A Federated Learning Platform as a Service for Advancing Stroke Management in European Clinical Centers
CERN(欧洲核子研究组织);Politecnico di Milano(米兰理工大学);Consiglio Nazionale delle Ricerche (CNR)(意大利国家研究委员会)
本文提出一种基于PaaS和MQTT的联邦学习平台,用于在保护医疗数据隐私的前提下支持欧洲临床中心卒中管理中的协作模型训练与流程管理,并通过多环境测试验证其安全性和有效性。
2024-10-02 cs.CY cs.DC cs.LG
Navigating the Future of Healthcare HR: Agile Strategies for Overcoming Modern Challenges
本研究梳理医院人力资源管理的现存挑战与影响,提出结合行业最佳实践的综合管理框架,同时推出集成问诊、预约、急诊、支付、投诉等功能的医疗应用,为医院HR策略优化与患者护理提升提供方案。
2024-10-05 cs.CY
Large Language Model Integrated Healthcare Cyber-Physical Systems Architecture
Southern Illinois University(南伊利诺伊大学)
针对医疗信息物理系统存在的数据录入慢、缺实时处理等问题,提出集成大语言模型的创新架构,通过在多层级引入LLM提升医疗系统效率与决策能力。
2024-07-25 cs.CY cs.LG
The Ethics of ChatGPT in Medicine and Healthcare: A Systematic Review on Large Language Models (LLMs)
本文通过系统综述53项研究,梳理了LLMs在医疗中的四类应用场景及其公平性、偏见、透明度和隐私等伦理问题,并建议将伦理讨论聚焦于界定可接受的人类监督标准。
2024-03-21 cs.CY
Guiding IoT-Based Healthcare Alert Systems with Large Language Models
提出LLM-HAS框架,将LLM融入资源受限的IoT医疗警报系统,利用MoE分析用户偏好与风险并指导DDPG专家做出精确警报,同时处理对话反馈以微调模型,在保护隐私下提升警报准确性与个性化。
2024-08-23 cs.CY
A Clinical Trial Design Approach to Auditing Language Models in Healthcare Setting
University of British Columbia(不列颠哥伦比亚大学);BC Cancer Research(不列颠哥伦比亚癌症研究中心)
本文提出一种受临床试验设计启发的语言模型审计机制,将模型审计设定为单盲等效性试验,通过原则性的样本量与功效计算确定最少采样记录数,并在大规模公共卫生网络生产环境中验证了其有效性。
2024-12-18 cs.CY cs.LG
Aligning Large Language Models with Healthcare Stakeholders: A Pathway to Trustworthy AI Integration
Rutgers University(罗格斯大学);Stanford University(斯坦福大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
本文综述了医疗保健利益相关者与大型语言模型对齐的方法、工具与应用,强调人类参与训练数据整理、模型训练和推理全过程,以构建可信赖的医疗AI应用。
2025-05-02 cs.AI cs.CL cs.CY
Global Readiness of Language Technology for Healthcare: What would it Take to Combat the Next Pandemic?
