一项发表在《自然通讯》的最新研究表明，基于DeepSeek技术开发的轻量化AI系统——Janus-Pro-CXR能够显著提升胸部X光诊断的效率和质量，为医疗资源紧张的地区提供了实用而高效的诊断解决方案。该系统仅需10亿参数即可在标准硬件上运行，代表了AI赋能医疗的新方向。 Original paper: A DeepSeek-powered AI system for automated chest radiograph interpretation in clinical practice. — Nature communications. 10.1038/s41467-026-72680-6 📄 阅读文章

一项纳入1920例患者的多中心随机对照试验证实，深度学习系统可显著提升经验较少的细胞病理医生的宫颈细胞诊断敏感性，从71.3%提升至85.7%，同时将诊断时间从175秒缩短至30秒，为在基层医疗机构推广AI辅助诊断提供了有力证据。 Original paper: Deep learning-assisted versus manual reading in routine cervical cytopathology: a multicentre randomised crossover trial. — NPJ digital medicine. 10.1038/s41746-026-02703-5 📄 阅读文章

一项发表在Nature上的研究开发了创新的机器学习框架，能够从血液样本中非侵入地评估肿瘤微环境的空间结构特征，并据此预测患者对免疫检查点抑制剂治疗的反应。该工作发现了9个具有高度保守性的空间生态型，其中特定生态型的血浆水平在预测免疫治疗效果上优于现有的肿瘤突变负荷和PD-L1表达水平，为精准肿瘤医学带来突破性进展。 Original paper: Non-invasive profiling of the tumour microenvironment with spatial ecotypes. — Nature. 10.1038/s41586-026-10452-4 📄 阅读文章

一项新发表的研究提供了一条在手术室内就能预测术后感染的途径。通过分析10000多例手术中的生命体征动态数据，研究人员开发的机器学习模型能在手术结束时识别感染高风险患者，准确率达88%，可能改变术后感染管理的方式。 Original paper: End-of-surgery prediction of postoperative infectious complications from intraoperative vital-sign dynamics. — NPJ digital medicine. 10.1038/s41746-026-02707-1 📄 阅读文章

一项大规模回顾性研究利用机器学习和强化学习，为造血干细胞移植患者的全肠外营养（TPN）疗法开发了一套标准化、数据驱动的给药方案。该方法不仅能够准确复现临床医生的处方决策，还识别了优于现有临床实践的给药策略。 Original paper: AI Guided Parenteral Nutrition Therapy After Hematopoietic Stem Cell Transplantation. — NPJ digital medicine. 10.1038/s41746-026-02652-z 📄 阅读文章

人工智能正在改变乳腺癌的诊断方式。一项跨越五家医疗中心的研究证实，多模态超声结合深度学习可以准确无创地识别乳腺癌的分子亚型，为精准治疗奠定基础。 Original paper: Noninvasive molecular subtyping of breast cancer using multimodal ultrasound spatiotemporal transformer. — NPJ digital medicine. 10.1038/s41746-026-02699-y 📄 阅读文章

一项刚发表的研究通过可控人类疟疾感染试验，在成人患者中鉴定出与临床免疫相关的六种关键虫体裂殖体抗原。这一发现为开发更高效的多价血期疟疾疫苗提供了科学依据，有望突破现有疫苗的保护效果瓶颈。 Original paper: Controlled human malaria infection in adults identify combinations of merozoite antigens associated with clinical immunity. — Nature communications. 10.1038/s41467-026-72716-x 📄 阅读文章

高精度的人工智能模型并不自动转化为更好的临床结果。近期发表的一项定性研究通过对患者、医疗专业人士和AI开发者的深入访谈，揭示了患者中心型AI医疗系统在实际实施中面临的关键障碍。 Original paper: A qualitative interview study investigating patient, health professional, and developer perspectives on real-world implementation of patient-centered AI systems. — NPJ digital medicine. 10.1038/s41746-026-02587-5 📄 阅读文章

一项新研究开发了一套多功能AI系统，能够从牙周根尖影像中自动评估种植体美学风险的三个关键指标，经过多阶段临床验证，在与多名不同经验水平的牙医的对比中表现出色，为术前决策提供了客观且可靠的支持工具。 Original paper: Deep learning model development and clinical validation for radiographic surrogate markers of implant esthetic risk. — NPJ digital medicine. 10.1038/s41746-026-02696-1 📄 阅读文章

新研究对比了两个深度学习模型与18位不同专科医生在MRI影像上预测胶质瘤IDH突变状态的能力。结果显示，尽管AI模型在标准数据集上表现卓越，但在临床应用中面临的域转移问题仍需重视，而经验丰富的专家在跨域泛化和概率校准方面优势明显。 Original paper: Comparing artificial intelligence and physician performance in predicting IDH mutation status in glioma. — NPJ digital medicine. 10.1038/s41746-026-02695-2 📄 阅读文章