[01] 医学信息学、医疗大数据分析、医学知识工程领域新书
[02] 读图:下一代循证医学
[03] ChatGPT给医学教育带来的反思
[04] PrimeKG:面向精准医疗的知识图谱
[05] 未来的学术不端检测:既要查重又要查AI
[06] 有了通用大模型,还需要临床专用的小模型吗?
[07] SNOMED CT 应用案例
[08] AI(大语言模型)在学术出版各环节的7类应用
[09] 通才医学人工智能(GMAI)基础模型
[10] 微软测试GPT-4在医疗问题上的能力
[11] 微软新书《医学人工智能革命: GPT-4及未来》(万字解读)
[12] 第33届欧洲医学信息学会议
[13] 让大模型在循证医学中发挥作用
[14] 为什么《自然》杂志不允许在图像和视频中使用生成式人工智能
[15] 临床健康数据的本体映射:介绍一个开源项目
[16] 可解释人工智能(XAI)在药物警戒中的应用
[17] ChatGPT不是解决医生文档负担的办法,它甚至会让情况更糟
[18] 健康领域的智能解决方案:WEF发布基于400个AI应用案例的总结推广报告
[19] 行业指南:数字健康技术分类(国际数字疗法联盟发布)
[20] 医学信息学研究十大主题(CDSS位列其中)
[21] 医疗数据-信息-知识-智慧(DIKW)的多模态融合之旅
[22] 各类临床信息模型的应用对比
[23] 健康信息可视化设计原则与框架
[24] AI辅助临床实践效果究竟如何?首个涵盖近5年RCT研究的评估来了
[25] 关于知识图谱的最新综述
[26] 国内专家帮你梳理医学AI的现状与前景
[27] 将提升AI素养纳入医学教育
[28] 利用大模型重新定义数字医疗交互界面
[29] 从本体库到知识库:DO(人类疾病本体)的20年
[30] 医疗行动本体(MAxO):包含文献注释的临床分析体系