SNOMED CT
PulseAugur coverage of SNOMED CT — every cluster mentioning SNOMED CT across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
大型语言模型尽管具备理论知识，但在应用认知行为疗法原则方面仍显不足
一篇新研究论文探讨了大型语言模型（LLMs）在将认知行为疗法（CBT）原则应用于情感推理方面的局限性。尽管大型语言模型展示了对CBT的理论知识，但它们难以超越简单的验证和反思，未能有效实施苏格拉底式提问或提供替代视角等技术。研究人员开发了一个使用Beck的认知概念化结构和SNOMED CT概念的框架，并采用多重思维链（MCoT）策略来指导大型语言模型的响应。然而，即使采用了MCoT，模型也只表现出微小的行为改变，仍然偏向于验证和反思，…
-
机器学习辅助心脏病学电子健康记录术语提取
研究人员开发了一种机器学习技术，用于创建心脏病学接口术语（CIT），以更好地突出电子健康记录（EHRs）中的细节。该方法包括三个阶段：首先从现有的心脏病学术语和电子健康记录中提取训练数据。然后，在此数据上训练机器学习模型，以识别和提取更多概念，最终生成最终的CIT，从而突出心脏病学患者记录中的关键信息。该系统在未见过的数据集上实现了74.21%的覆盖率和98.2%的平均完整性。
-
基于模式的LLM提取患者数据用于数字孪生
研究人员开发了SG-LLM，一种从电子健康记录中提取患者数据以创建数字孪生的新方法。该方法使用模式约束和用于修复的验证循环来约束LLM提取，提高了生成的FHIR包的准确性和有效性。对临床效用的实验表明，在SG-LLM生成的数据上训练的分类器与在专家策划的数据上训练的分类器表现相当，表明其在实际医疗保健应用中的有效性。
-
新架构将放射学报告发现与证据联系起来
研究人员提出了一个新的结构化放射学报告参考架构，该架构将证据直接链接到报告内容。这个人工监督的系统旨在提取和组织结构化信息，例如测量值和病灶标识，这些信息通常在自由文本中丢失或分散在各种系统中。该框架集成了考试特定模板、AI辅助起草和互操作性标准，以支持审查报告、纵向比较以及与企业影像工作流程的集成。
-
LongBEL框架通过文档上下文改进生物医学实体链接
研究人员开发了LongBEL，一个考虑整个文档上下文而非仅单个提及或句子的生物医学实体链接新框架。该方法旨在通过识别文档内提及之间的依赖关系并减少级联错误来提高一致性。LongBEL的有效性在五项多语言生物医学基准测试中得到证明，与现有的句子级方法相比，在处理重复概念方面显示出显著的改进。
-
新的MCP服务器集成了7种医学术语，用于LLM
一个名为medical-terminologies-mcp的新模型上下文协议（MCP）服务器已发布，它提供了对七个主要医学术语系统的统一访问。该工具旨在帮助大型语言模型（LLM）准确检索特定的医疗代码和信息，克服它们在记忆此类数据方面的固有局限性。该服务器支持各种LLM客户端，并为常见的临床和研究任务提供了几个预定义的提示，旨在提高医疗保健和研究领域的效率。
-
神经符号AI的进步提供了超越纯神经网络的可解释性和推理能力
研究人员正在开发神经符号AI模型，将神经网络与符号推理相结合，以提高可解释性和性能。Gyan是一种新颖的非Transformer架构，旨在通过将语言建模与知识获取分离并取得最先进的成果来克服当前LLM的局限性。另一种方法由UFAL-CUNI为SemEval-2026 Task 11展示，它使用了一个包含小型LLM和用于三段论推理的符号证明器的模块化系统，其性能优于零样本基线。此外，NEURON是一个专为临床可解释性设计的神经符号系统，…