高精度的人工智能模型并不自动转化为更好的临床结果。近期发表的一项定性研究通过对患者、医疗专业人士和AI开发者的深入访谈，揭示了患者中心型AI医疗系统在实际实施中面临的关键障碍。

一项刚发表的研究通过可控人类疟疾感染试验，在成人患者中鉴定出与临床免疫相关的六种关键虫体裂殖体抗原。这一发现为开发更高效的多价血期疟疾疫苗提供了科学依据，有望突破现有疫苗的保护效果瓶颈。

一项对美国食品药品监督管理局（FDA）批准的放射学AI医疗器械进行的全面系统分析发现，在956个器械中，大多数企业缺乏完整的生命周期风险管理系统，软件缺陷引起的不良事件和产品召回普遍处于孤立状态，未能形成有效的闭环反馈机制。

肾肿瘤的精准分型是临床治疗决策的关键。一项新发表的研究表明，名为MPANet的多模态深度学习模型可以整合多相增强CT和临床信息，在四类肾肿瘤的分类中显著超越有经验的放射科医生，准确度达73.3%，有望成为临床辅助诊断工具。

原稿 引入 各位，今天我想和大家聊一个有意思的话题——如果你是医院的信息主任或者从事医疗AI的研究者，你肯定面过这样一个两难的局面：患者要求删除他的医疗数据，这是他的合法权利。但问题来了，如果我们把他的数据从已经部署的AI模型里删除，会不会反而让模型对某些患者群体变得更加不公平呢？最近Nature Communications发表的一篇论文就深入探讨了这个看起来有点"魔鬼"的问题。 正文 先来理解背景。在欧美，有一个叫"被遗忘权"的概念...

研究人员开发了一个专为消化系统病理学优化的AI基础模型Digepath，在32个临床诊断任务上超越现有模型，早期癌症筛查准确率超过99%，为实现AI辅助诊断的临床应用奠定了基础。

原稿 引入 各位，今天想和大家聊一篇刚发表在《BMC Medicine》上的研究。说实话，这个话题可能不是大众最感兴趣的，但对我们胃肠科医生和内镜工作者来说，还是挺有启发的。题目是关于磁控胶囊胃镜配上AI质量控制的效果评价。我一开始看的时候就在想，这是个多中心随机对照试验，那数据应该还比较有说服力。我们一起来看看这套系统到底做了什么，能不能真的帮我们把工作做得更好。 正文 大家都知道，磁控胶囊胃镜这个技术在国内已经用了有些年头了。它的优...

一项新发表的研究提出了端到端的隐私保护健康数据合成框架，通过结合深度生成模型与差分隐私技术，使医学研究者能够安全共享敏感数据集。该框架在瑞典PREDICT队列的26个生物库数据集上进行了验证，涉及50,274名个体。

研究人员开发了一种深度学习模型，能够从唾液蛋白质组中高精度检测头颈癌。通过结合跨组织类型数据迁移和生成模型合成数据，该方法成功克服了罕见癌症诊断中的样本量限制。

右上叶切除术后肺萎陷是常见并发症，但目前主要依赖医生的主观放射学评估。一项新研究开发了基于nnU-Net v2深度学习的自动化框架，通过CT扫描的肺叶和气道分割，实现了肺萎陷的客观定量评估和分级，并证明体积指标可预测患者术后一年是否需要支气管镜检查。