这项发表于 NPJ digital medicine 的研究提出 Angio-FILM：一种面向冠状动脉造影的视频帧插值生成模型，可将7.5 FPS低帧率造影视频重建为15 FPS高时间分辨率视频。

这项发表于 NPJ digital medicine 的研究显示，大规模电子病历中的诊断和操作记录，经过无监督学习分析后，可以识别出具有临床意义的患者亚群、高风险共病模式，以及与早衰和死亡风险相关的表型起病特征。

这项发表于 BMC Medicine 的多中心回顾性研究，构建并验证了一个用于鼻咽癌患者放疗前预测放射性颞叶损伤风险的多模态深度学习模型。

无袖带血压监测正在从工程概念走向可穿戴和移动健康场景，但这篇系统综述提醒我们：目前的AI模型表现还不足以直接等同于临床可信。

这项发表于 NPJ digital medicine 的队列研究显示，经过青少年语境适配的自杀相关词典，能够从被动收集的手机键盘输入中识别自杀相关语言；但这些语言本身不能被直接视为急性自杀风险标志。

这项发表于 NPJ digital medicine 的研究显示，基于术前多参数生理MRI的机器学习模型，不仅可以区分疑似复发胶质瘤病灶中的复发肿瘤与非复发组织，还能生成保留肿瘤内部空间异质性的预测图谱。

这项发表于 NPJ digital medicine 的研究提出 Frame-to-Outcome（F2O）：一个从手术视频识别精细操作动作，并进一步预测临床结局的端到端AI系统。

一项发表于 NPJ digital medicine 的研究提出了 IVCM-Insight：一个面向活体共聚焦显微镜（IVCM）图像的人工智能系统，可自动生成结构化报告，并基于报告回答临床问题。

这项发表于 Nature biomedical engineering 的研究提出 TRUECAM，用于提升非小细胞肺癌全切片病理图像分型AI的可信度。

这项发表于 Nature 的队列研究显示，深度学习可从常规心电图中提取一个与心源性猝死风险相关的生物标志物，并识别出许多未被左室射血分数筛查发现的高危患者。