#电子健康记录

医疗 AI 方向的研究者可以看看这篇：它在 MIMIC-IV 上验证了块扩散比自回归快约 1.43 倍，预测性能还几乎不掉，论文思路和实验设计都挺扎实。

Meta 团队拿 Muse Wonder 加 500 万份病历，让医生两周写了 10 篇论文稿，还聊了人机怎么分工做科研。

Jason Wei@_jasonwei原文

一篇很实用的论文：教你怎么把病人电子病历喂给冻结的 Llama3.2 或 OLMo2，只训练不到 1% 的参数，罕见病预测还更好。

朋友，有个新方法叫RDMA，专门从电子健康记录里找罕见病，比传统方法更省钱还更准，值得看看。

npj Digital Medicine@Adam Cross原文

朋友，Nature Medicine 发表了一篇研究，用大语言模型从电子病历里提取数据，做成知识图谱，能分析患者长期情况，挺实用的。

Nature Medicine@Vicki Seyfert-Margolis原文

BERT-LER模型在临床预测任务中表现出色，结合了实验室值表示和可解释性，适用于多个治疗领域和预测任务，值得一看。

这篇论文用Transformer代理模型给医疗AI做局部解释，还能直接对齐临床知识，让黑箱诊断更可信。

这项研究解决了临床AI评估中数据格式不匹配的痛点，做医疗AI或临床决策支持的团队可以直接用这个数据集和流水线来测试模型在真实EHR环境下的表现。