数字医疗
《用于生成患者友好型医疗报告的智能体型大语言模型工作流》
本文探讨了在医疗领域应用大型语言模型（LLMs）生成患者友好型医疗报告的潜力。随着电子病历的普及，患者获取电子病历数据的权利得到了保障
《“玛拉德”：利用检索增强生成技术的大语言模型驱动的多智能体协同用于药物警戒》
本文介绍了“玛拉德”，一个基于大语言模型 (LLM) 的多智能体检索增强生成(RAG)系统，用于从药物标签数据中提取药物不良事件 (ADE)。
《疾病诊断的彻底变革：智慧医疗系统中人工智能与物联网的整合》
本研究论文探讨了人工智能（AI）和物联网（IoT）在智能医疗系统中对疾病诊断的变革性影响。
《基于大语言模型的个性化健康建议》
。尽管大语言模型在多个领域展现出巨大潜力，但它们在个性化建议方面的表现并不理想。例如，即使在拥有用户信息的情况下
【《“拉瓦-瑟吉”：通过结构化手术视频学习，实现多模态手术助手》
本文介绍了一个称之为“拉瓦-瑟吉”的多模态手术助手，旨在通过结构化的手术视频学习来理解和参与关于手术视频的对话。
《临床洞察：医学语言模型综述》
随着人工智能（AI）技术的飞速发展，语言模型已被广泛应用于医学领域，带来了革命性的变化。
《利用大型语言模型重新定义数字健康接口》
本文探讨了大语言模型（LLM）在数字健康领域的新应用，并提出了一种利用大语言模型作为数字健康工具与临床医生之间桥梁的全新方法。
电子书：《医疗和医学科学中的人工智能与机器学习：最佳实践与陷阱》
《医疗和医学科学中的人工智能与机器学习：最佳实践与陷阱》这本新书旨在为医疗保健行业的专业人士提供关于人工智能（AI）和机器学习（ML）技术的深入见解。
电子书：《数字健康2024（第五版）》
《数字健康2024（第五版）》是一本专业指南，由多位领域专家撰写，旨在为行业提供关于数字健康的相关知识和法律法规的全面指导。内容概述引言
《“麦迪卡尔”：整合知识图谱作为大语言模型的辅助工具，以增强电子病历的临床诊断能力》
本文提出了一个名为“麦迪卡尔”的框架，旨在通过结合大型语言模型（LLM）和知识图谱（KG）来提升电子病历（EMR）的临床诊断能力。
《利用深度计算模型进行逆向推理，实现心肌梗死的心脏数字孪生》
本文探讨了心肌梗死（MI）的心脏数字孪生（CDT）技术，这是一种能够提供个性化心脏功能评估的非侵入性方法。
《利用大语言模型实现零样本临床试验患者匹配》
确定符合临床试验条件的患者是将新药推向市场的关键瓶颈。三分之一的临床试验失败是因为他们无法招募到足够的患者，招募费用平均占试验预算的32%。
博士论文：《肿瘤学中的机器引导的活检分析：通过深度学习促进诊断可及性和生物医学发现》
在当今医学中，个性化治疗和精准医学正日益受到重视。本论文探讨了深度学习在肿瘤活检数据分析中的应用，旨在提升诊断效率和促进生物医学发现。
《动态雾计算提升医疗应用中大语言模型执行效率》
随着数字技术与医疗保健的融合，通过电子病历（EHR）、可穿戴设备和数字健康App等，生成了海量的医疗数据。
《“艾乐”：经微调的开源医疗大语言模型系列》
在医疗领域中，精确的信息传递和知识获取至关重要。然而，当前的通用语言模型在面对医疗专业内容时常常显得力不从心，无法提供足够的专业性和准确性。
《利用转换器实现零样本健康轨迹预测》
美国的医疗成本高居全球之首，但质量和安全性却不尽如人意。尽管电子病历已经普及，现有的决策支持技术多为基于规则的系统，其有效性受到局限。
《利用电子病历实现基于大语言模型的少样本疾病预测：一种结合预测智能体推理和批评智能体指导的新方法》
大语言模型（LLMs）已成为包括医疗保健在内的各个领域的强大工具。这些模型是在大量文本数据上训练的，使它们能够在多个领域对广泛的知识进行编码。
博士论文：《用于高通量生物数据的机器学习方法》
《用于高通量生物数据的机器学习方法》是美国麻省理工学院的一篇博士论文，该论文旨在探讨和解决高通量生物组学数据在机器学习分析中遇到的特定算法挑战。
《医疗中的合成数据生成方法：开源工具及方法综述》
本文综述了医疗保健领域合成数据生成方法的应用和效果
《用于人类病理学的多模态生成人工智能“副驾驶”》
本文介绍了一个名为“病理聊”的多模态生成式人工智能（AI）助手，旨在为病理学领域提供决策辅助。