用於持續情緒狀態追蹤的多模態隱馬可夫模型
研究人員提出了一種使用 sticky factorial HDP-HMM 的輕量級框架，用於追蹤對話中的情緒弧線。透過分析多模態效價-喚醒度數據，該模型能比基於 LLM 的對話追蹤方法更有效率地識別持續性的情緒狀態。
Search
Tag: #clinical-ai17 results
MedQA：在 AMD ROCm 上微調 — 無需 CUDA
Hugging Face 部落格展示在 AMD ROCm 平台上微調 MedQA，這是醫療問答的臨床 AI 模型。此方法無需 NVIDIA 的 CUDA，可在 AMD GPU 上進行訓練。強調 AI 開發的開源替代方案。
ClinicBot：指南基礎臨床聊天機器人與優先RAG
ClinicBot 是一款基於官方指南的 AI 臨床聊天機器人，透過結構化提取與優先證據 RAG 提供回應。它依臨床重要性而非相似度排序內容，減少醫療情境中的幻覺。網頁示範展示使用 ADA 2025 標準的糖尿病查詢。
LDTL實現高效順序臨床診斷
LDTL將順序臨床診斷表述為規劃LLM代理與診斷LLM代理的框架。它將診斷序列視為潛在軌跡，由優先減少不確定性的後驗分佈引導。在MIMIC-CDM基準上超越基線，診斷準確率更高且測試次數更少。
CAMP：病例自適應多代理臨床預測
CAMP 根據每個病例的診斷不確定性動態組裝專家小組，用於臨床預測。專家使用三值投票（KEEP/REFUSE/NEUTRAL）實現原則性棄權，混合路由器處理共識、後備或基於論證的仲裁。它在 MIMIC-IV 上跨四種 LLM 超越基準，同時使用更少 token。
醫療 AI 的下一關是可解釋性
醫療 AI 正進入一個準確率不再足以區分產品與模型的階段。新的衡量標準是系統能否向臨床醫師及其他利害關係人清楚解釋判斷依據。
醫療 AI 恐造就從未學會判斷的醫生
文章警告，醫學生在建立臨床判斷力前使用 OpenEvidence，可能始終無法完整學會獨立推理。作者將這種風險與傳統的技能退化區分開來，指出從未習得的能力更難以補救。