-
Google DeepMind推出AI联合临床医生，助力医护人员和患者
Google DeepMind推出了一项AI联合临床医生研究计划，旨在增强医护人员的能力并改善患者护理。该计划建立在MedPaLM和AMIE等先前工作的基础上，探索AI如何作为协作团队成员，在临床监督下与患者互动。早期评估显示，AI联合临床医生在药物知识和推理方面表现出色，优于现有的证据综合工具。