physician
PulseAugur coverage of physician — every cluster mentioning physician across labs, papers, and developer communities, ranked by signal.
11 天有情绪数据
-
研究发现，Agentic AI 提高了医生在临床决策中的信任度
一篇发表在 arXiv 上的新研究探讨了 agentic AI 对医生在临床决策中信任度的影响。研究人员发现，与非 agentic 基线模型相比，医生在 agentic AI 模型中表现出明显更高的认知和行为信任度，尤其是在治疗规划任务中，他们有 89.57% 的时间倾向于选择 agentic 模型。尽管信任度有所提高，但研究也指出存在过度依赖不正确的 agentic 输出的情况，这强调了持续的临床医生监督的必要性。
-
医生指导的AI框架提高了医院谵妄的检测率
研究人员开发了一种以用户为中心的交互式机器学习（UC-iML）框架，以协助医生识别住院患者的谵妄。该框架整合了包括行政变量、实验室结果和药物在内的各种患者数据，并通过SHAP解释进行医生指导的特征优化和可解释建模。在多伦多六家医院的数据上进行测试，与自动化和基线方法相比，UC-iML方法显示出更好的辨别能力和时间鲁棒性，突显了其作为临床谵妄建模的实用工具的潜力。
-
研究表明，在医生监督下，AI可提升医疗诊断水平
对140项临床研究的回顾表明，AI可以提高诊断准确性，但前提是医生必须保持完全的监督。关键挑战在于将AI定位为辅助工具，而不是在医疗决策中作为绝对权威。
-
医生探讨“Miss Kitty”机制以进行医疗改革
该集群讨论了医生利用类似于“Miss Kitty”为解决无家可归问题所采用的机制的潜力，旨在重新掌控医疗保健。帖子建议这种方法可以带来可持续和功能性的医疗保健系统。内容还涉及艺术和医生互助保险合作社。
-
新的Doctor框架通过强化验证增强了可控决策
研究人员开发了Doctor，一个结合了序列建模和强化验证的新型框架，用于可控的离线决策。该方法解决了目标回报信号的不可靠性问题，尤其是在数据代表性不足的区域。Doctor采用了一个在重建和价值学习目标上进行训练的掩码轨迹Transformer。在推理时，它会生成多个候选动作，并选择具有最接近请求目标的已验证价值的动作，从而提高了可控性并在标准基准测试中保持竞争力。
-
新的二元元学习策略MEDIC增强了开放集域泛化能力
研究人员推出了一种新颖的二元元学习策略MEDIC，旨在提高开放集场景下的域泛化能力。该方法解决了现有方法中常见的源域和目标域之间标签不匹配的挑战。MEDIC同时优化了跨域和跨类任务划分，旨在创建平衡的决策边界，在看不见的域中准确分类已知类别，同时识别异常值。实验表明，MEDIC在开放集性能上优于先前的方法，并保持了强大的闭集泛化能力。
-
AI Agents Surpass Physicians, Shifting Focus to Complex Challenges
Autonomous AI agents have demonstrated the ability to surpass human physicians in certain tasks, a capability that is not considered the most challenging aspect of AI development. The focus is shifting towards more comp…
-
人工智能依赖导致医生在工具不可用时表现下降
一项研究表明，当人工智能辅助系统不可用时，医生的表现会明显下降。持续依赖这些工具可能会导致临床医生在没有人工智能支持的情况下做出决策时，积极性、专注度和责任感下降。这引发了人们对人工智能系统故障可能对患者护理产生负面影响的担忧。
-
研究表明，对AI的依赖可能削弱医生和工程师的技能
研究表明，对人工智能工具的依赖会削弱医生和软件工程师的技能。这种退化会影响这两个职业所必需的核心能力。研究结果表明，需要仔细管理人工智能的整合，以防止过度依赖并保持专业知识。
-
