医学 AI

Improving Reliability and Explainability of Medical Question Answering through Atomic Fact Checking in Retrieval-Augmented LLMs

通过检索增强的大语言模型中的原子事实核查来提高医疗问答的可靠性与可解释性

Juraj Vladika, Annika Domres, Mai Nguyen, Rebecca Moser, Jana Nano, Felix Busch, Lisa C. Adams, Keno K. Bressem, Denise Bernhardt, Stephanie E. Combs, Kai J. Borm, Florian Matthes, Jan C. Peeken

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 通过原子事实核查提升医疗问答的可靠性与可解释性，减少幻觉并提高事实准确性。

Comments 18 pages, 7 figures and tables

ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning

ClinDEF: 一种用于大语言模型临床推理的动态评估框架

Yuqi Tang, Jing Yu, Zichang Su, Kehua Feng, Zhihui Zhu, Libin Wang, Lei Liang, Qiang Zhang, Keyan Ding, Huajun Chen

机构 * ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州全球科技创新中心） ； ZJU-UIUC Institute, Zhejiang University（浙江大学UIUC研究院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； The Polytechnic Institute, Zhejiang University（浙江大学 polytechnic 院） ； AntGroup（蚂蚁集团） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 ClinDEF通过模拟诊断对话评估大语言模型的临床推理能力，利用疾病知识图谱生成病例并进行多轮交互，提供细粒度效率分析和诊断质量评估，揭示LLM在临床推理中的关键不足。

Comments 23 pages, 4 figures, under review

DICE: Discrete Interpretable Comparative Evaluation with Probabilistic Scoring for Retrieval-Augmented Generation

DICE：基于概率评分的离散可解释比较评估用于检索增强生成

Shiyan Liu, Jian Ma, Rui Qu

机构 * School of Computer Science and Technology（计算机科学与技术学院） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 DICE提出一种基于概率评分的两阶段框架，提升RAG评估的可解释性和稳健性，通过透明判断和系统性错误诊断，实现高效且可信的评估。

Comments Accepted at ResponsibleFM @ NeurIPS 2025

Evaluating Large Language Models for Line-Level Vulnerability Localization

评估大型语言模型在行级漏洞定位中的表现

Jian Zhang, Chong Wang, Anran Li, Weisong Sun, Cen Zhang, Wei Ma, Yang Liu

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文评估了大型语言模型在行级漏洞定位中的表现，发现判别微调在有充足训练数据时效果显著，而提示方法在低数据环境下更有效，同时提出了改进微调过程的策略。

Comments Accepted to TSE

A Real-World Evaluation of LLM Medication Safety Reviews in NHS Primary Care

对NHS初级医疗中基于LLM的药物安全审查系统的真实世界评估

Oliver Normand, Esther Borsi, Mitch Fruin, Lauren E Walker, Jamie Heagerty, Chris C. Holmes, Anthony J Avery, Iain E Buchan, Harry Coppock

机构 * i.AI, Department for Science, Innovation, and Technology（i.AI，科学、创新与技术部门） ； Centre for Experimental Therapeutics, University of Liverpool（实验治疗中心，利物浦大学） ； Civic Health Innovation Labs, University of Liverpool（公民健康创新实验室，利物浦大学） ； Downing Street（唐宁街10号） ； Department of Statistics, University of Oxford（统计系，牛津大学） ； Ellison Institute of Technology（埃利森技术研究所） ； Centre for Academic Primary Care, University of Nottingham（学术初级护理中心，诺丁汉大学） ； The UK AI Security Institute（英国人工智能安全研究所） ； Department of Computing, Imperial College London（计算系，伦敦帝国学院） 纠错

专题命中 医学数据与评测 ：clinical AI(abstract)

AI总结 本文评估了基于LLM的药物安全审查系统在真实临床数据中的表现，揭示了其在不同复杂性下的失败模式，强调了上下文推理的重要性及改进方向。

Prejudiced Futures? Algorithmic Bias in Time Series Forecasting and Its Ethical Implications

