医学 AI

EQ-5D Classification Using Biomedical Entity-Enriched Pre-trained Language Models and Multiple Instance Learning

利用生物医学实体增强的预训练语言模型和多实例学习进行EQ-5D分类

Zhyar Rzgar K Rostam, Gábor Kertész

机构 * Doctoral School of Applied Informatics and Applied Mathematics, Obuda University（应用信息与应用数学博士学校，奥布达大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本文提出利用生物医学实体增强的预训练语言模型和多实例学习方法，提升EQ-5D在摘要中的检测精度，实现更高效的系统文献综述自动化筛选。

Comments 12 tables

Zero-Shot Document-Level Biomedical Relation Extraction via Scenario-based Prompt Design in Two-Stage with LLM

零样本文档级生物医学关系抽取：基于场景的提示设计的两阶段方法与大语言模型

Lei Zhao, Ling Kang, Quan Guo

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本研究提出一种基于场景的提示设计的两阶段方法，利用通用LLMs在降低硬件和劳动力成本的同时实现文档级生物医学关系抽取的高准确性。

QCS-ADME: Quantum Circuit Search for Drug Property Prediction with Imbalanced Data and Regression Adaptation

QCS-ADME：用于不平衡数据和回归适应的量子电路搜索

Kangyu Zheng, Tianfan Fu, Zhiding Liang

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 QCS-ADME提出了一种无训练评分机制，用于在不平衡数据和回归任务中优化量子电路，通过量化量子态相似性提升ADME预测性能。

Compressing Language Models for Specialized Domains

面向专业领域的语言模型压缩

Miles Williams, George Chrysostomou, Vitor Jeronymo, Nikolaos Aletras

机构 * University of Sheffield（谢菲尔德大学） ； Enterprise AI Services, AstraZeneca（AstraZeneca企业人工智能服务） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出MixCal方法，通过训练后校准提升压缩语言模型在专业领域任务中的性能，同时降低计算成本。

Comments EACL 2026

Adaptive Penalized Doubly Robust Regression for Longitudinal Data

适应性惩罚双重稳健回归用于纵向数据

Yuyao Wang, Yu Lu, Tianni Zhang, Mengfei Ran

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种双重适应性稳健回归方法，用于纵向数据中的稳健估计和变量选择，通过结合稳健拟合、双重适应性权重和折叠凹惩罚，提高了估计精度和预测稳定性。