医学 AI

Explainable AI for Classifying UTI Risk Groups Using a Real-World Linked EHR and Pathology Lab Dataset

利用真实世界链接的电子健康记录和病理实验室数据集进行UTI风险分组分类的可解释AI

Yujie Dai, Brian Sullivan, Axel Montout, Amy Dillon, Chris Waller, Peter Acs, Rachel Denholm, Philip Williams, Alastair D Hay, Raul Santos-Rodriguez, Andrew Dowsey

机构 * University of Bristol（布里斯托大学） ； Kettering General Hospital NHS Foundation Trust（凯特林医院国家健康服务基金会信托） ； NHS England（英格兰国家健康服务） ； University Hospitals Bristol and Weston NHS Foundation Trust（布里斯托和韦斯特医院国家健康服务基金会信托） 纠错

专题命中 临床大模型 ：pathology(title)；分类 cs.LG

AI总结 本研究利用真实世界链接的EHR和病理实验室数据集，通过可解释AI技术对UTI风险分组进行分类，以提高临床决策的透明性和可解释性。

Comments Peer-reviewed; accepted at Health Intelligence (W3PHIAI-25) Workshop, AAAI Conference 2025 (to appear in Studies in Computational Intelligence, Springer/Nature)

SGEMAS: A Self-Growing Ephemeral Multi-Agent System for Unsupervised Online Anomaly Detection via Entropic Homeostasis

SGEMAS：一种自生长瞬时多智能体系统，用于通过熵稳态的无监督在线异常检测

Mustapha Hamdi

机构 * InnoDeep, PhD, Co-founder（InnoDeep） 纠错

专题命中 临床大模型 ：medical AI(abstract)；biomedical(abstract)；分类 cs.LG

AI总结 SGEMAS通过熵稳态机制实现自生长多智能体系统，用于无监督在线异常检测，实验表明其在跨患者零样本设置中性能优于传统方法。