医学 AI

The Next Layer: Augmenting Foundation Models with Structure-Preserving and Attention-Guided Learning for Local Patches to Global Context Awareness in Computational Pathology

Muhammad Waqas, Rukhmini Bandyopadhyay, Eman Showkatian, Amgad Muneer, Anas Zafar, Frank Rojas Alvarez, Maricel Corredor Marin, Wentao Li, David Jaffray, Cara Haymaker, John Heymach, Natalie I Vokes, Luisa Maren Solis Soto, Jianjun Zhang, Jia Wu

专题命中 病理影像 ：pathology(title,abstract)；分类 q-bio

Comments 43 pages, 7 main Figures, 8 Extended Data Figures

Journal ref npj Precision Oncology 10, 109 (2026)

XtraLight-MedMamba for Classification of Neoplastic Tubular Adenomas

XtraLight-MedMamba用于神经内分泌瘤分类

Aqsa Sultana, Rayan Afsar, Ahmed Rahu, Surendra P. Singh, Brian Shula, Brandon Combs, Derrick Forchetti, Vijayan K. Asari

机构 * Vision Lab and Dept. of Electrical and Computer Engineering, University of Dayton（视觉实验室和电气与计算机工程系，代顿大学） ； Dept. of Computer Science, University of Georgia（计算机科学系，佐治亚大学） ； The University of Toledo Medical Center（托莱多大学医学中心） ； Honeywell International Inc.（霍尼韦尔国际公司） ； South Bend Medical Foundation（南本迪医疗基金会） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出XtraLight-MedMamba模型，通过轻量级状态空间框架对全滑片图像中的神经内分泌瘤进行分类，利用ConvNeXt和Mamba块结合SCAB模块和FNOClassifier，实现高精度分类。

Comments 18 pages, 11 figures

NAST: Improving Negation Handling in Medical Vision-Language Models through Negation-Aware Selective Training

针对医学视觉-语言模型中否定处理改进的分层微调

Ali Abbasi, Mehdi Taghipour, Rahmatollah Beheshti

机构 * University of Delaware（德克萨斯大学） 纠错

专题命中 医疗多模态 ：radiology(abstract)；分类 cs.CV

AI总结 本研究提出NAST方法，通过因果追溯效应调节逐层梯度更新，提升医学视觉-语言模型对否定处理的识别能力，同时保持一般视觉-语言对齐。

Comments 16 pages, 6 figures. Accepted to MLHC 2026

Engineering Signals of Human-AI Collaboration in the Agentic Coding Era: A Longitudinal Analysis of 33,228 Pull Requests from vLLM and SGLang with Implications for Biomedical AI Agents and Bioinformatics Pipeline Developmen

智能体编码时代人机协作的工程信号：对vLLM和SGLang中33228个拉取请求的纵向分析及其对生物医学智能体和生物信息学流程开发的启示

Jiada Li, Xuesong Ye, Olamide Olowoniyi

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

AI总结 该研究对vLLM和SGLang的33228个拉取请求进行纵向分析，发现AI辅助开发提升了开源软件的吞吐量、贡献者参与度及人机协作信号，且增长主要由人类驱动，为生物医学智能体开发提供启示。

Comments 24 pages, 9 Figures

AutoSchema: Live Schema Grounding for Agentic Text-to-Sparql over Heterogeneous Knowledge Graphs

AutoSchema：面向异构知识图谱的智能体文本转SPARQL的实时模式接地

Yiming Zhang, Koji Tsuda

机构 * The University of Tokyo（东京大学） ； National Institute for Materials Science（国立材料科学研究所） ； RIKEN Center for Advanced Intelligence Project（理化学研究所高级智能项目中心） 纠错

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

AI总结 提出无需训练的AutoSchema框架，用于异构知识图谱的智能体文本转SPARQL的实时模式接地，在多项生物医学KGQA等任务中优于TogoMCP，可支持未记录RDF图谱。

FastJM: An R Package for Efficient Implementation of Semiparametric Joint Models for Longitudinal and Survival Data

FastJM：用于高效实现纵向与生存数据半参数联合模型的R包

Shanpeng Li, Emily Ouyang, Ace Isabel Mejia-Sanchez, Xinping Cui, Gang Li

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 FastJM是用于高效实现三类半参数联合模型的R包，采用定制线性扫描算法解决计算瓶颈，提供统一接口支持模型相关操作及动态预测等功能。

Limitations of post accelerating ion beams using the snowplow field in a near-critical density target

