#EHR

用MIMIC-IV里挖出的近10万个疾病轨迹，拿bge嵌入去和16万多篇PubMed文献比对，筛出真正新颖且有临床价值的分支，预测误差能少20天。

Nature子刊新论文查EHR厂商是否按联邦要求披露AI风险，做医疗AI合规的可以对一对。

npj Digital Medicine@Kristen Miller原文

用 LLM agent 自动跑医疗真实世界研究容易出错，ProCARE 把研究设计编译成强类型中间表示再加校验，36 个 EHR 任务上验证有效，做医疗数据分析的可以看看思路。

Almanac 发布了个医生专用智能体，能接管行政和研究活，先请示再动手，融了1200万美元。

elvis@omarsar03 个信源在谈原文

这篇论文用CMDP模型和真实患者数据证明，个性化随访间隔比固定方案更省钱、更有效，高成本人群能省三成多。

医疗AI的幻觉问题直接关系到患者安全，Med-HEAL给出了可落地的缓解方案——做临床NLP或医疗AI部署的团队，可以直接用其公开数据集和代码来评估和优化自己的模型。

该工作首次将 JEPA 范式成功应用于 EHR 轨迹建模，解决了联合训练不稳定和表示坍缩的关键问题，为医疗领域预训练大模型提供了一种高效且无需任务微调的方案。