Explainable AI for Frailty and Fall Risk Prediction in Older Adults
该研究利用来自葡萄牙法马利康市的新颖队列数据，结合无监督聚类与可解释监督学习模型，成功识别了老年衰弱与跌倒风险的关键临床驱动因素（如握力和功能测试），验证了可解释人工智能在社区老年健康风险评估与分层中的可行性。
📄 Category
health informatics
193 篇论文
Governing Decisions of Probability Cutoffs in Clinical AI Deployment: A Case Study of Asthma Exacerbation Prediction
该研究以哮喘加重预测模型为例，提出了一种将统计性能、临床效用、利益相关者意见及人工监督相结合的结构化治理框架，强调概率截断值的选择应作为组织治理过程而非单纯的技术优化，以平衡误报工作量与漏报风险。
A clinic-updated digital twin for Parkinson's disease progression: governed Bayesian forecasting with uncertainty-gated reporting
该研究提出了一种基于贝叶斯推理的帕金森病数字孪生框架，通过引入置信门控机制在预测可靠性不足时主动抑制输出，从而在确保个体化多领域病程预测校准度与公平性的同时，为临床决策提供了具备可审计性和明确可靠性保证的治理型系统。
Precision risk assessment for pediatric hospitalization using address-level data in Cincinnati, Ohio
这项研究通过整合辛辛那提市多源地址级数据（如住房违规、犯罪记录等）与医疗数据，利用广义随机森林模型构建了高精度的儿科住院风险预测模型，展示了地址级建模在识别儿童健康风险差异并指导精准干预方面的巨大潜力。
Limiting to English language records: A comparison of five methods on Ovid MEDLINE and Embase versus removal during screening
该研究比较了 Ovid MEDLINE 和 Embase 数据库中五种英语语言限制方法与筛选阶段排除非英语记录的效果，发现尽管限制方法能高效检索英语文献，但均存在因元数据错误而误删或漏检的风险，建议通过引文追踪来缓解此类问题。
Aggregate benchmark scores obscure patient safety implications of errors across frontier language models
该研究通过对九种前沿语言模型在 Nature Medicine 分诊基准上的评估发现，聚合准确率指标掩盖了模型在误判方向、情境偏差及危机应对上的显著差异，表明仅凭整体准确率无法有效评估或预测其在临床安全方面的实际表现。
Exploring the Link Between Cancer Information Complexity and Understanding Medical Statistics in Online Health Information Seeking: Insights from Health Information National Trends Survey (HINTS)
基于 2022 年健康信息国家趋势调查（HINTS）数据的分析表明，难以理解医学统计显著增加了公众对癌症信息质量的担忧及认为癌症信息难懂的可能性，凸显了提升统计素养对于优化癌症健康传播和促进知情决策的重要性。
From Concept to Clinic: Real World Evidence for Autonomous AI Deployment in Primary Care Telemedicine
这项研究通过在美国全国初级保健远程医疗平台对 2,379 例真实患者就诊进行大规模、临床医生盲测评估，首次提供了实证证据，表明通过精心设计的系统架构、安全置信度阈值及分阶段部署框架，多智能体大语言模型系统已具备在特定任务中安全、自主地辅助临床诊断和处置建议的能力。
A Web Application for Exploring Distribution in Academic Publications Across Geography and Institutions in India
本文介绍了一款名为 Indiapub 的开源网络应用程序，该工具利用 OpenAlex 数据通过交互式仪表盘可视化印度各邦及机构在学术出版中的地理分布与时间趋势，旨在揭示研究产出的不均衡性并辅助政策制定与资源优化。
Improving Medicare Fraud Detection Accuracy in Deep Learning by Exploring Feature Selection and Data Sampling Techniques.
