这项发表于NPJ digital medicine的队列研究显示，大语言模型可以在一定程度上整合智能手机被动采集的行为信号，用于判断抑郁严重程度在两周尺度上的变化。

近期 AI & Computer Science 覆盖显示，医疗AI正在从单点模型性能走向可部署的健康生物标志物、多模态肿瘤决策、影像工作流自动化，以及经受临床压力测试的语言模型。

一项发表在 JAMA Neurology 的诊断研究显示，常规初级保健门诊中患者与医生的对话录音，经过声学特征提取和机器学习分析后，可用于筛查未被诊断的认知损害。

这项发表于 Nature communications 的多中心回顾性研究，提出了一个面向非小细胞肺癌的多模态、多任务深度学习评分系统MM-DLS。

这项发表于 Nature communications 的研究提示，标准化语音记录结合自监督语音表征，有望成为支持重性抑郁障碍筛查的客观数字生物标志物。

这项发表于 Nature medicine 的队列研究显示，血浆蛋白组不仅能估计整体生物年龄，还可能在细胞类型层面揭示人体衰老的异质性。

本期 Digital Health & Informatics 的主线不再只是模型性能，而是 AI 能否进入采样、诊断、记录、筛查和影像基础设施的真实链条：更低摩擦、更短决策周期，也更需要外部验证和流程约束。

本周最有分量的论文共同指向一个变化：医疗AI不再只追求单个任务AUC，而是在学习可迁移的表征、可解释的轨迹和可嵌入流程的判断。但越接近临床，越要追问模型学到的是疾病本身，还是医院、设备和数据习惯。

这项发表于 NPJ digital medicine 的研究提出 FairGen：一个面向人口学公平性的医学影像扩散生成框架，目标是在保持疾病相关视觉特征的同时，生成更均衡的合成数据。

本期 Emergency Medicine 回顾显示，急诊AI的重点正在从单点预测走向工作流嵌入：调度、分诊、危急诊断、复苏指导和复诊风险管理共同指向一个问题，如何在时间压力下更早、更准地分配有限注意力。