虚拟仿真技术在牙科教育中的应用日趋广泛，从基础知识习得到临床操作技能培养均有涉及。最新的系统综述分析了2007-2025年间来自18个国家的57项研究，揭示了虚拟仿真系统的发展脉络及人工智能融合的机遇与挑战。

CODE-II是一个包含270多万份12导联心电图的大规模数据集，来自巴西远程医疗平台，由权威心脏病专家进行了66类标准诊断标注。基于该数据集训练的深度学习模型在自动心电图诊断中达到医学级别的性能，且其泛化能力优于基于更大规模数据集训练的模型，表明高质量标注和诊断分类设计可能比单纯的数据规模更重要。

肿瘤微环境中的细胞组成直接影响乳腺癌患者的治疗反应和长期生存。一项整合多组学的可解释机器学习研究发现，HLA-ABC高表达的巨噬细胞通过特异性相互作用促进免疫抑制，其空间位置相对于上皮细胞的距离成为决定预后的关键因素。

近期《自然·通讯》发表的一项大规模随机对照试验表明，机器学习模型能够显著改进直肠癌前切除术中临时转流造口的决策，在保持手术安全性的同时，将不必要的造口率从41.3%降低到17.7%。这项研究为传统经验导向型外科决策向精准医学驱动的决策模式转变提供了有力证据。

近日发表于《NPJ数字医学》的研究提出一种突破性方法：与其强制医学专家达成共识，不如让AI系统学会整合多位专家的不同决策模式，为肾脏活检分诊提供更加稳健和现实的临床决策支持。

一项发表于《自然通讯》的最新研究展示，基于毫米波雷达和人工智能的PolyPulse系统能够实现无接触、多部位的脉搏传导时间测量和血压估算，准确性达到医疗级标准，为居家心血管监测开辟了新的可能性。

研究人员开发了EpiVLM系统，一套基于多模态视觉语言模型的人工智能工具，可在医院、家庭、工作场所等多种真实环境中准确检测和分类癫痫发作，无需针对特定场景进行重新调校，准确率达79.5%-94.7%。这一突破有望为全球癫痫患者，尤其是医疗资源匮乏地区的患者，提供更可及的自动化监测方案。

从单细胞空间精度到患者个体轨迹预测，这一周的医疗AI在经历深刻转变。空间转录组突破、机器学习驱动的肝癌失代偿预测、心脏诊断零样本迁移、呼吸衰竭轨迹分析——都指向同一方向：从群体评分到个体化决策，从静态诊断到动态预测。

本期 Digital Health & Informatics 专科回顾呈现三大趋势：医学影像通过标准化与自动化消除硬件差异，机器学习从静态诊断演进至动态轨迹预测，多模态和非传统数据源正在开辟全新的临床决策维度。AI不再止于识别，而在于预见和行动。

一项纳入来自欧美五个临床中心、超11000名患者的国际多中心研究发现，深度学习模型可以从常规胸腰椎X光片准确识别骨脆性高危患者，在不同种族人群中均显示出稳定的诊断性能，有望在日常放射线工作流程中实现骨质疏松症的机会性筛查。