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

Original paper: Mitigating algorithmic unfairness arising from forgetfulness of medical records in clinical artificial intelligence. — Nature communications. 10.1038/s41467-026-72601-7 📄 阅读文章

一项对美国食品药品监督管理局（FDA）批准的放射学AI医疗器械进行的全面系统分析发现，在956个器械中，大多数企业缺乏完整的生命周期风险管理系统，软件缺陷引起的不良事件和产品召回普遍处于孤立状态，未能形成有效的闭环反馈机制。 Original paper: The absence of full lifecycle risk management for AI-based medical devices in radiology. — NPJ digital medicine. 10.1038/s41746-026-02712-4 📄 阅读文章

肾肿瘤的精准分型是临床治疗决策的关键。一项新发表的研究表明，名为MPANet的多模态深度学习模型可以整合多相增强CT和临床信息，在四类肾肿瘤的分类中显著超越有经验的放射科医生，准确度达73.3%，有望成为临床辅助诊断工具。 Original paper: Multimodal deep learning model for multiclass classification of renal tumors. — NPJ digital medicine. 10.1038/s41746-026-02697-0 📄 阅读文章

研究人员开发了一个专为消化系统病理学优化的AI基础模型Digepath，在32个临床诊断任务上超越现有模型，早期癌症筛查准确率超过99%，为实现AI辅助诊断的临床应用奠定了基础。 Original paper: Subspecialty-specific foundation model for intelligent gastrointestinal pathology. — NPJ digital medicine. 10.1038/s41746-026-02684-5 📄 阅读文章

研究人员开发了一种深度学习模型，能够从唾液蛋白质组中高精度检测头颈癌。通过结合跨组织类型数据迁移和生成模型合成数据，该方法成功克服了罕见癌症诊断中的样本量限制。 Original paper: Leveraging population-scale proteomic data with deep learning for head and neck cancer detection in saliva. — NPJ digital medicine. 10.1038/s41746-026-02658-7 📄 阅读文章

一项新发表的研究提出了端到端的隐私保护健康数据合成框架，通过结合深度生成模型与差分隐私技术，使医学研究者能够安全共享敏感数据集。该框架在瑞典PREDICT队列的26个生物库数据集上进行了验证，涉及50,274名个体。 Original paper: Anonymization and visualization of health data and biomarkers. — NPJ digital medicine. 10.1038/s41746-026-02662-x 📄 阅读文章

Original paper: Impact of a real-time automatic quality control system for magnetically controlled capsule gastroscopy: a multicenter randomized controlled trial. — BMC medicine. 10.1186/s12916-026-04901-0 📄 阅读文章

右上叶切除术后肺萎陷是常见并发症，但目前主要依赖医生的主观放射学评估。一项新研究开发了基于nnU-Net v2深度学习的自动化框架，通过CT扫描的肺叶和气道分割，实现了肺萎陷的客观定量评估和分级，并证明体积指标可预测患者术后一年是否需要支气管镜检查。 Original paper: Deep-learning based quantitative evaluation of postoperative atelectasis following right upper lobectomy. — NPJ digital medicine. 10.1038/s41746-026-02683-6 📄 阅读文章

一项发表在《自然通讯》上的最新研究开发了机器学习启能的植入式植物生物标记传感器（MLIPBS），能在植物出现可见症状前至少48小时，通过实时监测植物细胞内的生化信号准确预警盐碱和酸性胁迫。 Original paper: Machine learning-enabled implantable plant biomarker sensor for early detection and classification of acid and salt stress. — Nature communications. 10.1038/s41467-026-72344-5 📄 阅读文章