The Journal of the American Medical Association
PulseAugur coverage of The Journal of the American Medical Association — every cluster mentioning The Journal of the American Medical Association across labs, papers, and developer communities, ranked by signal.
- 2026-08-22 regulatory The Journal of the American Medical Association updated its guidance on the use of AI in medical publications. 来源
5 天有情绪数据
-
JAMA 更新医学出版物人工智能指南
美国医学会杂志 (JAMA) 已更新其关于在医学出版物中使用人工智能的指南。新指南规定，作者必须披露其工作中任何使用人工智能的情况，并将对其内容负责。此外，JAMA 将不再允许使用人工智能生成的参考文献或完整的观点手稿。
-
医疗创新采纳取决于关键人物、风险逆转和路径协同
改变医疗护理标准是一个复杂的过程，其驱动因素不仅仅是技术进步或监管批准。Nanox 首席执行官 Erez Meltzer 认为，有三个关键力量推动新医疗创新的采纳。这包括倡导技术的内部关键人物、能够逆转采纳风险计算的证据生成，以及指南、报销和监管路径的协同。Meltzer 以 3D 乳腺成像 (DBT) 为例，说明尽管 DBT 在 2011 年获得了 FDA 批准，并且有明确的证据表明其检测率有所提高，但由于这些因素，它花了近十年时间…
-
专家警告：AI可能很快在诊断方面超越医生
发表在《美国医学会杂志》上的专家文章认为，自主AI可能很快在医学诊断方面超越人类诊断师。他们认为，强制对AI算法进行人工监督反而可能导致错误增加。这引发了对医生在医学进步中未来作用的疑问。
-
JAMA观点文章认为不应强制要求对医疗AI进行人工监督
发表在JAMA上的一篇观点文章认为，自主人工智能系统将很快在医学推理方面超越人类医生和人工智能-医生团队。作者主张反对监管机构强制要求在人工智能驱动的医疗决策中进行人工监督，尽管他们承认目前的证据主要来自模拟而非实际的病人护理。
-
人工智能计算成本骤降，行业瓶颈转向协调
人工智能任务的原始计算成本已大幅下降，查询 GPT-3.5 级别模型的价格在不到两年内下降了 280 多倍。尽管如此，组织并未看到效益成比例增长，这表明计算不再是主要瓶颈。取而代之的是，挑战已转向协调智能，即让独立参与者和系统朝着共同目标保持一致的能力。协调失败在医疗保健和供应链等各个领域都显而易见，这些领域中同步不同实体的困难导致了效率低下和中断，而不是分析能力的缺乏。
-
阿里健康“青藜”AI与NEJM、JAMA、BMJ达成合作
阿里健康的人工智能平台“青藜”（原名“氢离子”）已与三大顶级医学期刊《新英格兰医学杂志》（NEJM）、JAMA和《英国医学杂志》（BMJ）达成内容合作。这使得“青藜”成为中国首个能够获取这些享有盛誉的出版物的全文内容并提供AI驱动问答功能的医疗AI平台。该平台旨在为中国医生提供更便捷的前沿医学证据获取途径，克服成本、语言和检索效率等障碍，从而支持临床和研究决策。
-
阿里健康AI平台获顶级医学期刊内容授权
阿里健康AI平台“氢离子”已与新英格兰医学杂志集团（NEJM Group）、美国医学会杂志（JAMA）及JAMA Network Open等知名医学期刊达成内容合作。这是中国首个获得这三家全球顶级医学出版物全文内容授权的医疗AI平台，此前已与英国医学杂志（BMJ Group）达成协议。该平台旨在利用这些内容驱动AI医学洞察和信息服务。
-
阿里健康AI平台获顶级医学期刊内容权
阿里健康医疗AI平台“氢舟”已获得NEJM Group、JAMA和JAMA Network Open的内容授权。加上此前与BMJ Group的协议，“氢舟”成为国内首个拥有全球三大医学期刊全文内容权的医疗AI平台。
-
新的阿尔茨海默病血液检测提供早期风险检测，但引发伦理担忧
新的血液检测可以在症状出现前数年检测到阿尔茨海默病的生物标志物，但其效用和影响仍有争议。虽然这些检测可以识别 p-tau 217 和 β-淀粉样蛋白等蛋白质，并表明未来认知能力下降的风险较高，但它们并不能保证疾病的发生。此外，即使在症状轻微的情况下，早期诊断也可能导致重大的心理压力，一些患者甚至会考虑临终选择。
-
新AI框架AegisDx提升诊断安全性和准确性
研究人员开发了AegisDx，一个旨在提高AI在临床鉴别诊断中安全性和可靠性的新框架。与目前将诊断视为单一预测的系统不同，AegisDx采用结构化的假说演绎方法。它利用具有明确角色、证据检索和验证步骤的专业AI组件，以确保考虑更广泛的潜在诊断，并特别关注识别关键的“不容错过”的病症。评估表明，与独立的LLM相比，AegisDx提高了诊断准确性和安全性评分，甚至在真实世界急诊科病例中也提高了医生评估的安全性。
-
新研究探索多模态和稀疏自编码器方法以对抗大型语言模型越狱
研究人员正在开发新的方法来对抗对语音语言模型（SLM）的越狱攻击。一种方法 JAMA 使用联合多模态优化框架同时攻击音频和文本模态，证明比单模态攻击更有效。另一项研究提出使用稀疏自编码器（SAE）进行大型语言模型越狱缓解，证明在稀疏 SAE 特征空间中进行引导比在密集激活空间中进行防御具有优势。
-
患者门户消息压垮医生收件箱，加剧职业倦怠
医生收件箱正演变成一场行政危机，患者门户消息量在2020年至2025年间翻倍，导致医生职业倦怠加剧和无偿工作增加。虽然这些门户为面临漫长预约等待时间的患者提供了一个重要的沟通渠道，但回复消息所需的认知负荷和时间已显著影响了医生的工作量。业界正在探索利用AI和数字工具来自动分类消息，但患者需求的复杂性常常需要医生直接介入，这凸显了需要系统性改进来减轻医生的行政负担。
-
医科学生怀疑人工智能算法阻止了工作面试
一位拥有良好学术背景和出版物的医科学生在争取工作面试机会时遇到了困难，他怀疑人工智能算法是导致其申请被拒的原因。尽管他拥有常春藤盟校医学院的优异成绩，在JAMA和The Lancet等知名期刊上发表过文章，撰写了引人注目的个人陈述，并获得了有力的推荐信，但他只收到了拒绝信。他花了几个月的时间调查人工智能工具是否不公平地过滤了他的申请。
-
尽管GDP支出翻倍，美国医疗保健仍落后于同行
美国在医疗保健方面面临严峻挑战，在健康相关支出上的GDP几乎是其他高收入国家的一倍，但健康状况更差，预期寿命更短。关键问题包括预期寿命的种族差距日益扩大、药品成本过高、全科医生严重短缺，以及一个导致许多美国人因费用而无法获得必要医疗服务的体系。这些系统性失败凸显了进行政策改革、增加研究资金和重新设计医疗服务的必要性，以改善国民健康。
-
美国过量死亡人数2024年下降27%，但成瘾危机依然存在
2024年，美国过量死亡人数显著下降了近27%，其中合成阿片类药物死亡人数下降了37%。尽管出现了历史性的下降，但公共卫生专家仍持谨慎乐观态度，并强调死亡人数的减少并不等同于解决了成瘾问题。导致危机的潜在社会问题，如精神疾病、慢性疼痛和社会孤立，依然存在，并继续加剧广泛的绝望情绪。