有偏见的未来？时间序列预测中的算法偏见及其伦理影响

Bagattini Alexander, Chen Shao

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文探讨了时间序列预测中算法偏见的伦理问题，提出通过社会技术视角、因果建模和制度改革来实现公平性，强调公平性应作为负责任创新的核心要素。

Comments 22 pages

Knowledge Hierarchy Guided Biological-Medical Dataset Distillation for Domain LLM Training

基于知识层级的生物医学数据集蒸馏用于领域大语言模型训练

Xunxin Cai, Chengrui Wang, Qingqing Long, Yuanchun Zhou, Meng Xiao

机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州高等研究院） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本文提出基于生物医学知识层级的自动数据蒸馏框架，提升领域大语言模型的训练效果，使Llama3-70B在参数量上超越GPT-4。

Comments 10 pages

Developing Large Language Models for Clinical Research Using One Million Clinical Trials

利用一百万项临床试验开发大型语言模型用于临床研究

Zifeng Wang, Jiacheng Lin, Qiao Jin, Junyi Gao, Jathurshan Pradeepkumar, Pengcheng Jiang, Zhiyong Lu, Jimeng Sun

机构 * Usher Institute, Edinburgh Medical School, University of Edinburgh（埃丁堡大学埃丁堡医学院usher研究所） ； Health Data Research UK（英国健康数据研究） ； School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算与数据科学学院） ； Division of Intramural Research, National Library of Medicine, National Institutes of Health（国家卫生研究院国家医学图书馆内部研究部） ； Keiji AI 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本文提出TrialPanorama，通过整合一百万项临床试验数据，训练出在八个关键临床研究任务中表现优于通用大语言模型的8B LLM。

MedCEG: Reinforcing Verifiable Medical Reasoning with Critical Evidence Graph

MedCEG: 通过关键证据图强化可验证的医学推理

Linjie Mu, Yannian Gu, Zhongzhen Huang, Yakun Zhu, Shaoting Zhang, Xiaofan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； SII 纠错

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 MedCEG通过关键证据图强化医学推理，提升临床决策的可靠性与有效性。

LLPut: Investigating Large Language Models for Bug Report-Based Input Generation

LLPut: 探究大型语言模型在基于bug报告的输入生成中的应用

Alif Al Hasan, Subarna Saha, Mia Mohammad Imran, Tarannum Shaila Zaman

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出LLPut技术，评估三种开源生成式LLMs在从bug报告中提取相关输入方面的性能，探讨生成式LLMs在自动bug诊断中的能力和限制。

Journal ref The First International Workshop on Large Language Model-Oriented Empirical Research (LLanMER 2025)

Leveraging language models for summarizing mental state examinations: A comprehensive evaluation and dataset release

利用语言模型进行精神状态检查的摘要：全面评估和数据集发布

Nilesh Kumar Sahu, Manjeet Yadav, Mudita Chaturvedi, Snehil Gupta, Haroon R Lone

机构 * IISER Bhopal India（比哈尔印度IISER） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本研究利用语言模型对MSE进行摘要生成，通过开发问卷和收集数据，评估多种模型性能，最终发布数据集和模型供心理健康研究使用。

Comments Appeared in: Proceedings of the 31st International Conference on Computational Linguistics (COLING 2025), Abu Dhabi, UAE. ACL Anthology ID: 2025.coling-main.182. (https://aclanthology.org/2025.coling-main.182/)

Retrieving Semantically Similar Decisions under Noisy Institutional Labels: Robust Comparison of Embedding Methods

在噪声机构标签下检索语义相似的决定：嵌入方法的稳健比较

Tereza Novotna, Jakub Harasta

机构 * Faculty of Law, Masaryk University, Brno, Czechia（法律系，马萨里克大学，布拉格） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文比较了两种嵌入方法在噪声标签下的表现，发现通用嵌入器在多个指标上均优于领域预训练模型。

Comments The manuscript has been accepted for presentation as a short paper at the 38th International Conference on Legal Knowledge and Information Systems (JURIX 2025) in Torino, Italy

