这项研究提出了一个面向口腔白斑评估的可解释AI系统，试图用普通临床照片完成从早期筛查、疾病分层到病灶边界勾画的连续任务。

血常规是临床最常见的检查之一，但当白细胞增多背后可能是急性感染，也可能是血液淋巴系统恶性肿瘤时，单靠常规参数和人工复核往往难以及时完成分层。

这项发表于NPJ Digital Medicine的队列研究显示，基于视网膜眼底照片的RetiAF评分能够在房颤临床发生前识别较高风险人群；当眼底影像特征与年龄、BMI等临床变量结合后，预测性能进一步提高。

这项发表于NPJ digital medicine的研究，将精英女子足球中的伤病预测问题从“明天会不会受伤”推进到“在累积暴露下，何时、以多大概率受伤，以及是否值得休息”。

肿瘤AI的重心正在从更高AUC转向更可执行的风险分层：多模态融合、少样本病理和低摩擦生物标志物共同指向一个问题，模型能否在真实诊疗路径中改变分诊、治疗强度和随访策略。

这项发表在 JAMA Network Open 的定性研究显示，患者并不简单地反对AI参与电子患者门户消息回复；他们更关心回复是否及时、清楚、能解决问题，以及临床医生是否真正审核并承担责任。

临床试验设计正在从“人工查文献、写标准、找数据、做分析”的串行流程，走向由大模型智能体协同支持的可计算流程。Li、Pan、Rajendran等人在Nature communications发表的这项研究，提出并评估了EmulatRx：一个面向真实世界电子健康记录数据的多智能体临床试验设计框架。

这项研究提出了PANDA，一个面向儿童多导睡眠图的深度学习微觉醒检测模型。研究显示，与成人训练模型相比，儿童专用训练可显著改善与专家标签的一致性。

这项研究检验了一个七阶段、多LLM串联的医学教育内容生产流程：它能大规模生成放射科备考闪卡和信息图，但自动质控并未达到预设安全阈值。

近期 Radiology & Imaging 的主线不再只是更高AUC，而是模型能否进入真实工作流：报告生成要懂临床语境，常规CT被重新用于风险识别，超声和头颅CT模型强调泛化，多模态肿瘤AI则转向治疗决策。