这项发表于 NPJ digital medicine 的多中心前瞻性观察研究显示，基于AI的语义分割模型 PelviX3Net 可在微创盆腔淋巴结清扫视频中识别输尿管、闭孔神经、髂外动脉和髂外静脉。

这项发表于Nature Medicine的研究提出并评估了HemaGuide：一个可本地部署、以真实病例为基础的大语言模型智能体，用于血液系统恶性肿瘤的临床决策支持。

这项发表于NPJ digital medicine的研究提出FedFound：一个面向全生命周期脑形态连接组分析的联邦基础模型，目标是在不集中共享原始数据的前提下，提升跨机构、跨疾病神经影像诊断的泛化能力。

这项发表于 JAMA network open 的回顾性诊断研究显示，在288例急诊电子触发器筛选病例中，医生评审确认39例存在漏诊机会，整体比例为13.5%。

这项发表于Intensive Care Medicine的多中心回顾性研究，开发并评估了一个基于机器学习的HLH-Risk-Calculator，用于预测成人二级噬血细胞性淋巴组织细胞增生症患者的初始疾病严重程度和不同时间点死亡风险。

本期 Orthopedics 研究显示，AI不再只是在影像或病历上做分类，而是在骨质疏松筛查、术后风险预测、智能植入物与组织选择性递送中重塑骨科路径。真正的分水岭，是这些工具能否跨场景稳定、透明、可验证。

本期 Pulmonology & Respiratory 研究显示，AI 的重心正从单点识别走向可嵌入诊疗流程的量化工具：术中、ICU、睡眠内镜、病理与公共卫生风险分层都在逼问同一件事，模型能否真正改变决策。

这项发表在 Nature Medicine 的务实性整群随机试验显示，在肯尼亚低资源基层医疗场景中，嵌入电子病历的GPT-4o临床决策支持系统总体安全，并改善了临床文书质量，但未显著降低14天内治疗失败。

这项发表于 NPJ digital medicine 的研究聚焦一个现实问题：通用视觉语言模型正在快速发展，但超声场景缺少专门的指令数据和可复现评测基准。

这项发表于 Radiology: Artificial Intelligence 的研究提示，胸片AI模型不仅可能学习影像中的疾病征象，也可能学习与采集过程相关的曝光参数，并将其作为“捷径特征”。