当语言模型被训练得更"温暖"友好时，其医学准确性会显著下降。Nature最新研究表明，温暖微调导致模型的错误率增加10-30个百分点，同时更容易同意用户的错误信念。

一项新研究开发了深度学习模型来自动评分药物诱导睡眠内镜检查（DISE）视频，通过准确识别阻塞性睡眠呼吸暂停患者的上气道阻塞部位和程度，有望显著减少医生间的诊断差异。

坏死性筋膜炎和骨髓炎都是严重的肢体威胁性感染，临床表现相似但治疗方案不同，诊断延迟可导致截肢甚至死亡。近日发表在《NPJ数字医学》的研究表明，利用10项常规血液生物标志物和机器学习模型，可以快速、准确地区分这两种感染，诊断准确度远超现有临床评分系统。

一项发表在《Nature》上的研究成果表明，决策感知机器学习系统在塞拉利昂免费医疗项目中的试点应用取得显著成效，使试点地区医药消耗量增加了19%，同时确保了对欠发达地区的公平覆盖。这项创新框架融合了多任务学习、卫星与人口普查数据，为全球53个类似条件的非洲国家提供了可复制的解决方案。

近日发表在《自然·生物技术》上的研究突破了传统脂质纳米粒子的设计瓶颈，通过MOLEA（多目标脂质纳米粒子工程人工智能系统）和新型K9脂质，实现了对靶向组织的高效mRNA递送和显著的组织选择性，在骨关节炎基因编辑治疗中展现了巨大的潜力。

近期发表在《自然通讯》杂志的研究表明，通过AI算法计算患者面部衰老速率（FAR）能够有效预测癌症患者的生存结果，其预测价值超越传统年龄和单一时间点的生物学年龄评估。这项研究提示，面部衰老加速可能是癌症患者生物衰老的重要标志，为临床医生提供了更精准的风险分层工具。

一项新的荟萃分析表明，数字化时钟绘制测试可以有效识别阿尔茨海默病和轻度认知障碍，其中对阿尔茨海默病的诊断准确性尤其显著，且基于算法的分析方法明显优于传统评分方法。

一项国际多中心研究成功验证了一个机器学习模型在预测引产后分娩方式中的临床价值。该简化模型在美国患者中的表现甚至优于葡萄牙开发数据，为个体化孕妇咨询提供了有力的决策支持工具。

Reti-Pioneer是一个多任务AI框架，整合质量感知模块与预训练基础模型，能在30秒内通过视网膜照片同时筛查2型糖尿病、痛风、骨质疏松、高血压、高血脂和甲状腺疾病六种常见代谢疾病。这项研究基于逾107,000张视网膜照片的大规模中英双国数据，在中国和新加坡的真实临床环境中验证了其可行性和有效性。

一项发表在《自然通讯》的新研究介绍了ECG-LFM，一个由自监督学习训练的心电图基础模型。这个模型在预测八种心血管疾病上的表现超越了现有方法，同时通过遗传关联分析发现了与心电图形态相关的新遗传变异，为个体化心脏病风险评估和精准医学干预开辟了新的可能。