医学 AI

Position: Medical AI Neglects Real Treatment Outcomes

立场：医学人工智能忽视真实治疗结局

Shiva Kaul, Anjum Khurshid

专题命中 诊断辅助 ：medical AI(title,abstract)；biomedical(abstract)

AI总结 本论文指出医学AI忽视真实治疗结局，当前依赖文本而非真实数据，导致模型与基准存在缺陷，提出应将真实治疗结局纳入训练评估，并将优化其作为医学AI的下游目标。

Comments Published at ICML 2026. https://openreview.net/forum?id=0e1KEGU9RD

FZ-VLM: A Two Stage Florence-Zephyr Vision Language Model Framework for Pulmonary Nodule Characterization and Clinical Decision Making

FZ-VLM：用于肺结节特征表征与临床决策的两阶段Florence-Zephyr视觉语言模型框架

Pramit Dutta, Jenita Manokaran, Richa Mittal, Ryan Appleby, Eranga Ukwatta

机构 * College of Engineering, University of Guelph（圭尔夫大学工程学院） ； Holland Bloorview Kids Rehabilitation Hospital（霍兰德布鲁尔维尤儿童康复医院） ； Guelph General Hospital（圭尔夫综合医院） ； Ontario Veterinary College, University of Guelph（圭尔夫大学安大略兽医学院） 纠错

专题命中 诊断辅助 ：CT(summary_cn,abstract)；分类 cs.CV

AI总结 本研究提出首个两阶段视觉语言模型框架FZ-VLM，通过微调Florence-2与Zephyr-7B模型，实现肺CT中肺结节的结构化特征表征与临床决策，性能优于GPT-4基线及人类基线。

Beyond Field Accuracy: Two-Axis Diagnosis of Inverse-PINN Parameter Error

超越场精度：逆物理信息神经网络参数误差的双轴诊断

Yifan Zhang, Qian Tao

机构 * School of Software Engineering, South China University of Technology（华南理工大学软件学院） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG

AI总结 针对逆PINNs的参数误差问题，提出双轴后训练诊断方法，经三类合成PDE及耦合双参数达西检验验证，可有效分离有限样本分辨率与参数偏好，助力后续研究方向确定。

Comments Preprint with supplementary appendix. 26 pages, 3 figures

Misconception Diagnosis From Student-Tutor Dialogue: Generate, Retrieve, Rerank

从学生-辅导对话中诊断误解：生成、检索、重排序

Joshua Mitton, Prarthana Bhattacharyya, Digory Smith, Thomas Christie, Ralph Abboud, Simon Woodhead

机构 * Eedi Renaissance Philanthropy Learning Engineering Virtual Institute（Eedi 理性慈善学习工程虚拟研究所） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本文提出利用大语言模型从学生-辅导对话中检测误解的方法，通过生成、检索和重排序提升误解识别的准确性。

Comments Published as Oral Paper at Learning at Scale, 2026. Link: https://dl.acm.org/doi/10.1145/3774398.3811609. 21 pages, 8 figures, 8 tables. Joshua Mitton and Prarthana Bhattacharyya contributed equally to this paper

Agentic AI for Scaling Diagnosis and Care in Neurodegenerative Disease

神经退行性疾病诊断与护理的代理AI

Andrew G. Breithaupt, Michael Weiner, Alice Tang, Katherine L. Possin, Marina Sirota, James Lah, Allan I. Levey, Pascal Van Hentenryck, Reza Zandehshahvar, Marilu Luisa Gorno-Tempini, Joseph Giorgio, Jingshen Wang, Andreas M. Rauschecker, Howard J. Rosen, Rachel L. Nosheny, Bruce L. Miller, Pedro Pinheiro-Chagas

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出了一套六阶段路线图，旨在通过代理AI系统提升神经退行性疾病诊断与护理的效率，强调数据收集、决策支持、临床整合和伦理框架的综合应用。

Comments 28 pages, 2 figures, 1 table, 1 box

PLeDO: Pain Level Detection for Osteoarthritis from EMR Data

PLeDO：基于电子病历数据的骨关节炎疼痛程度检测

Yuhao Chen, Jiahao Cai, Nafiz Sadman, Farhana Zulkernine, John Queenan, David Barber

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本研究针对骨关节炎疼痛检测难题，提出SPaDe及集成药物、疼痛量表信息的PLeDO工具，可从电子病历中检测疼痛程度，有望提升初级保健护理质量。

Comments Published in Intelligent Data Analysis, 2026

Journal ref Chen, Y., Cai, J., Sadman, N., Zulkernine, F., Queenan, J., and Barber, D. (2026). PLeDO: Pain level detection for osteoarthritis from EMR data. Intelligent Data Analysis, 1-20

Guaranteed Adaptive Modality Acquisition: When the Policy Chooses Its Own Calibration Group

