院前急救的首要难题，往往不是信息太多，而是在极短时间内信息太少。发表在NPJ Digital Medicine的一项全国性队列研究显示，仅利用急救病历中简短的自由文本“主诉”，机器学习模型已能对多数院外救命干预作出具有较好区分度的预测。

一项发表于《Nature Communications》的中国多中心研究提出MLLM-EDR：它不只“看懂”食管胃十二指肠镜图像，还将经内镜专家核验的疾病知识引入推理过程，完成解剖部位识别、胃黏膜背景分类、19类疾病多标签诊断及自由文本报告生成。

凝血障碍患者并非简单地“容易出血”或“容易血栓”：两种风险可同时存在，并会随病情、实验室指标和治疗时序持续改变。发表于《NPJ digital medicine》的一项队列研究提出ACRLA模型，尝试从纵向数据中动态刻画这种平衡，并给出与当前状态相匹配的支持治疗建议。

乳腺X线筛查AI并非只是在阅片流程中“增加一双眼睛”。这项发表于《Radiology》的眼动追踪研究显示，当AI没有标出实际存在的癌灶时，经验丰富的阅片者对这些病例的敏感度显著下降，同时视觉搜索的注视率减少。

一项发表于《Nature communications》的可行性研究提出，普通形态耳机所能采集的耳内低频音频信号，或许能够用于估计心脏每搏量。研究团队开发的CardiAural模型在23名健康成人的留一受试者交叉验证中，对平均每搏量取得5.24 mL的平均绝对误差。

一项来自UK Biobank的大型队列研究显示，代谢综合征与MRI推算的“脑龄”加速相关：与无代谢综合征者相比，调整相关因素后，代谢综合征参与者的脑龄差平均高约1.13年。

对于青少年特发性脊柱侧弯（AIS），全脊柱X线片上的Cobb角、矢状位参数和冠状位平衡是诊疗与随访的基础信息，但人工测量耗时且受阅片者与解剖识别差异影响。Nakajima、Suzuki、Hosozawa等发表的多中心研究显示，一套深度学习系统可在术前及术后AIS全脊柱X线片上自动完成综合对线测量，并识别脊柱内植物。

影像AI的竞争点正在从单项判读准确率，转向能否刻画病程、支撑精准分层，并在临床交互与上市后更新中保持可解释、可验证、可追责。

面对从未见过的规则系统，人们并不需要在脑中穷举所有后续变化，便能形成相当适应性的判断。Nature发表的一项大规模行为研究显示，少量、浅层、以目标为导向的概率性心理模拟，能够较好解释新手对陌生策略游戏的公平性、乐趣及首轮行动的推断。

在高风险医师执照OSCE备考期间，AI平台CPX-MATE获得了几乎普遍的自愿启动和较高的持续使用，但学生最认可的并非“独自与虚拟患者练习”，而是AI对同伴角色扮演的实时、清单化反馈。