从撰写转向编辑：规培生使用环境AI临床文书的能力框架
研究针对环境AI在临床普及使规培生病历工作从自主撰写转向文书编辑的现状，提出了面向医学培训的能力框架。该框架将病历审核界定为可教学的临床技能，包含错误检测、临床核对、独立生成和信任校准四个维度。作者同时阐述了如何借助模拟训练开展教学，以应对AI生成病历对传统临床思维训练带来的冲击。
推荐理由：研究梳理了环境AI普及下医师从书写转向编辑的培训缺口，为医学教育构建病历审核模拟训练提供了四个明确维度。
研究论文
全部主题医学 AI 与临床研究的方法学论文与验证研究。
最新精选
第 41–48 条 · 共 48 条npj Digital Medicine精选AI 评分6565 Nature Medicine精选AI 评分6969 研究构建医疗系统规模癌症恶病质多模态图谱
一项发表在《Nature Medicine》上的研究利用 52,236 名癌症患者的纵向数据，构建了涵盖疾病发作维度的癌症恶病质多模态图谱。该研究表明患者体重下降事件与全身血清学特征及特定肿瘤基因型相关。通过整合临床和分子数据，研究展示了预测体重下降发作并实现早期识别的可行性。
推荐理由：该研究利用超五万例患者的纵向多模态数据将恶病质体重下降与分子特征关联，展示了结合临床与分子数据进行早筛的预测路径。
npj Digital Medicine精选AI 评分7070 哈佛团队推出临床智能体评测沙盒 FHIR-AgentEval
哈佛医学院等机构的研究团队推出 FHIR-AgentEval 模块化评测沙盒，用于评估大语言模型智能体执行 HL7 FHIR 医疗数据操作的可靠性。该基准包含 43 个覆盖预约管理与基因检测工作流的任务，在可重置的 FHIR 服务器上同步验证智能体响应与服务器状态。五种配置的消融实验表明，记忆机制能减少工具选择错误与资源类型混淆，在测试任务中使执行成功率比基线提升 9.1%。
推荐理由：研究通过可重置服务器状态验证与消融实验，为临床大模型智能体调用标准化医疗数据接口提供了具体评测方案。
JMIR 数字健康期刊精选AI 评分6666 AI 聊天助手在 API 与消费者 UI 界面中对自杀相关提示词响应的对比研究
JMIR 发表的一项横向对比研究评估了 ChatGPT、Claude、Gemini、Grok 和 Llama 五款主流模型在 API 与前端 UI 模式下对自杀提示词的响应表现。
推荐理由：研究对比了五款主流大模型在API与前端UI下的自杀相关提示词响应差异，发现API渠道对高危提示词的直接回答率明显高于UI端。
npj Digital Medicine精选AI 评分6969 医学通用AI智能体的复杂性悖论：探索GPT-5在真实多模态医疗诊断中的表现
一项发表于《npj Digital Medicine》的研究基于161例临床验证案例评估了10种基于GPT-5的配置，发现多模态诊断可靠性更多取决于透明推理和高质量输入，而非激进检索或复杂智能体工作流。测试显示模型虽具备利用病史和清晰分步推理等优势，但在图像解读上存在误判，且偶发的不一致网络检索反而会削弱性能。作者建议未来开发应优先优化推理透明度并强化图文整合能力。
推荐理由：该研究通过161个临床病例量化检验了前沿多模态智能体，指出了复杂工作流与外部检索可能降低诊断可靠性的现实局限。
arXiv · AI×医药交叉论文精选AI 评分7070 从基准测试到实验室：AI 智能体能否应对真实药物研发？
研究团队开发了开源模块化智能体 MAGI 并测试其在真实药物研发中的表现，发现先导优化项目的性能瓶颈在于打分模型的适用域而非工具编排。MAGI 可自主设定目标、调度 LLM 或 REINVENT 4 生成分子并分析构效关系（SAR），在三家制药公司的九个回顾性先导优化项目中完成了验证。
推荐理由：该研究通过真实先导优化项目表明智能体的产出上限取决于打分模型适用域，为评估 AI 编排工具在药物研发中的实际瓶颈提供了实证参考。
Hugging Face Blog精选AI 评分6565 Multiverse Computing 提出 ProvenanceGuard：面向 MCP 智能体的信源感知事实核查框架
Multiverse Computing 发布研究 ProvenanceGuard，提出了一种面向 MCP 智能体的后置信源感知事实核查层，专门解决事实存在但引用错位的跨信源混淆问题。
推荐理由：针对多工具智能体容易混淆证据出处的问题，原文提出了保留信源标识的后置核查与修复机制，为高合规临床等场景提供了可迁移的归因质控方案。
Google DeepMind精选AI 评分7373 Google 展示医疗 AI 系统 AMIE 实时临床视频问诊能力
Google Research 与 Google DeepMind 推进医疗 AI 研究系统 AMIE 实现实时临床视频问诊能力，在一项模拟问诊研究中展现出专家级表现。
推荐理由：该研究展示了多模态模型结合视听线索进行实时模拟问诊的临床推理表现，为虚拟交互技术在临床场景的演进提供了参考。