研究发现AI工具会削弱内窥镜检查的医生技能
一项涉及波兰内窥镜专科医生的研究发现，AI工具会随着时间的推移而削弱人类的专业技能。当经验丰富的结肠镜医生使用一个标记潜在病灶的AI系统时，在AI不可用的日子里，他们的检出率显著下降。这表明过度依赖AI可能导致高技能专业人士的积极性、专注力和认知决策能力下降。
-
Emacs 自 1985 年起就包含 AI 聊天机器人模块
Emacs 文本编辑器自 1985 年起就包含了一个名为“M-x doctor”的 AI 模块。该模块充当聊天机器人，在开发环境中为用户提供早期的人工智能辅助。
-
对AI的依赖导致医生在结肠镜检查分析技能下降
一项涉及医生的研究显示，当医生依赖AI系统时，他们在分析结肠镜检查图像方面的技能有所下降。当AI不可用时，医生的表现明显下降，这表明过度依赖该技术可能导致技能退化。这引发了对AI对医学专业知识的长期影响的担忧。
-
研究表明过度依赖人工智能可能削弱专业技能 · 追踪10个来源
新研究表明，过度依赖人工智能工具可能导致基本专业技能的退化。医学和计算机科学领域的研究显示，使用AI助手的专业人士在工具不可用时，其绩效可能会下降。专家认为，这种“去技能化”现象日益令人担忧，并引发了关于如何在日益集成人工智能的劳动力中保持关键人类专业知识的讨论。
-
OpenAI的GPT-5.5 Instant在健康查询方面媲美前沿模型
OpenAI宣布，其GPT-5.5 Instant模型在健康相关查询方面的性能现已与其先进的“Thinking”模型相匹配。此次改进旨在提高ChatGPT的准确性和实用性，惠及每周就健康和保健问题进行咨询的超过2.3亿用户。这些增强功能是在全球数百名医生提供意见的基础上开发的，重点在于更好地识别紧急护理需求、承认不确定性以及为免费ChatGPT用户简化复杂的医疗信息。
-
AI系统在医学诊断研究中可媲美医生，但使用的是过时模型
《自然》杂志上发表的两项新研究表明，专门的AI系统在诊断疾病和为模拟患者推荐治疗方案方面，可以媲美甚至超越人类医生。然而，一个值得注意的发现是，这两个AI系统都基于已被认为过时的模型，这引发了对其长期可行性以及AI在医疗保健领域快速发展的疑问。
-
AI代理AMIE在疾病管理方面表现优于医生；美国人仍对AI的影响持怀疑态度
一项新研究表明，AMIE，一个基于LLM的代理系统，在疾病管理推理方面显示出巨大潜力，在一项随机试验中超越了人类全科医生。该系统利用Gemini的长上下文能力，确保其建议符合既定的临床指南。另外，皮尤研究中心的一项调查强调了聊天机器人的采用率不断提高，特别是ChatGPT，但仍揭示了美国人对人工智能的总体影响持续存在怀疑，原因包括对快速发展、数据安全和监管有效性的担忧。
-
AI诊断辅助救命血栓检测
据Gleb Tsipursky称，一款AI工具辅助诊断了血栓，可能挽救了生命。Tsipursky强调AI不能取代人类医生，监管至关重要，但他认为医生与AI结合可以在医疗保健领域带来显著益处。
-
新基准显示大型语言模型在交互式医生辅助方面存在困难
研究人员开发了 PhysAssistBench，这是一个旨在评估大型语言模型 (LLM) 在协助医生方面的能力的新基准。该基准侧重于涉及医生、患者和电子健康记录 (EHR) 的交互式场景，要求 LLM 协调临床知识、沟通和系统交互。PhysAssistBench 使用 MIMIC-IV 的真实案例构建，包含一个由 1,296 个医生验证的轮次组成的数据集。初步实验表明，当前 LLM 在此复杂的临床辅助角色中尚不可靠，凸显了更好地整合这…
-
大型语言模型在临床推理任务上超越医生
发表在《科学》杂志上的一项研究评估了一款大型语言模型与医生在临床推理任务上的表现。在各种场景下，与人类医生相比，该大型语言模型在诊断和管理方面的表现均更优。
-
特朗普的移民政策阻碍了医生供应，尽管有明确的目标
特朗普政府增加美国医生数量的既定目标，被其自身的移民政策所破坏，这些政策限制了外国出生医生的入境。尽管承认需要更多医生来改善医疗保健的可及性并降低成本，但政府实施了暂停J-1签证、阻止某些国家的入境以及对H-1B签证征收高额费用等措施。这些行动不成比例地影响了严重依赖国际医学毕业生的农村和服务欠缺地区。