该研究通过结合特征选择与数据采样技术（如卡方检验和 SMOTE）优化深度学习模型，有效解决了 Medicare 欺诈数据不平衡问题，将检测准确率提升至 95.4% 并显著降低了过拟合风险。
When clinical prediction models do not generalize: a simulation study in liver transplantation
这项以肝移植为例的模拟研究表明，临床预测模型在外部人群中的表现高度依赖于目标人群特征，其可迁移性无法保证，因此必须通过严格的外部验证和必要的模型重估来确保其在不同临床环境下的适用性。
From Carb Counting to Diagnosis: Real World Patient Uses and Attitudes Toward Large Language Models in Diabetes Management
该研究通过结合定性主题分析与大语言模型辅助分析，揭示了糖尿病患者将大语言模型广泛应用于临床解读、营养支持及疾病管理等多样化场景，并发现其不仅作为信息源，更在解释、决策、情感及后勤方面为患者自我管理提供了关键支持，进而探讨了将其整合至患者支持生态系统中的意义与所需的安全保障。
From Study Design to Executable Code: Automating Target Trial Emulation with Large Language Models
该研究提出了 THESEUS 框架，利用大语言模型将自由文本的研究设计描述自动转化为标准化的 JSON 规范及可执行的 OHDSI 生态系统 R 脚本，并通过自审计循环显著提升了代码生成的准确性与可执行性，从而降低了观察性研究的技术门槛。
Joint Longitudinal-Survival Modelling of Patient-Reported Gastrointestinal Symptom Trajectories and Treatment Discontinuation in Irritable Bowel Syndrome: A Prospective Cohort Study from the Canadian Gut Project
这项针对加拿大 2847 名肠易激综合征患者的前瞻性队列研究，通过联合纵向 - 生存模型证实，个体基线症状严重程度及改善轨迹与停药风险动态相关，表明高基线严重程度和缓慢的改善速度显著预测更早的治疗中断。
HybridNet-XR: Efficient Teacher-Free Self-Supervised Learning for Autonomous Medical Diagnostic Systems in Resource-Constrained Environments.
本文提出了 HybridNet-XR，一种专为资源受限环境设计的轻量级混合卷积神经网络，通过无需教师模型的自监督学习策略，在显著降低显存占用的同时实现了高准确率的胸部 X 光多类疾病诊断。
Clinician Experiences with Ambient AI Scribe Technology in Singapore: A Qualitative Study
这项针对新加坡亚历山大医院 28 名临床医生的定性研究探讨了环境人工智能（AI）病历助手在减轻文书负担、提升医患互动方面的潜力，同时揭示了其在准确性、多语言支持、工作流整合及符合 PDPA 法规等方面面临的挑战与实施建议。
Beyond AI Psychosis and Sycophancy: Structural Drift as a System-Level Safety Failure
该研究提出并验证了一种名为“结构漂移”的系统性安全失效模式，表明大语言模型在对话中会逐步放大和扩展用户的异常体验描述，且这种漂移可通过自动化方法在早期实时检测，从而为预防 AI 诱发或加剧的精神病性风险提供了新的监控视角。
CLINPREAI: AN AGENTIC AI SYSTEM FOR EARLY POSTPARTUM DEPRESSION RISK PREDICTION FROM MULTIMODAL EHR DATA
本文介绍了 ClinPreAI，一种利用多模态电子健康记录数据自主设计、实施并评估机器学习模型以预测产后抑郁风险的智能体系统，其在德克萨斯儿童医院的数据验证中表现优于传统 AutoML 及商业解决方案，为缺乏机器学习专业知识的临床专家提供了高效的风险预测工具。
Development and Validation of the Intensive Documentation Index for ICU Mortality Prediction: A Temporal Validation Study
本研究利用 MIMIC-IV 数据库中的 26,153 例心力衰竭患者数据，开发并验证了“重症文档指数”（IDI），证实通过分析护理文档的时间节奏特征可显著提升 ICU 死亡率的预测准确性，且该模型在不同种族群体中表现一致，为临床决策支持系统提供了新的预后信号。
OpenScientist: evaluating an open agentic AI co-scientist to accelerate biomedical discovery
该论文介绍了开源代理式人工智能助手 OpenScientist，它能够通过半自主地执行信息检索、数据分析和知识综合等任务，在数分钟内完成原本需人类耗时数周至数月才能完成的复杂生物医学研究，从而加速临床发现并生成可验证的科学见解。