人工智能在医学影像领域的应用步伐加快。一项最新研究发现，AI驱动的乳腺断层扫描重建技术能够在减少医学影像工作量的同时，安全地保持癌症检出的准确性，这对于面临人力短缺的乳腺影像科室具有重要意义。

一项发表于《NPJ数字医学》的最新研究开发了MCEN模型，这是基于Mamba架构的深度学习系统，能通过分析乳腺癌患者的术前活检病理图像准确预测其对新辅助化疗的反应。该模型在超过1600例患者的多中心验证中展现出卓越的性能，当与临床病理变量结合时，预测准确性达93.7%，为个性化治疗决策提供了有力支撑。

一项发表在《PLoS医学》的新研究通过蛋白质组学和机器学习技术，发现了71种血浆生物标志物可以预测2型糖尿病患者视网膜神经变性的风险，准确率高达90.8%，为早期筛查和干预提供了新的分子学依据。

一项多中心研究开发了基于人工智能的放射组学框架，能从心脏MRI中自动识别和分析微血管梗死区域的组织学异质性，并独立预测ST段抬高心肌梗死患者的主要不良心血管事件，相比传统方法具有显著的临床优势。

一项新研究表明，通过在家中安装非接触式智能传感器并运用人工智能分析，我们可以从日常生活行为模式中识别脑血管病的早期信号，甚至预测迫在眉睫的发病风险。这种无创、持续的居家监测方式，为基层医疗欠发达地区和居家养老的老年人群提供了全新的疾病防控思路。

骨骼肌肉影像诊断面临长期的标注瓶颈与模型通用性不足问题。最新发表在《NPJ数字医学》的研究提出SKELEX——一个基于自监督学习的大规模基础模型，在12项诊断任务上全面超越现有方法，并展现出显著的标签效率优势，为临床AI的广泛应用打开新的可能性。

精神病学正处于从症状诊断向数据驱动的关键转折。生物标志物、机制研究与AI工具的并行发展，已打破学科的传统边界。真正的突破，在于将这些科学发现转化为改善患者结局的临床实践。

一项新发表的研究证明，机器学习模型特别是LightGBM可以准确预测易发生哮喘急诊复发的高风险儿童，为精准医疗和临床决策支持开启了新的可能性。

一项2026年发表在《JAMA儿科学》的全国代表性调查显示，近1/5的美国12-21岁青少年已将AI聊天机器人纳入其心理健康信息生态，但绝大多数用户隐瞒了这一事实，形成了一道医疗照护与现实之间的鸿沟。

原稿 引入 欢迎收听 Medical AI Digest Podcast。今天我们要介绍的是发表在《NPJ digital medicine》上的一篇论文。 正文 这篇论文的标题是《Self-supervised representation learning reveals explainable physiological structure in high-dimensional magnetocardiography》。简单说，...