带保证的自适应模态获取：策略选择自身校准组时

Melika Baghi

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 该研究针对自适应模态获取中策略诱导分组破坏条件校准假设的问题，提出RouteCert方法，在临床心电图任务及掩码多模态基准上实现了高回答比例与低分歧率的良好性能。

Comments 23 pages, 4 figures, 14 tables. Includes appendix with full proofs and additional experiments

Targeting Support Using Job Seekers' Biases: A Randomized Experiment

利用求职者的偏差进行精准帮扶：一项随机实验

Bruno Crépon, Aurélien Frot, Christophe Gaillac

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究通过随机实验发现，针对悲观求职者的动机干预可提升求职努力与再就业结果，而职业推荐则惠及注意力分配有问题的求职者，展示了数字平台诊断求职者需求并优化干预的方法。

Comments JEL classification: D83, D84, J64, C4, C93. Keywords: Job Search, Subjective Expectations, Machine Learning, Decision Making, Information Design

Policy Iteration with Human Feedback: Bringing Post-Training RL to In-context Learning

结合人类反馈的策略迭代：将后训练强化学习应用于上下文学习

Minh-Ha Nguyen, Cathy Shyr

机构 * Vanderbilt University（范德堡大学） ； Vanderbilt University Medical Center（范德堡大学医学中心） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究提出结合人类反馈的策略迭代（PIHF）方法，采用预训练语言模型为基底，经实验使其在罕见疾病诊断相关任务中显著提升了多个执行器的Recall@1指标，验证了其可行性。

Comments PIHF method paper

FeatureHospital: A Skill-Driven Multi-Agent Framework for Automated Algorithm Customization in Multi-View Multi-Label Feature Selection

FeatureHospital：一种用于多视图多标签特征选择中自动化算法定制的技能驱动多智能体框架

Junxuan Li, Zhiqi Chen, Yuzhou Liu, Peng Zhang, Huaxiao Liu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 FeatureHospital是技能驱动的多智能体框架，可自动化设计多视图多标签特征选择算法，经实验验证能为不同数据集构建有效算法。

Constraint-Aware Synthetic Tabular Data Generation via Inter-Column Constraint Discovery with LLM Agents

基于大语言模型智能体的列间约束发现的约束感知合成表格数据生成

Jianxing Zhao, Mao Guan, Dongyu Liu

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究针对合成表格数据易违反领域约束的问题，提出基于大语言模型智能体的列间约束发现的统一工作流，结合后处理器修复输出，提升了约束合规性与下游效用。

AutoMem: A Text-Gradient Recursive Self-Improvement Framework for Automated Memory Architectures Search

AutoMem：面向自动化记忆架构搜索的文本梯度递归自改进框架

Lin Du, Jie Zhou, Yuxuan Cai, Kai Chen, Qin Chen, Xin Li, Bo Zhang, Wei Li, Liang He

机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 AutoMem是面向任务自适应记忆架构搜索的文本梯度递归自改进框架，通过经验引导架构搜索与失败引导模块诊断，在多基准测试中性能优于人工设计基线，实现了准确率与效率的良好权衡。

Do LLM Agents Negotiate Rationally? A Mechanism-Design Framework for Verifiable Multi-Agent Interaction over A2A/MCP

大语言模型智能体是否进行理性协商？面向A2A/MCP的可验证多智能体交互机制设计框架

Wael Albayaydh, Rui Zhao

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究针对A2A/MCP协议提出可验证多智能体交互机制设计框架，实验发现机制激励兼容性无法自动迁移至大语言模型智能体行为，相关成果连接经典多智能体理论与现代LLM智能体基础设施。

Comments 20 pages , 3 tables

Whole Blood-Based Point-of-Care Assay for Single-Tier Lyme Disease Testing

基于全血的莱姆病单级检测即时检验方法

Mihye Lee, Rajesh Ghosh, Artem Goncharov, Rui-Chian Tang, Barath Palanisamy, Gyeo-Re Han, Adrian Anaya, Elizabeth J. Horn, Paul M. Arnaboldi, Raymond J. Dattwyler, Omai B. Garner, Aydogan Ozcan, Dino Di Carlo

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究开发了WB-xVFA全血多重垂直流检测法，结合智能手机成像与机器学习，可20分钟内从全血实现莱姆病单级检测，在62份样本中灵敏度和特异性约97%，验证了床旁应用的可行性。

Comments 26 pages, 4 figures

The Calibration-Leverage Tradeoff in Exactly Solvable Win-Probability Models

可精确求解的胜率模型中的校准-杠杆权衡

Devansh Mishra

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究构建可精确求解的马尔可夫胜率模型，发现其存在校准-杠杆结构性权衡，短程得分持续性是校准偏差主因，块自举模拟器可缩小26%校准差距。

Comments 19 pages, 2 figures, 3 tables