AI发现的策略并不一定随AI退出而消失。在这项五代文化传递实验中，人类不仅模仿了机器找到的反直觉解法，还能理解、转用并将其继续传给后来者。

一项覆盖157个受援国、371万余个项目的研究显示，全球疾病专项官方发展援助与疾病负担之间存在显著错位：非传染性疾病占全球伤残调整生命年近六成，却只获得2.5%的相关援助。研究还表明，大语言模型可以较高准确度持续追踪不同疾病类别的资金流向。

这项前瞻性对照试点表明，多模型大语言模型临床决策支持系统SHAKED能够生成总体可靠的急诊辅助内容，但并未缩短患者在急诊科的停留时间。比模型输出质量更突出的现实问题，是临床使用率持续下降以及系统交付失败。

一套公开数据集让自由文本落到胸部CT三维体素，一次大模型再分析为未解罕见病新增4.8%诊断；但GPT-5的“专家口吻”并未带来独立专家式决策。本周最清晰的信号是：医疗AI的竞争正从预测分数转向证据、流程与可验证的临床行动。

对已经完成基因组检测却仍未获得答案的患者，重新分析可能带来新的诊断机会。一项发表于《NEJM AI》的研究显示，大语言模型辅助工作流从376例既往未解病例中新增18例确诊，额外诊断率为4.8%。

文本型AI标准化临床考试（ASCE）的教育价值，未必取决于它能否完整复制真实诊疗体验。Yauy、Lavigne、Gabellier等人在这封学术通信中提出，更合理的定位是：将ASCE作为训练病史采集、诊断推理和专业沟通的可扩展工具，同时把体格检查及其他多模态技能留给线下模拟。

医学大模型在标准考试中取得高分，并不等于它能在真实对话中持续给出可靠、安全的回答。Pan、Jian、Hager等人的研究显示，一旦问题受到自适应扰动，模型在稳健性、隐私、公平性和事实准确性上都会暴露出显著缺口。

一项在南非开展的前瞻性研究发现，嵌入政府孕产妇健康平台MomConnect的AI症状检查器，其紧急程度建议在98.4%的医生复核病例中被评为安全。使用该工具后，参与者寻求医疗服务的比例明显上升，但低收入、费用负担和医疗服务可及性仍限制了建议向实际行动的转化。

一项覆盖40种组织的研究表明，常规组织病理切片中包含可量化的衰老信号。深度学习模型不仅能够估计供体年龄，还能识别不同器官相对于实际年龄的衰老偏移，以及这些偏移与病理改变、共病和分子失调之间的联系。

一项多中心计算研究显示，经针对性微调后，U-Sleep可以更准确地完成帕金森病、孤立性REM睡眠行为障碍及相关对照人群的自动睡眠分期，其表现与人工评分者之间的一致性处于相近水平。模型置信度还可用于定位疑难记录，并从自动分期结果中筛选更可靠的REM睡眠片段。