医工简报 | 基于人工智能的皮肤光谱成像可即时诊断危重患者败血症；开源 LLM DeepSeek 与临床决策中的专有模型相当

星标“医工学人”，第一时间获取医工交叉领域新闻动态~

7.21‍‍‍‍‍‍‍‍

医工学人The Innovators

1. Science Advances | 基于人工智能的皮肤光谱成像可即时诊断危重患者败血症并预测预后

2. Nature Medicine | 开源 LLM DeepSeek 与临床决策中的专有模型相当
3. Photoacoustics | 解码器增强域适应解决光声层析成像合成-真实域差异
4. The Lancet Neurology | 中风后步态训练：物理治疗师是否过于谨慎？

医工简报音频内容已在喜马拉雅、小宇宙等平台上线，欢迎订阅收听~

临床综合

Science Advances | 基于人工智能的皮肤光谱成像可即时诊断危重患者败血症并预测预后

由于脓毒症仍然是死亡的主要原因，早期识别脓毒症患者和死亡高危人群是一项具有高度社会经济意义的挑战。鉴于高光谱成像（HSI）监测微循环改变的潜力，该研究提出了一种深度学习方法，使用在几秒钟内获取的单个 HSI 立方体来自动诊断和死亡率预测。在一项前瞻性观察性研究中，从 480 多名重症监护病房患者的手掌和手指收集了 HSI 数据。应用于 HSI 测量的神经网络预测败血症和死亡率，受试者工作特征曲线下面积（AUROC）分别为 0.80 和 0.72。随着临床数据的增加，表现显着改善，脓毒症的 AUROC 达到 0.94，死亡率达到 0.83。基于深度学习的 HSI 分析能够快速、无创地预测脓毒症和死亡率，对加强诊断和治疗具有潜在的临床价值。

https://www.science.org/doi/abs/10.1126/sciadv.adw1968?af=R

医学人工智能

Nature Medicine | 开源 LLM DeepSeek 与临床决策中的专有模型相当

通过对患者病例的系统分析，我们评估了开源大型语言模型（LLM）的临床效用，例如 DeepSeek 模型，用于医疗应用。他们在临床决策任务上的表现分别与专有模型 GPT-4o 和 Gemini-2.0 Flash Thinking Experimental 相当，部分优于专有模型。

https://www.nature.com/articles/s41591-025-03850-0

医学成像技术

Photoacoustics | 解码器增强域适应解决光声层析成像合成-真实域差异

定量光声层析成像（qPAT）中吸收系数标注的缺失阻碍了深度学习临床应用。7月20日，上海交通大学团队提出解码器增强域适应框架（DDA），通过特征空间对抗学习与目标域解码器实现无标注真实数据泛化。该模型设计三功能目标域解码器，联合执行特征重建、像素级域适应与伪目标图像生成；引入归一化层仿射参数微调，仅需2个标注样本即可校正跨域吸收特性失配；实验表明DDA在合成-合成/合成-真实域适应中MAE降低至1.60×10⁻³，活体小鼠实验中深部血管信号增强3.2倍，为肿瘤血管成像等应用提供新方案。

https://doi.org/10.1016/j.pacs.2025.100736

康复（神经）工程

The Lancet Neurology | 中风后步态训练：物理治疗师是否过于谨慎？