Microsoft Research Labs(微软研究院);Microsoft Africa Research Institute(微软非洲研究院)
COVID-19大流行带来了最好和最差的语言技术(LT)。一方面,用于信息传播和基本诊断的会话代理人已经得到广泛使用,并且可以说在防治这一流行病方面发挥了重要作用。另一方面,也很明显,这些技术可以很容易地用于少数语言,而全球南方的绝大多数国家完全没有这些好处。什么是LT的状态,特别是会话代理,在世界各地的语言医疗保健?在下一次大流行之前,如何确保LT的全球准备?在本文中,我们试图通过对现有文献和资源的调查,以及通过对15种亚洲和非洲语言的快速聊天机器人构建练习来回答这些问题。该研究证实了LT的可怜状态,即使是具有大量说话者基础的语言,如僧伽罗语和豪萨语,并确定了可以帮助我们优先考虑LT医疗保健研究和投资策略的差距。
2022-04-06 cs.CL cs.CY
Evolutionary perspective of large language models on shaping research insights into healthcare disparities
本研究通过分析大语言模型在医疗不平等研究中的演变,揭示其在帮助理解该领域趋势和影响方面的潜力。
2025-12-08 cs.CY cs.SI
Surgeons Are Indian Males and Speech Therapists Are White Females: Auditing Biases in Vision-Language Models for Healthcare Professionals
University of Louisiana at Lafayette(路易斯安那大学拉斐特分校);Aligarh Muslim University(阿尔瓦格穆斯林大学)
本研究提出评估协议,量化CLIP等视觉语言模型在医疗职业中的人口统计偏见,发现跨角色和模型存在一致偏差,强调AI招聘中的公平风险。
2025-10-06 cs.AI cs.CV cs.CY
Differentiating hype from practical applications of large language models in medicine -- a primer for healthcare professionals
Washington University in St. Louis(圣路易斯华盛顿大学)
本文面向医疗专业人员,梳理LLM在医疗培训、临床与研究中的自动化潜力,并强调其缺乏客观真理理解及隐私泄露风险,主张审慎部署。
2025-07-25 cs.AI cs.CY
Large language models in medicine: the potentials and pitfalls
Stanford University(斯坦福大学)
本文综述了大语言模型在医学中的应用现状、发展历程、潜在用途及相关风险,旨在帮助医疗从业者理解这一快速变化的领域。
2023-08-31 cs.AI cs.CL cs.CY
A Comprehensive Survey on the Trustworthiness of Large Language Models in Healthcare
Virginia Tech(维吉尼亚理工大学)
本综述系统评估了大型语言模型在医疗领域的可信度,涵盖真实性、隐私、安全性等六大维度,分析了现有解决方案并指出了多智能体协作等新兴挑战,旨在指导构建更可信、透明的临床 LLMs。
2025-09-17 cs.AI cs.CL cs.CY
Artificial intelligence language technologies in multilingual healthcare: Grand challenges ahead
School of Applied Languages and Intercultural Studies (SALIS)(应用语言学与跨文化研究学院);CTTS, ADAPT Centre(CTTS与ADAPT中心);Dublin City University(都柏林城市大学)
本文探讨多语言医疗中AI语言技术的应用挑战,分析其在翻译、文档等任务中的表现差异及安全性和公平性问题,提出七大研究与部署挑战。
2026-05-02 cs.CL cs.CY cs.HC
Patient Journey Ontology: Representing Medical Encounters for Enhanced Patient-Centric Applications
本文提出患者旅程本体(PJO),通过整合医疗数据源并捕获时间、顺序和因果关系,支持预测分析,经专家评估验证其在病史检索和症状跟踪中的可靠性,以增强个性化医疗和医疗效率。
2025-03-04 cs.CY cs.DB
Internet of Things and Health Care in Pandemic COVID-19: System Requirements Evaluation
医疗服务中的技术采用促进了医疗服务的发展,改善了患者的体验。本文介绍了一项旨在找到COVID-19患者远程监护系统的重要要求的研究。随着这一流行病越来越严重,迫切需要这种系统。在本文中,所提出的系统,它集成了一个智能手环,有助于信号患者的生命体征的要求和价值的确定。(376)参与者完成了在线定量调查。根据研究结果,大多数医疗保健专家(97.9%)表示,自动化可穿戴设备非常有用,它在日常医疗保健任务(早期诊断,检疫执法和患者状态监测)中发挥着重要作用,并简化了他们的日常医疗保健活动。此外,基于专家意见的主要生命体征应包括体温(66%的参与者)和氧合水平(95%的参与者)。这些发现对于任何学术和工业未来开发这些重要可穿戴系统的努力都至关重要。未来的工作将涉及根据本研究结果实施设计,并使用机器学习算法,以更好地检测基于生命体征和症状监测的COVID-19病例。
