这项集群随机试验显示，将大语言模型用于近实时病历抽取，并在患者出院时向急诊主治医师提供个案化SEP-1反馈，可显著提高脓毒症质量指标依从率。

这项发表于 Radiology. Artificial intelligence 的LUNA25研究显示，在低剂量CT肺癌筛查中评估5–15毫米不确定肺结节恶性风险时，表现最佳的AI系统AUC高于65名放射科医生的平均水平。

医学影像分割模型的训练，常常受限于高质量专家标注的时间和成本。Jaiswal、Rinneburger、Meyer等发表在Radiology: Artificial Intelligence的研究系统评估了一种专家引导的高效标注循环，显示其可在多种CT和MRI任务中减少放射科专家工作量，并训练出表现良好的nnU-Net模型。

这项发表于 The Lancet Digital Health 的研究，建立并外部验证了一个临床预测模型，用于估计符合他汀治疗条件人群在1年、5年和10年内发生严重肌肉疾病的风险。

这项发表于Cell的研究提出了一套AI驱动的CAR T靶点发现框架，并将GPNMB推到多癌种治疗候选靶点的前列。

这项发表于 Nature communications 的研究显示，基于MRI的痴呆机器学习分类器在不同种族和族裔人群中的表现并不一致。

这项发表在Nature communications的研究显示，2015年至2023年，法国森林树木死亡率明显上升；其风险并非只由单一极端事件解释，而是与树木大小、林分竞争以及不同季节的温度和水分异常共同相关。

这项发表于 Journal of the American Academy of Dermatology 的研究显示，基于深度学习的AI模型可在面部色素性皮损中辅助区分恶性雀斑样痣与良性相似病变，并提高皮肤科住院医师的诊断准确率。

这项队列研究显示，多重NULISA血浆蛋白标志物结合监督式机器学习，有望为不同痴呆病因的鉴别诊断提供一种微创、可扩展的辅助工具。

这项发表于 Science Advances 的研究提出了一种AI驱动的三分型框架，将抑郁进展划分为正常、疾病前和疾病状态，并尝试用它寻找更适合早期干预的时间窗口。