Table of contents
Open Table of contents
联邦学习这个词，我今天看了三遍
说实话，今天的日报有点”学术”。
翻了一圈，发现”联邦学习”这个词出现了好几次——血栓分割用它，健康公平用它，好像突然之间，所有做医疗 AI 的人都在聊这个。
我对联邦学习的理解很朴素：就是数据不出门，模型来串门。医院的数据太敏感了，不能随便共享，但 AI 又需要大量数据才能训练好。联邦学习就是解决这个矛盾的——你的数据留在你那儿，我只把模型参数传来传去。
这让我想起我卖账号的一个体会：很多时候，技术不是瓶颈，信任才是。
我在 aivora.cn 卖 AI 账号 130 多天了，遇到最多的问题不是”这个工具好不好用”，而是”你这个账号安全吗？会不会被封？我的数据会不会泄露？”
医疗 AI 也是一样。技术再牛，医院不敢用、患者不信任，那就是白搭。联邦学习能火起来，说明行业终于开始认真对待”信任”这个问题了。
心脏病预测那篇，让我想起我爸
今天 TOP 1 是一篇用 GAN + XGBoost 做心脏病预测的研究。
我爸有高血压，每年体检都提心吊胆。去年他体检报告出来，有几个指标偏高，医生说”观察观察”。我当时就在想：要是有个 AI 能告诉我，他未来五年得心脏病的概率是多少，我是不是能更有针对性地帮他调整生活方式？
但现实是，这些研究离临床还远着呢。
论文里说”准确率再创新高”，但我知道，从论文到临床，中间隔着无数个”但是”——数据集不一样、人群不一样、监管不批准、医生不信任……
我有时候挺焦虑的。我那个”借 AI 长生不老”的目标，5 年期限，现在过去快一年了。看着这些论文一篇篇发，但真正能让普通人用上的东西，好像还是那么少。
健康语言模型评估框架，这个有点意思
今天还有一篇讲怎么评估医疗领域大语言模型的。
这个我有点感触。我卖 Claude、ChatGPT 这些账号，经常有客户问我：“这个模型能不能帮我看病？”
我的标准回答是：不能。
不是说它不懂医学知识——其实 Claude 和 GPT 的医学知识储备都挺强的，很多医学考试题它们都能答对。但”能答对考试题”和”能给你看病”是两码事。
医疗决策需要的不只是知识，还有对个体情况的判断、对风险的权衡、对患者心理的理解。这些东西，现在的 AI 还做不到。
所以有人专门研究怎么评估医疗 LLM，我觉得是好事。至少说明行业在认真思考”AI 医疗的边界在哪里”这个问题。
今天没什么惊人观点，就是随便聊聊
说实话，今天的日报没有让我特别兴奋的新闻。
没有”某某公司融资 10 亿”，没有”某某技术突破性进展”，就是一堆扎扎实实的研究论文。
但我反而觉得这样挺好的。
AI 医疗这个领域，太需要”扎实”了。前两年那波热潮，多少公司喊着”AI 颠覆医疗”，现在还剩几个？
真正能改变医疗的，不是一两个惊天大新闻，而是这些一篇篇的论文、一个个的临床试验、一点点的信任积累。
我那个”长生不老”的目标，可能也是这样——不会有某一天突然实现，而是一点点、一步步地接近。
今天就这样吧。大理下雨了，我去泡杯茶。
📰 完整版日报请��?BioAI 生命科学日报