大语言模型在基于指南的诊疗规划与医学自动编码中的应用：挑战、解决方案及算法开发与验证
本研究介绍并评估了两种基于大语言模型的框架，均已部署于 Rhazes Clinician 平台，旨在应对上述挑战：生成辅助检索增强生成（GARAG）用于自动制定循证治疗方案，生成辅助向量搜索（GAVS）用于医学自动编码。
阅读文章最新动态
资讯、观点与论文。
来自 Rhazes 团队的资讯、实用技巧、观点与学术论文。
探索学术论文Rhazes 再升级：迄今规模最大的一轮更新
我们为整个 Rhazes Clinician 平台推出了迄今规模最大的一轮更新之一。运行更快、界面更清爽、结果更准确、操作更直观，让临床工作流程比以往更顺畅。
阅读文章快速评测大语言模型诊断共病患者的能力：以大语言模型为评审的比较研究
本研究使用 3 种提示词、2 个温度设置，以及随机选取的 1000 例重症监护医学信息数据库 IV（MIMIC-IV）住院病例，比较 Google、OpenAI、Meta、Mistral、Cohere 和 Anthropic 的 18 个大语言模型的诊断能力。我们还探索了利用美国内科医学委员会提供的参考范围，通过检索增强生成（RAG）提高 GPT-4o 05‐13 的诊断命中率。
阅读文章战略将决定英国医疗 AI 的未来
对现代医疗而言，AI 已是改善患者结局、减轻员工压力并建设更具韧性的未来医疗体系的必要工具。眼下的关键是如何快速、有效地应用 AI，让患者和临床人员都受益。英国有充分理由抓住这一机遇，也完全有能力将其实现。
阅读文章系统评估 GPT-4 与 PaLM2 诊断 MIMIC-IV 患者共病的表现
结果提示，AI 与临床人员协同工作，有望减少每年导致数十万例误诊的认知错误。但人工监督仍不可或缺：大语言模型无法替代临床人员，尤其是人与人之间的理解和共情。此外，将 AI 融入医疗仍面临伦理、责任归属及监管等诸多障碍。
阅读文章