跳到主要内容
检索

University of Kansas

2 篇关联报道

订阅更新
  1. arXiv

    RASPER 用下游预测奖励对齐出院小结摘要,在 MIMIC-III 与 MIMIC-IV 的再入院预测和用药推荐上稳定优于强基线

    该工作提出 RASPER,一个面向 EHR 预测的奖励对齐摘要器:它用可调 LLM 摘要器从出院小结中抽取任务相关证据,以强化学习方式、用下游预测器损失导出的奖励进行训练,并用纵向编码器把结构化编码转成软提示以注入患者临床背景,从而让摘要保留与结构化编码互补的患者特异证据;在 MIMIC-III 和 MIMIC-IV 上的再入院预测与用药推荐任务中,RASPER 稳定优于强基线。

  2. medRxiv

    急诊医学人工智能能力框架:一项多阶段共识研究

    该研究通过名义群体技术(2025年5月,n=6)与两轮改良德尔菲法(2026年4月至5月,专家组n=13,来自12家学术医学中心,第一轮应答率77%、第二轮100%)构建了美国首个专科特异性的急诊医学AI能力框架,最终形成5个主题(沟通AI、理解适用场景、与AI互动、AI风险管理、AI的认知影响)、5项派生能力(主题与能力一对一映射获13人中12人认可)、19个子主题和10个保留临床场景,所有主题、派生能力及被单独评分的子主题均达到预设共识阈值,10个场景中9个达到共识、1个作为未来态运行模型保留。

已读完全部报道