医学 AI

When the Edit Changes the Patient: Measuring Identity Preservation in Counterfactual Retinal Images

当编辑改变患者时：在反事实视网膜图像中测量身份保留情况

Andrea Posada, Wenke Karbole, Bach Ngoc Doan, Alexander Weers, Solmaz Abdolrahimzadeh, Maria Patsiamanidi, Kahkashan Haider, Vaishali Khare, Daniel Rueckert, Andrew Lotery, Sobha Sivaprasad, Martin J. Menten

机构 * Technical University of Munich（慕尼黑工业大学） ； TUM University Hospital（慕尼黑工业大学医院） ； Munich Center of Machine Learning (MCML)（慕尼黑机器学习中心） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； Sapienza University of Rome（罗马第一大学） ； Faculty of Medicine, University of Southampton（南安普顿大学医学院） ； Moorfields Eye Hospital NHS Foundation Trust（摩尔菲尔兹眼科医院NHS信托基金） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 临床大模型 ：medical image(abstract)；分类 cs.CV

AI总结 本研究针对视网膜OCT图像，用裁判分类器等方法对比三类文本条件编辑方法的身份保留效果，发现配对训练法身份保留最佳，建议未来医学反事实生成需明确报告身份保留情况。

Role-Specialized Mixture-of-Agents with Open-Weight LLMs for Clinical Prediction

采用开源权重大语言模型的角色专业化智能体混合架构用于临床预测

Jun Hou, Yi Fang, Xuan Wang

机构 * Virginia Tech（弗吉尼亚理工大学） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)；分类 cs.LG

AI总结 该研究提出角色专业化的开源权重智能体混合架构，结合医学知识检索与相似患者推理，在死亡率预测上媲美闭源模型且标记更多高危患者，为隐私约束下的临床LLM预测提供关键角色设计思路。

Comments COLM 2026 DAIH Workshop

Scaling Electronic Health Record Foundation Models for Population Health Management

面向人群健康管理的电子健康记录基础模型规模化研究

Liwen Sun, Hao-Ren Yao, Ophir Frieder, Xiang Qian, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgetown University（乔治城大学） 纠错

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

AI总结 该研究提出面向人群健康管理的电子健康记录基础模型，跨500万患者数据预训练，在11项慢性病预测任务及EHRShot基准中表现优于同类模型，将开源代码。

MediSkill-Evo: Process-Constrained Self-Evolution for Evidence-Grounded Clinical Interaction

MediSkill-Evo：面向证据依据的临床交互的过程约束自进化

Ruoyu Wu, Shenfu Xie, Yinqian Sun, Haibo Tong, Feifei Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Institute of AI Safety and Governance（北京人工智能安全与治理研究院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 MediSkill-Evo是无需主干微调的临床智能体，通过四类经验存储库与过程约束偏好工具优化，在多维度评估中提升了诊断准确率等指标，验证了其临床交互性能。

Teaching LLMs How ICU Physicians Approach Clinical Reasoning Through OMOP-Aligned Retrieval Improves Reasoning Across Clinical Domains

通过OMOP对齐检索教导大型语言模型（LLM）采用ICU医师的临床推理方式可提升跨临床领域的推理能力

Miguel Contreras, Scott Siegel, Subhash Nerella, Jessica Sena, Jiaqing Zhang, Heng Sun, Hruday Tej Akkaladevi, Peiyu Lu, Jordan Rosen, Sumit Kapoor, Sasank Desaraju, Grace R. Thompson, Jacob Purcell, Michael Petrauskis, Philip KW. Hong, Meghan Brennan, Sarah Chrabaszcz, Tierra Smith, Ronnie Ren, Michel S. Kabbash, Ceyhun Haziroglu, Rushi Patel, Gabriel Gomez, Charlotte Chaiklin, Randy Leung, Kenneth N. John, Whitman Wiggins, Philip Kayser, Vincent Bird, Maria Bruzzone, Tyler J. Loftus, Azra Bihorac, Parisa Rashidi

机构 * University of Florida（佛罗里达大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本研究开发ICU-REACT推理数据集并微调Clin-REACT模型，使其学习ICU医师的临床推理方式，该模型在五个临床推理基准中表现优于多款模型，可提升跨领域临床推理能力。

GraphMed-LT: Patient-Specific Graph Memory with Latent Clinical Thought Refinement for Multi-Turn Medical Conversations

GraphMed-LT：面向多轮医疗对话的具有潜在临床思维优化的患者特定图记忆

Zhaohan Meng, Zaiqiao Meng, Siwei Liu, Hao Xu, Ke Yuan, Iadh Ounis

机构 * School of Computing Science, University of Glasgow, UK（格拉斯哥大学计算机科学学院） ； School of Natural and Computing Science, University of Aberdeen, UK（阿伯丁大学自然与计算科学学院） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 该研究针对多轮医疗对话中临床证据分散的问题，提出GraphMed-LT方法，通过患者特定图记忆及潜在临床思维优化，在多轮医疗QA任务上较基线实现显著提升。

Comments Accepted to EMNLP 2026