近期骨科AI的重心正在改变：不再只追求单任务精度，而是沿影像采集、风险识别、术前规划、术中导航和康复评估进入真实流程。可扩展性、外部验证与临床可行动性，正成为决定技术价值的新坐标。

对APHINITY随机试验4262份肿瘤切片的二次分析表明，无论采用人工、非AI数字方法还是AI模型，较高的免疫浸润均与更好的无浸润性疾病生存相关。标准化人工评分依然可靠，但AI提取的免疫空间热点提供了单纯淋巴细胞密度之外更一致的预后和治疗获益信息。

在早期三阴性乳腺癌中，两套无需重新训练的人工智能病理系统生成的五种计算性肿瘤浸润淋巴细胞评分，均与更好的复发及生存结局显著相关。不过，当病理医生评估的间质TIL评分已经纳入模型后，AI评分并未提供额外的预后信息。

一项覆盖三个队列、共纳入1107例患者的研究发现，局部晚期非小细胞肺癌接受胸部放疗时，胸腺平均受照剂量越高，远处转移和死亡风险越高。对于治疗前胸腺状态较好的患者，这种关联尤其明显。

MORGOTH试图用一套基础模型完成从癫痫发作、棘波等局部事件识别，到整段脑电图综合分类的统一判读。多中心验证显示，它在多项任务上达到专家水平，外部数据中的性能下降有限，并表现出较好的校准度和亚组稳健性。

近期肿瘤AI的重心正在前移：基础模型追求跨任务迁移，数字病理深入患者分层，多模态模型尝试预判疗效与风险，而筛查研究开始把工作负荷、可及性和转诊闭环纳入评价。真正的考验，已从能否识别转向能否稳定改变决策。

HisToSpatialCNV尝试把常规苏木精-伊红染色切片转化为空间基因组信息：模型仅依据组织形态，预测不同空间位置的拷贝数缺失、中性或扩增状态。研究显示，这些预测不仅具有较好的判别性能，还可用于分析肿瘤边界、亚克隆演化和患者分型。

DentVLM将七类口腔影像、36项诊断任务以及中英文问答整合进一个视觉语言模型，并为结果附上判断依据和解剖位置。在回顾性读者研究中，它的总体准确率超过初级读者、接近高年资专科医师；作为辅助工具时，还能同时提高诊断准确性和效率。

这项跨越小鼠环路实验与儿童睡眠脑电的研究表明，非快速眼动睡眠纺锤波不仅与社交记忆巩固有关，其生成环路受损还可能参与孤独症谱系障碍的社交记忆缺陷。纺锤波密度和形态同时展现出候选脑电标志物的潜力，但距离临床应用仍需更大规模的外部验证。

医疗AI的评价重心正在改变：准确率只是起点，真正的问题是模型在何种数据、工作流与使用者条件下可信。本期专科回顾聚焦现实可靠性、机制与多模态预测，以及从常规信号构建规模化智能。