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。

一项发表于《自然通讯》的研究展示了利用物理信息神经网络（sPINN）和电生物阻抗传感技术，通过智能手表实现无袖口连续血压监测的突破性进展。该方法将生物物理模型与机器学习相结合，在健康志愿者和心血管患者中均表现出优异的性能，为可穿戴式心血管监测树立了新的标准。

一项来自挪威的大规模研究评估了人工智能在乳腺数字层析成像(DBT)筛查中的作用，结果表明AI模型的性能与放射科医生的独立双读相当，有望在筛查工作流中替代第二位医生。

最近发表在《NPJ数字医学》的一项大规模回顾性研究展示了利用光电容积脉搏波（PPG）信号和支持向量机模型检测外周动脉疾病的临床价值，该模型基于5237份脉搏波信号的验证达到82.3%的准确度，有望成为一个快速、易获得的数字生物标记物，特别适用于医疗资源匮乏的基层和远程医疗场景。

一项发表在《NPJ数字医学》上的新研究开发了DKFusion框架，能从电子病历中自动识别被临床确诊但遗漏在诊断列表中的漏诊，精度达到81.2%与医生相当，并将病历审查时间大幅缩短至2.3分钟，有助于改善诊疗文件质量和医保支付准确性。

丹麦一项大规模纳入343万余人的研究开发了基于深度学习的预测模型，能够从初级和二级医疗的常规电子健康记录中识别年轻型2型糖尿病的高风险人群，为早期筛查和精准干预指明了新方向。

一项大规模多中心研究成功开发了PlaqueSegNet深度学习模型，实现了冠状动脉斑块体积的全自动定量分析。该模型与血管内超声（IVUS）和专家读片医生的一致性优异，并能独立预测心脏不良事件，有望融入临床冠脉CT血管造影（CCTA）工作流。

肌萎缩侧索硬化症（ALS）因患者间疾病进展速度和方式差异巨大而治疗困难。一项最新研究通过机器学习框架DiSPAH，成功将这种异质性分解为两个独立维度，为患者分层和个体化治疗奠定基础。

一项跨群体的前瞻性队列研究揭示，虽然遗传因素会增加糖尿病视网膜病变的发病风险，但生活方式干预可以显著抵消这一风险，即使在高遗传风险人群中，良好的生活习惯仍能带来44%的风险降低。

一项新的多机构研究发布了首个大规模公开儿童高级别胶质瘤MRI数据集BraTS-PEDs，包含457例患者的标准化标注影像，有望推动儿童脑肿瘤分割算法的开发和临床转化。