Automated Identification of Incidentalomas Requiring Follow-Up: A Multi-Anatomy Evaluation of LLM-Based and Supervised Approaches

自动识别需要随访的偶发瘤：基于LLM和监督方法的多解剖评估

Namu Park, Farzad Ahmed, Zhaoyi Sun, Kevin Lybarger, Ethan Breinhorst, Julie Hu, Ozlem Uzuner, Martin Gunn, Meliha Yetisgen

机构 * Department of Biomedical Informatics and Medical Education, University of Washington, Seattle, WA, USA（生物医学信息学与医学教育系，华盛顿大学，西雅图，华盛顿州，美国） ； Department of Information Sciences and Technology, George Mason University, Fairfax, VA, USA（信息科学与技术系，乔治·马歇尔大学，弗吉尼亚州，美国） ； Department of Radiology, Te Whatu Ora Health New Zealand, Te Toka Tumai Auckland, Auckland, New Zealand（放射学系，新西兰Te Whatu Ora健康机构，奥克兰，新西兰） ； Department of Radiology, School of Medicine, University of Washington, Seattle, WA, USA（放射学系，医学院，华盛顿大学，西雅图，华盛顿州，美国） 纠错

专题命中 医学数据与评测 ：radiology(abstract)

AI总结 本文提出了一种基于LLM和监督方法的多解剖评估，通过结构化病变标记和解剖学上下文提升偶发瘤检测性能，达到与人类专家相当的水平。

AD-CDO: A Lightweight Ontology for Representing Eligibility Criteria in Alzheimer's Disease Clinical Trials

AD-CDO：用于阿尔茨海默病临床试验资格标准表示的轻量本体

Zenan Sun, Rashmie Abeysinghe, Xiaojin Li, Xinyue Hu, Licong Cui, Guo-Qiang Zhang, Jiang Bian, Cui Tao

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 AD-CDO是一种用于阿尔茨海默病临床试验资格标准表示的轻量本体，通过标准化词汇和语义丰富性，支持临床试验建模和数据整合。

A Brief History of Digital Twin Technology

数字孪生技术简史

Yunqi Zhang, Kuangyu Shi, Biao Li

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 数字孪生技术通过整合医疗数据和模型，推动医疗从反应性向预测性和个性化转变，面临互操作性、隐私和模型精度等挑战。

Comments 21 pages, 1 figure, 1 table

Journal ref PET Clin. 2026 Jan;21(1):143-151. Epub 2025 Oct 21

MindSET: Advancing Mental Health Benchmarking through Large-Scale Social Media Data

MindSET：通过大规模社交媒体数据推动心理健康基准测试

Saad Mankarious, Ayah Zirikly, Daniel Wiechmann, Elma Kerz, Edward Kempa, Yu Qiao

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 MindSET通过大规模社交媒体数据提升心理健康基准测试，提供超过1300万条注释帖子，显著提升诊断检测性能。

BioDisco: Multi-agent hypothesis generation with dual-mode evidence, iterative feedback and temporal evaluation

BioDisco：基于双模式证据、迭代反馈和时间评估的多智能体假设生成

Yujing Ke, Kevin George, Kathan Pandya, David Blumenthal, Maximilian Sprang, Gerrit Großmann, Sebastian Vollmer, David Antony Selby

机构 * Data Science and its Applications, DFKI（数据科学及其应用，德系人工智能研究所） ； DFKI Friedrich-Alexander-Universität Erlangen-Nürnberg（德系人工智能研究所，弗赖堡-埃朗根-纽伦堡大学） ； University of Saarland（萨尔大学） ； Friedrich-Alexander-Universität Erlangen-Nürnberg（弗赖堡-埃朗根-纽伦堡大学） ； University of Kaiserslautern–Landau (RPTU)（凯撒斯劳滕-兰道大学（RPTU）） ； Department of Dermatology, University Medical Center Mainz（梅奥医学中心法兰克福大学皮肤科） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 BioDisco通过双模式证据系统、迭代反馈和时间评估，实现多智能体生成新颖且证据支持的科学假设。

