肌萎缩侧索硬化症（ALS）是一种进行性神经退行性疾病，准确的疾病分期对于临床决策和患者风险评估至关重要。一项最新研究将多参数超声检查与可解释的机器学习模型相结合，开发了一套非侵入性、床旁可及的ALS分期预测系统，其性能表现良好，具有临床转化潜力。

来自纽约大学的研究团队开发了一个名为FM-HCT的三维基础模型，在36万多张头部CT扫描上进行自监督学习，能够准确检测包括脑出血、脑肿瘤、脑积水等10种神经系统疾病，相比现有模型性能提升16-20%。这项发现发表在《自然·生物医学工程》上，为资源有限的医疗机构提供了一个高效、可靠的神经影像诊断工具。

一项中国多中心队列研究开发了OsteoSC-M3机器学习模型，可通过血液生物标志物和基本体征预测女性骨质疏松症，提前识别高风险患者约29个月，显著优于现有风险评估方法。

一项来自加州凯撒医疗集团的大规模研究直接对比了两种统计设计方案在深度学习模型预测轻度哮喘恶化中的表现，发现队列设计虽然判别性能略逊于病例对照设计，但其预测概率与真实人群事件发生率高度吻合，更加适合临床部署。这项研究为AI医学应用的设计选择提供了重要的实证指导。

Leigh综合征是一种由线粒体基因突变引起的罕见致命性神经系统疾病。一项新研究通过整合深度学习药物筛选、酵母菌模型和患者衍生脑类器官，成功发现唑类化合物——特别是talarozole——可能为这一绝症的治疗提供新希望。

早期流产的组织病理诊断直接影响治疗方案和遗传咨询，但诊断准确率不理想。一项新发表的研究开发了两阶段深度学习模型，通过融合补丁级和全切片图像分析，显著提升了早期流产（包括葡萄胎）的诊断准确率，同时减少了医生的工作负荷。

一项单中心前瞻性研究评估了Xuanwu-NeuroAid（一个为急诊神经诊断开发的70亿参数专用大语言模型）的诊断准确率与临床决策支持能力。结果显示该系统独立诊断准确率达79.4%，显著超越急诊医生的65.4%；更重要的是，医生在该系统协助下的诊断准确率提升至75.1%，提高9.7个百分点，验证了AI作为临床决策支持工具的实际价值。

甲状腺乳头状癌是最常见的甲状腺恶性肿瘤，约30%的患者伴有颈部淋巴结转移。近期发表于《NPJ数字医学》的研究利用深度神经网络和基因表达数据，开发了高精度的AI诊断和转移预测模型，在多地区样本中验证了其预测能力。

一项基于20年临床数据、覆盖30万余患者的大规模研究开发出了RBT-GC——一种利用常规血检成分和机器学习技术评估胃癌风险的创新工具，其检测效率相比传统肿瘤标志物显著提升。

原稿 引入 大家好，今天我想和各位分享一项最近发表在《自然通讯》上的有趣研究。说到衰老，我们通常关注皮肤、骨骼这些看得见的变化，但其实身体内部，特别是微观的微生物世界，正在无声地记录我们的衰老过程。有一个研究团队发现，我们口腔里的那些微生物，竟然能像一个生物钟一样，准确预测我们的生物年龄，甚至预测我们的死亡风险和衰弱程度。听起来有点科幻，但数据说话，这确实很值得我们关注。 正文 我们先说说背景。大家都知道，人体微生物组影响健康，这些年关...