2022-05-05 cs.CY eess.SP
Inclusivity of AI Speech in Healthcare: A Decade Look Back
The Open University(开放大学)
该研究回顾十年医疗AI语音发展,发现现有数据集与研究存在语言、口音及人口群体的包容性偏差,易加剧医疗不公,呼吁通过包容性数据集设计、偏差研究及政策框架实现技术公平可及。
2025-05-15 cs.AI cs.CY
Relevant Word Order Vectorization for Improved Natural Language Processing in Electronic Healthcare Records
University of Kansas Medical Center(堪萨斯大学医学中心);University of Kansas Cancer Center(堪萨斯大学癌症中心)
目的:电子健康记录(EHR)是进行观察性研究、支持临床试验等的丰富资源。然而,许多相关信息都是以非结构化格式存储的,因此很难使用。试图自动分类数据的自然语言处理方法依赖于将结构强加于文本的矢量化算法,但这些算法不是针对EHR的独特特征而设计的。在这里,我们提出了一种新的算法来构建所谓的自由文本,可以帮助研究人员更好地利用EHR。我们称这种方法为相关词序向量化(RWOV)。材料与方法:作为概念验证,我们试图从病理报告的非结构化文本中对堪萨斯大学医学中心近年来治疗的乳腺癌患者的激素受体状态进行分类。我们的方法试图解释医疗保健提供者经常输入信息的半结构化方式。我们将这种方法与ngram和word2vec方法进行了比较。结果如下:我们的方法导致了最一致的高准确性,如F1评分和受试者工作特征曲线下面积(AUC)所示。讨论内容:我们的研究结果表明,考虑到其上下文的结构化自由文本的方法可能会显示出更好的性能,我们的方法是有前途的。结论:通过使用一种方法,考虑到医疗保健提供者倾向于重复使用某些关键词,并且这些关键词的顺序很重要,我们显示了比不使用的方法更好的性能。
2018-12-06 cs.CL cs.CY
A Review of ChatGPT Applications in Education, Marketing, Software Engineering, and Healthcare: Benefits, Drawbacks, and Research Directions
Jordan University of Science and Technology(约旦科技大学)
该综述梳理了ChatGPT等先进AI语言模型的发展背景,分析其在教育、营销、软件工程、医疗四大领域的应用潜力、现存缺陷,并指明未来研究方向。
2023-04-29 cs.AI cs.CY
User Intent to Use DeepSeek for Healthcare Purposes and their Trust in the Large Language Model: Multinational Survey Study
West Virginia University(西弗吉尼亚大学)
本研究通过对印度、英国和美国的556名参与者进行横断面调查,探讨了影响用户出于医疗目的采用DeepSeek意向的因素,发现信任在易用性、感知有用性与使用意向间起关键中介作用,而风险感知产生负面影响并存在非线性阈值效应。
2025-03-02 cs.AI cs.CY cs.HC
Efficient and Personalized Mobile Health Event Prediction via Small Language Models
University of Melbourne(墨尔本大学)
本文研究小语言模型在移动健康监测中的本地化应用,发现11亿参数的TinyLlama在多项健康数据分析任务中性能最佳,验证了SLM在可穿戴设备上实现高效且保护隐私的实时健康预测的可行性。
2024-09-17 cs.AI cs.CL cs.CY
Trust and Dependability in Blockchain & AI Based MedIoT Applications: Research Challenges and Future Directions
Newcastle University(纽卡斯尔大学);Newcastle Hospitals NHS Foundation Trust(纽卡斯尔医院NHS基金会信托)
本文综述AI与区块链在MedIoT中的融合,聚焦信任、可靠性、安全、隐私与可扩展性挑战,并指出研究空白及未来以患者为中心的发展方向。
2025-01-05 cs.AI cs.CR cs.CY
KidLM: Advancing Language Models for Children -- Early Insights and Future Directions
University of Alberta(阿尔伯塔大学)
该研究针对儿童专属语言模型开发的需求,提出以用户为中心的儿童语料收集流程和分层掩码训练目标,提升模型在儿童文本理解、安全及偏好匹配上的表现,并给出未来发展建议。
2024-10-04 cs.AI cs.CL cs.CY
Vision Language Models in Medicine
本综述全面回顾了医学视觉语言模型的基础技术、医疗应用与变革性影响,分析了数据稀缺、泛化及伦理等挑战,并提出了利用大规模数据集、联邦学习和EHR集成等创新路径以促进其在医疗中的安全与伦理应用。
2025-02-24 cs.AI cs.CL cs.CV