Comments 12 pages main content, 31 including appendices. 8 figures

Evaluation of OpenAI o1: Opportunities and Challenges of AGI

OpenAI o1的评估：通用人工智能的机会与挑战

Tianyang Zhong, Zhengliang Liu, Yi Pan, Yutong Zhang, Zeyu Zhang, Yifan Zhou, Shizhe Liang, Zihao Wu, Yanjun Lyu, Peng Shu, Xiaowei Yu, Chao Cao, Hanqi Jiang, Hanxu Chen, Yiwei Li, Junhao Chen, Huawen Hu, Yiheng Liu, Huaqin Zhao, Shaochen Xu, Haixing Dai, Lin Zhao, Ruidong Zhang, Wei Zhao, Zhenyuan Yang, Jingyuan Chen, Peilong Wang, Wei Ruan, Hui Wang, Huan Zhao, Jing Zhang, Yiming Ren, Shihuan Qin, Tong Chen, Jiaxi Li, Arif Hassan Zidan, Afrar Jahin, Minheng Chen, Sichen Xia, Jason Holmes, Yan Zhuang, Jiaqi Wang, Bochen Xu, Weiran Xia, Jichao Yu, Kaibo Tang, Yaxuan Yang, Bolun Sun, Tao Yang, Guoyu Lu, Xianqiao Wang, Lilong Chai, He Li, Jin Lu, Xin Zhang, Bao Ge, Xintao Hu, Lian Zhang, Hua Zhou, Lu Zhang, Shu Zhang, Zhen Xiang, Yudan Ren, Jun Liu, Xi Jiang, Yu Bao, Wei Zhang, Xiang Li, Gang Li, Wei Liu, Dinggang Shen, Andrea Sikora, Xiaoming Zhai, Dajiang Zhu, Tuo Zhang, Tianming Liu

机构 * Department of Mathematical and Statistical Sciences, University of Alberta, Edmonton, Canada（阿尔伯塔大学数学与统计学系） ； School of Computing, University of Georgia, GA, USA（佐治亚大学计算机科学学院） ； Institute of Medical Research, Northwestern Polytechnical University, Xi’an, China（西北工业大学医学研究所） ； Department of Computer Science and Engineering, University of Texas at Arlington, TX, USA（德克萨斯大学阿灵顿分校计算机科学与工程系） ； College of Arts and Sciences, University of Georgia, Athens, USA（佐治亚大学文理学院） ； Institute of Plant Breeding, Genetics & Genomics, University of Georgia, Athens, GA, USA（佐治亚大学植物育种、遗传与基因组研究所） ； School of Computer Science, Northwestern Polytechnical University, Xi’an, China（西北工业大学计算机科学学院） ； School of Automation, Northwestern Polytechnical University, Xi’an, China（西北工业大学自动化学院） 纠错

专题命中 医学数据与评测 ：radiology(abstract)

AI总结 OpenAI o1在多领域复杂推理任务中表现出色，展现出接近或超越人类水平的能力，为通用人工智能的发展提供了重要进展。

Cross-Disciplinary Knowledge Retrieval and Synthesis: A Compound AI Architecture for Scientific Discovery

跨学科知识检索与综合：一种用于科学发现的复合AI架构

Svitlana Volkova, Peter Bautista, Avinash Hiriyanna, Gabriel Ganberg, Isabel Erickson, Zachary Klinefelter, Nick Abele, Hsien-Te Kao, Grant Engberson

机构 * Aptima, Inc.（Aptima公司） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 BioSage通过整合LLMs与RAG，利用专门代理实现跨学科知识检索与综合，提升科学发现效率。

Can Large Language Models Function as Qualified Pediatricians? A Systematic Evaluation in Real-World Clinical Contexts

Siyu Zhu, Mouxiao Bian, Yue Xie, Yongyu Tang, Zhikang Yu, Tianbin Li, Pengcheng Chen, Bing Han, Jie Xu, Xiaoyan Dong

