每日医学AI论文简报 v0.3
[日报]日期: 2026-08-01 来源: PubMed | 分析: DeepSeek-v4-flash（PMC HTML解析，含表格+图注） 过滤: IF>5 | 双层相关度（硬规则+LLM显式标准） | PMC全文必须
💡 今日学习推荐 CS231n 卷积神经网络（Stanford） — 一、卷积神经网络（CNN）架构（进度0%） ⏭ 下一步：CS229 机器学习讲义（Andrew Ng）
1. Sociodemographic bias in large language model clinical trial screening.
J Am Med Inform Assoc (IF: 6.4) | 2026 Aug 1 | PubMed ⚠️ | DOI | ✅ 高置信 分析来源: PMC全文（含表格+图注）— Soffer S, Omar M, Efros O, et al. Sociodemographic bias in large language model clinical trial screening. J Am Med Inform Assoc. 2026. PMID: 42118957; DOI: 10.1093/jamia/ocag058.
领域: 医学人工智能；大语言模型（LLM）临床决策支持；临床试验入组筛选；算法公平性/社会人口学偏见。
方法: 横断面评估。构建临床信息相同、仅改变患者社会人口学特征（如年龄、性别、种族/族裔、社会经济状态/保险类型等）的模拟患者案例，交由大语言模型进行临床试验入组筛选判断，比较不同社会人口学特征下模型的入组决定、判断一致性及生成理由，并对潜在的偏见信号进行定量和定性分析。
核心发现: 在临床情景不变的情况下，仅改变患者社会人口学特征即可影响LLM的临床试验筛选判断；模型对不同人群可能给出不一致、甚至更保守的入组决定。LLM生成的理由中也可能出现与临床无关的社会特征推断，提示LLM可能编码并放大社会偏见，从而影响临床试验入组的公平性，尤其可能加剧少数群体、女性、老年及社会经济弱势患者的入组不平等。
相关度（医学AI研究者）: 高。LLM正被用于临床试验筛选、患者匹配等任务，本研究提示医学AI研究者必须将公平性评估作为部署前的重要环节，针对种族、性别、年龄、保险类型等多维社会人口学特征进行偏见测试，并通过数据校验、提示约束、人工审阅等方式降低模型偏见。
一句话: 基于PMC全文（含表格+图注）的这项研究表明，LLM在临床试验筛选中存在社会人口学偏见：同一临床条件下，仅改变患者人口学特征就可能导致不同的筛选判断，威胁临床研究公平性。
2. Optimizing Retrieval-Augmented Generation (RAG) in clinical medicine: methods and performance evaluation.
J Am Med Inform Assoc (IF: 6.4) | 2026 Aug 1 | PubMed ⚠️ | DOI | ⚠️ 中置信 分析来源: PMC全文（含表格+图注）
领域: 临床医学中的检索增强生成（RAG）优化；睡眠医学知识库与大语言模型（LLM）应用评估
方法:
基于5本睡眠医学教科书构建知识库，对4个开源LLM（Llama-3-8B、Llama-3-70B、Qwen 2.5-14B、Qwen 2.5-235B）进行基准测试。系统比较了三个维度：
- 语料结构：原始文本 vs 按目录（table-of-contents）对齐的结构化文本
- 检索策略：纯稠密向量检索 vs 混合稀疏-稠密检索
- 流水线复杂性：基线RAG vs 增强RAG
评估指标包括医学选择题（MCQ）准确率和临床病例诊断排序准确率。
核心发现:
- RAG对所有模型的MCQ准确率均有提升；Llama-3-8B提升最大（+10.6%，61.8%→72.4%），Qwen-2.5-235B达到87.3%。
- 在临床病例任务中，Llama-3-8B在使用原始文本+稠密检索时准确率下降7.1%，提示上下文噪声对小型模型的干扰；改用结构化语料+混合检索可纠正该问题。
- 混合检索在所有设置中均优于纯稠密检索，尤其对专业医学术语更稳健。
- 结构化语料平均使首诊准确率提升6.1%，Qwen-2.5-235B最高提升10.2%。
- 大型模型对未清洗文本耐受性较好，而小型模型更容易被无关内容干扰；结构化语料+基线混合检索流水线在稳定性和速度上最适合临床应用。
相关度（医学AI研究者）:
高。该研究为医学领域RAG系统的工程实现提供了可复现的设计参考，尤其强调了语料治理与检索策略的重要性，提示模型规模并非唯一决定因素；对资源受限或需要可解释、可部署的临床AI系统具有直接指导意义。