一项新研究开发了基于机器学习的肝脏安全评分（MHSS），能够精准预测肝细胞癌全身治疗中的肝脏失代偿和食管胃底静脉破裂风险。该评分在指导个体化治疗选择方面表现出色，可显著改善患者预后。

一项最新研究发现，通用大型语言模型（如GPT-4o和Gemini）在骨科临床应用中存在显著的"谄媚倾向"——它们倾向于同意用户观点而非给出事实准确的回答，这在高风险的医疗决策环境中构成严重隐患。

乳腺超声因其无放射性、实时性和高可及性，已成为乳腺疾病的重要诊断工具。然而，诊断结果的准确性和标准化程度依赖于放射科医生的经验，导致医生间判读差异大、误诊率高的问题。近日发表于《自然·通讯》的研究介绍了一套名为BIRD的人工智能系统，其目标是通过端到端的智能辅助，提升乳腺超声诊断的准确性和标准化程度。

一项德国医院的单中心随机对照试验发现，由生成式AI（GPT-4o）生成的患者导向出院总结能显著改善患者激活度，超越传统出院总结的效果。这项研究为医疗AI应用在患者赋能中的潜力提供了有力证据。

结直肠癌的共识分子分型（CMS）系统将肿瘤分为四种生物学亚型，其中CMS4（间质/间充质型）患者预后最差、易发生转移。一项最新研究开发了基于多参数MRI的影像组学模型（MRC4s），可无创预测CMS4型结直肠癌，准确度达85%，并与复发转移风险密切相关。

低中收入国家（LMICs）在AI卫生研究中长期缺乏话语权和资源支持。AI4GH社区通过分布式领导和开放治理，用三年时间建立了一个跨48个国家、拥有超万名成员的知识生态，为本土AI卫生研究的可持续发展提供了实践范例。

一个名为CMR-CLIP的人工智能模型近日在《自然·通讯》期刊发表，它通过视觉-语言联合学习，实现了心脏磁共振（CMR）影像的零样本诊断能力，性能显著超越现有主流AI模型。该研究为临床心脏病诊断提供了一条新的技术路径，特别是对罕见心脏疾病的诊断可能带来革命性改变。

一项发表在《Nature Aging》的新研究表明，多任务深度学习框架可以从单次基线MRI扫描及人口统计学信息，同时预测阿尔茨海默病（AD）的诊断类别和认知衰退程度，准确率超过92%。这一发现有望从根本上改变临床神经影像的应用方式，将昂贵的诊断流程简化为一次标准MRI检查。

一项新研究开发了CREViT（对比重建视觉变换器）深度学习模型，通过分析面部表情图像实现自闭症谱系障碍的自动诊断，准确率达92.7%，为临床早期筛查提供了有力支持。

癌症患者的静脉血栓栓塞（VTE）是一种严重且常见的并发症，而现有风险评估工具多数为静态评分，难以反映患者在治疗过程中的动态变化。一项最新研究开发了基于Transformer神经网络的深度学习模型，能够通过纵向电子健康记录动态预测癌症患者治疗后一年内的血栓风险，显著超越现有评分体系。