原稿 引入 嗨，最近看到一篇来自NPJ Digital Medicine的论文，我觉得特别值得给大家聊一聊。论文的题目是《A foundational model encodes deep phenotyping data and enables diverse downstream applications》，简单说，就是英国的研究人员开发了一个AI模型，用50万人的医学数据来帮助我们更好地理解疾病、预测风险，甚至发现一些以前没注意到...

一项在美国Mayo Clinic进行的为期11个月的临床研究表明，使用AI驱动的入院预测模型可显著减少患者在急诊科的停留时间，将平均停留时间从303分钟缩短至291分钟，同时不会增加患者安全风险。

原稿 引入 各位医疗同行，大家好。今天我想和你们讨论一篇最近发表在《Bone & Joint Research》上的研究，是关于如何用AI和放射学来预测一种让骨科医生很头疼的并发症——慢性骨髓炎的复发。 说起来，肢体骨缺损的治疗一直是骨科的难点。这些年Masquelet技术因为分阶段重建的思路，给了我们很多希望。但问题是，我们经常看到有些患者术后还是会出现骨髓炎复发，这不仅意味着患者要再次手术，还会影响最终的预后。关键是，我们现在还没有...

一项多中心研究开发了基于CT影像的放射组学评分系统（Rad-ITF评分），通过机器学习无创鉴别肝细胞癌的肿瘤内纤维化程度，并揭示其与肿瘤血管新生及肝动脉化疗栓塞（TACE）疗效的关联。

原稿 引入 各位同事，大家好。今天我想和大家分享一篇最新发表在《NPJ Digital Medicine》上的研究，标题是《通过少样本跨域适应实现可推广的无CT PET衰减和散射校正》。这篇论文发表于2026年5月，我一开始看到题目的时候就觉得有点拗口，但其实核心理念很简洁——怎样用最少的数据、最短的时间，让一个AI模型快速学会校正新医院、新扫描仪上的PET图像。这对我们的临床应用来说，其实是一个挺有想象力的想法。 正文 我们先从背景说...

一项发表在《自然通讯》上的新研究开发了名为DrEval的标准化基准框架，对现有的癌症药物反应预测模型进行了严格评估。研究结果揭示了一个令人担忧的现象：这些模型在文献中声称的性能远超其真实临床应用价值，大约一半的模型甚至不能胜过简单的统计预测器。

一项新的深度学习方法AUBADE-syn，通过生成合成眼底图像和智能数据均衡策略，在严重不平衡的数据集上实现了0.992的诊断准确度（AUC），有望显著提升基层医疗机构的青光眼筛查效率。

一项针对肾脏移植患者的随机对照试验表明，即使人工智能风险预测模型性能优异，在电子病历中被动展示其预测结果并不能改变临床医生的沟通行为，也无法改善共同决策的质量。这项研究揭示了AI工具从实验室走向临床实践的真实困境。

美国最新研究开发了一个名为ECG2Stroke的人工智能模型，能从普通12导联心电图预测患者10年内发生缺血性脑卒中的风险，预测性能与传统Framingham卒中风险评分相当，且具有更强的临床应用潜力。这一发现为大规模人群脑卒中风险筛查提供了一个可及、高效、成本低廉的新工具。

一项Nature medicine的新研究显示，多模态AMIE——一个能够在诊断对话中处理医学影像、心电图和临床文档的会话型AI系统，在模拟远程医疗咨询中的表现超越了初级保健医生。这项研究为AI辅助诊断在真实临床环境中的应用奠定了重要基础。