机构 * Shanghai Children’s Hospital, School of Medicine,Shanghai Jiao Tong University（上海儿童医学中心，上海交通大学医学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai University of Traditional Chinese Medicine（上海中医药大学） ； University of Washington（华盛顿大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

A Decentralized Root Cause Localization Approach for Edge Computing Environments

Duneesha Fernando, Maria A. Rodriguez, Rajkumar Buyya

专题命中 医学数据与评测 ：diagnosis(abstract)

Privacy Challenges and Solutions in Retrieval-Augmented Generation-Enhanced LLMs for Healthcare Chatbots: A Review of Applications, Risks, and Future Directions

Shaowei Guan, Hin Chi Kwok, Ngai Fong Law, Gregor Stiglic, Harry Qin, Vivian Hui

机构 * Centre for Smart Health, School of Nursing（智能健康中心、护理学院） ； The Hong Kong Polytechnic University（香港理工大学） ； Department of Electrical and Electronic Engineering（电子与电气工程系） ； Faculty of Health Sciences（健康科学学院） ； University of Maribor（马里博大学） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

Comments 23 pages, 2 figures; Corrected typos and 2 references format, added a co-author

FHIR-AgentBench: Benchmarking LLM Agents for Realistic Interoperable EHR Question Answering

Gyubok Lee, Elea Bach, Eric Yang, Tom Pollard, Alistair Johnson, Edward Choi, Yugang jia, Jong Ha Lee

机构 * Korea Advanced Institute of Science & Technology（韩国科学技术院） ； Verily Life Sciences（Verily 生物科技） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 医学数据与评测 ：clinical AI(abstract)

Comments ML4H 2025 Proceedings

Combining LLMs and Knowledge Graphs to Reduce Hallucinations in Question Answering

Larissa Pusch, Tim O. F. Conrad

机构 * Zuse Institute Berlin（柏林泽尼茨研究所） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

How Well Do LLMs Understand Drug Mechanisms? A Knowledge + Reasoning Evaluation Dataset

Sunil Mohan, Theofanis Karaletsos

机构 * CZI 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

Comments An earlier version of this paper appears in IEEE FLLM 2025. GitHub: https://github.com/czi-ai/DrugMechCounterfactuals

Connectomics Informed by Large Language Models

Elinor Thompson, Tiantian He, Anna Schroder, Ahmed Abdulaal, Alec Sargood, Sonja Soskic, Henry F. J. Tregidgo, Daniel C. Alexander

专题命中 医学数据与评测 ：pathology(abstract)

Comments 35 pages, 10 figures

RxSafeBench: Identifying Medication Safety Issues of Large Language Models in Simulated Consultation

Jiahao Zhao, Luxin Xu, Minghuan Tan, Lichao Zhang, Ahmadreza Argha, Hamid Alinejad-Rokny, Min Yang

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of Electronic Science and Technology of China（电子科技大学） ； Shenzhen University of Advanced Technology（深圳大学） ； School of Biomedical Engineering, UNSW Sydney（生物医学工程学院，UNSW悉尼） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

Comments To appear in BIBM2025

Bringing Private Reads to Hyperledger Fabric via Private Information Retrieval

Artur Iasenovets, Fei Tang, Huihui Zhu, Ping Wang, Lei Liu

专题命中 医学数据与评测 ：CT(abstract)

Comments This work has been submitted to IEEE for possible publication

Program Synthesis Dialog Agents for Interactive Decision-Making

Matthew Toles, Nikhil Balwani, Rattandeep Singh, Valentina Giulia Sartori Rodriguez, Zhou Yu

机构 * Columbia University（哥伦比亚大学） ； Amazon（亚马逊） ； Sciences Po Paris（巴黎社会科学高等研究院） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

Signal attenuation and phase evolution evaluation under the influence of nonlinear gradient

Chenghao Xua, Guoxing Lin

专题命中 医学数据与评测 ：MRI(abstract)

Comments 18 pages, 3 figures