一项最新研究成功开发了基于深度学习的CT肝脏自动分割模型，能够精准划分肝脏Couinaud分段和脾脏，为术前肝切除规划显著减少时间负担。该模型在多个独立数据集上验证，展现出出色的泛化能力和临床应用潜力。

一项发表在《科学进展》杂志的最新研究展示了一种革命性的可穿戴肌肉康复系统：研究人员成功开发出可直接绘制在皮肤表面的银墨电极，结合深度学习技术，能够同时感知肌肉电信号并提供个性化电刺激，为运动障碍患者的功能恢复开辟了新的治疗途径。

在接受抗逆转录病毒治疗（ART）的儿童中，改善饮用水、肺炎链球菌疫苗覆盖和母亲教育是与艾滋病相关死亡率最强相关的保护因素。这项覆盖48个国家的大规模荟萃回归分析揭示了超越单纯药物治疗之外的可干预因素，为资源有限地区的综合性防治策略提供了循证支持。

一项最新研究发表在《Brain》杂志上，基于血浆蛋白质组学数据开发了机器学习模型，能以高精度识别帕金森病患者，有望在临床实践中用于疾病诊断和患者风险分层。

虚弱（frailty）作为衡量全身健康状况的综合指标，能有效区分认知健康的老年人和痴呆患者，并与特定的脑灰质萎缩和功能连接改变相关联。一项纳入拉丁美洲3461名参与者的跨国研究首次系统阐明了虚弱在不同痴呆类型中的神经影像学表现。

一项在5个医学中心开展的大规模回顾性队列研究证实，基于深度学习的Mirai模型在预测乳腺癌发生风险方面明显优于放射科医生评估的乳房密度，其判别能力显著提升。这项研究为从传统的二元乳房密度分类向更精准的个体化风险分层过渡提供了有力证据。

一项最新研究发现，利用权威偏见、复杂性偏见和锚定偏见的特定提示词设计，可以显著降低大语言模型在放射学考试问题上的准确性，其中权威偏见的影响最为显著。这项发现警示我们，在将大语言模型部署到临床实践前，必须建立全面的对抗性压力测试和缓解框架。

一项涉及3000多例急诊患者的多中心研究表明，商业AI工具AIDOC-VO在颅内血管闭塞检测中表现与经验丰富的放射科医生相当，同时具备识别医生容易遗漏病例的额外价值。

一项涵盖42家医院的大规模多中心研究表明，经过微调的大语言模型MIRA能够自动生成医学影像报告，其质量在多数情况下与放射科医生撰写的报告相当，并显著提升了工作效率。

一项随机对照研究表明，AI驱动的皮肤诊断应用能显著提升患者对皮肤病的识别准确率和认知信心，但改善患者护理决策的效果仍然有限，提示未来设计需要在算法精度和临床指导上进一步优化。