这项发表于 NPJ digital medicine 的研究显示，深度学习模型能够从ER阳性乳腺癌常规全切片病理图像中预测患者是否携带ATM胚系致病或可能致病变异。研究还提示，ATM相关肿瘤可能具有小叶样分化和免疫细胞浸润丰富等组织学特征。

这项发表于 NPJ digital medicine 的研究提出了 UNICORN，一个用于整合多染色组织病理全切片图像的深度学习模型。研究显示，在冠状动脉粥样硬化严重程度分类任务中，UNICORN 优于若干基线模型，并能在部分染色缺失时继续工作。

这篇观点文章提出，基于数字语音的标志物可能帮助改进阿尔茨海默病预后评估，尤其用于预测临床前或早期人群未来认知下降风险。

这项发表于NPJ digital medicine的队列研究显示，深度学习模型DeepHHF可从24小时单导联Holter心电图中预测未来5年新发心力衰竭风险。

这项研究分析了2003年至2022年间40万余篇痴呆研究论文，显示作者性别与发表数量、引用影响和高级领导位置之间存在持续差异。

这项发表于 NPJ digital medicine 的研究提出了 FetalCLIP：一个面向胎儿超声图像分析的视觉语言基础模型。研究显示，在胎儿切面识别、孕周估计、先天性心脏病视频检测和解剖结构分割等任务中，FetalCLIP整体优于多种通用或医学视觉语言模型。

这项发表于 NPJ digital medicine 的研究提出了OVUCM：一个整合超声、增强CT、MRI、临床变量和肿瘤标志物的多模态AI系统，用于卵巢肿物术前多任务预测。

这项发表于 NPJ digital medicine 的研究提出并验证了 PEAL：一种面向多机构纵向电子健康记录数据的隐私保护、一次性联邦学习算法。

这项单中心回顾性试点研究显示，LLM编排的多工具AI智能体能够在170例肺癌分期[18F]FDG PET/CT检查中，从原始DICOM数据自动完成处理、定量、可视化和结构化报告初稿生成。

这项发表于NPJ digital medicine的研究关注一个关键问题：皮肤癌AI诊断模型是否会因性别产生不公平表现，以及这种偏倚能否通过“让模型看向更临床相关的区域”来缓解。