近临界密度靶中利用雪犁场加速离子束的局限性

Davide Terzani, Stepan S. Bulanov, Lieselotte Obst-Huebl, Carlo Benedetti, Franklin Dollar, Eric Esarey, Axel Huebl, Aodhan McIlvenny, John Palastro, Jessica Shaw, Carl B. Schroeder, Douglass Schumacher, Mingsheng Wei, Louise Willingale

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文探究级联离子加速方案，讨论将离子束加速扩展至相对论能量的可能性，指出激光驱动离子加速受带电粒子与强电磁场相互作用基本特性限制，该方案或为实现相对论能量提供途径。

Investigating individual writing style as a contributor to gender gaps in science and technology

探究个人写作风格对科技领域性别差距的影响

Kara Kedrick, Ekaterina Levitskaya, Russell J. Funk

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Coleridge Initiative（科尔里奇倡议） ； University of Minnesota（明尼苏达大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 该研究发现科技领域女性写作风格比男性更具参与性，这种性别化的写作风格差异会影响论文的引用情况，揭示了评价偏见持续存在的微妙渠道。

Leveraging Few-Shot Learning and Large Language Models for Analyzing Blood Pressure Variations Across Biological Sex from Scientific Literature

利用小样本学习与大语言模型从科学文献中分析不同生物性别间的血压差异

Yuting Guo, Seyedeh Somayyeh Mousavi, Reza Sameni, Abeed Sarker

专题命中 生物医学文本 ：diagnosis(abstract)

AI总结 本研究利用小样本学习、LLaMA3及GPT-3.5等大语言模型，从PubMed文献中提取血压相关信息，分析不同生物性别间的血压差异，生成可视化图表开展研究。

Comments Accepted by the journal of Computers in Biology and Medicine

MedMix: Specialization-Consistent Federated Sparse MoEs under Modality Heterogeneity

MedMix：模态异质性下的专业化一致联邦稀疏混合专家模型

Adiba Orzikulova, Dong Min Kim, Jaehong Yoon, Sung-Ju Lee

机构 * KAIST（韩国科学技术院） ； NTU Singapore（新加坡南洋理工大学） 纠错

专题命中 医学数据与评测 ：medical AI(abstract)；分类 cs.LG

AI总结 针对联邦多模态医疗AI的客户端与样本级模态异质性问题，提出MedMix框架，通过模态上下文感知路由、共识引导路由对齐与客户端自适应专家聚合，在多模态医疗数据集上取得最优平均F1值，严重异质性下提升显著。

Hybrid Quantum-inspired Kolmogorov-Arnold Networks for Privacy-Aware Federated Biosignal Learning

面向隐私感知的联邦生物信号学习的混合量子启发式柯尔莫哥洛夫-阿诺尔德网络

Chun-Hua Lin, Samuel Yen-Chi Chen, Yu-Chao Hsu, Kuo-Chung Peng, Jiun-Cheng Jiang, Chi-Sheng Chen, Tai-Yue Li, Nan-Yow Chen, En-Jui Kuo, Hsi-Sheng Goan

机构 * National Taiwan University（台湾大学） ； National Center for High-Performance Computing（国家高速计算机中心） ； National Institutes of Applied Research（应用研究院） ； Brookhaven National Laboratory（布鲁克海文国家实验室） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Harvard University（哈佛大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； National Center for Theoretical Sciences（国家理论科学中心） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)；分类 cs.LG

AI总结 该研究针对联邦生物信号学习的隐私与效率挑战，提出混合量子启发式柯尔莫哥洛夫-阿诺尔德网络（HQKAN），在两类心电数据集上较MLP实现参数与通信成本降低，且分类性能更优。

Comments 7 pages, 4 figures

A Negative-Control Protocol for Clinical EEG Foundation-Model Benchmarks: Dataset Identity and External-Cohort Stress Testing

用于临床解码的脑电图基础模型压力测试：数据集标识和目标阴性对照

Marzieh Zare

机构 * Université Laval（拉瓦尔大学） ； NeuroGenis Inc.（NeuroGenis公司） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究预训练脑电图基础模型在临床解码中的表现，通过多种方法在多数据集多任务上对六个模型进行基准测试，发现模型结论依赖评估单元、数据集偏移等因素，如在韩国痴呆症等任务中不同模型和方法表现各异。

Information Satisfaction: A Reader-Centered Axis for Summarization Evaluation

信息满意度：面向读者的摘要评估轴

Isabel Cachola, William Walden, Reno Kriz, Mark Dredze

机构 * St. Edward’s University（圣爱德华大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本研究提出以读者的信息满意度作为摘要评估的面向读者的轴，发现主流摘要指标无法衡量该满意度，且与人工判断一致性差。