高龄患者在ICU中的预后评估至关重要，但机器学习模型在不同医疗中心的表现往往存在显著差异。最近的多中心研究通过12个国际医学中心对ELDER-ICU模型进行了验证，并系统性地评估了模型更新策略，为临床AI工具的跨区域推广提供了重要证据。

近期发表在《放射学·人工智能》上的研究表明，一项新开发的轻量化AI模型——USDist（超声双蒸馏模型）——能够以高精度诊断乳腺癌，同时可直接部署在便携式超声设备上，这对资源有限的医疗机构意义重大。

最新研究表明，利用急诊科患者的常规头颅CT扫描和深度学习模型，可以有效预测心血管疾病风险，其预测性能显著优于传统临床危险因素评估。该联合模型的一致性指数达到0.82，相比单独使用临床模型提升了0.07。

一项刊登在《NEJM AI》的大规模多中心研究表明，通过深度学习分析睡眠脑电图数据，可以开发出预测认知功能、疾病状态和死亡风险的综合脑健康生物标志物，其性能显著超越传统临床评估方法。

一项新发表的研究开发了一个结合动态增强MRI和病理学数据的图神经网络系统，可以在治疗前准确预测乳腺癌患者对新辅助化疗的病理完全缓解情况，为个体化治疗决策提供有力支持。

最新研究表明，先进的大语言模型在临床预测任务中的表现已经能够与专门构建的医学模型相当甚至超越，这对临床AI工具的选择策略带来了重要启示。

一项国际多中心研究开发了基于人工智能的两阶段深度学习管道，用于自动检测妊娠中期常规超声中的胎儿脑部异常，在独立测试集上实现了0.96的诊断价值，显示出作为临床筛查辅助工具的潜力。

一项最新研究表明，基于机器学习的预后工具能够显著改善临床医生对结肠直肠癌肝转移(CRLM)患者的预后判断和治疗决策，特别是对经验相对较少的外科医生帮助最大。该研究还发现AI辅助使医生的决策时间缩短，信心提升，但临床转化仍需进一步验证。

一项发表在NPJ Digital Medicine的研究展示了一种无创的深度学习方法，通过分析眼球结膜血管的高倍视频，可以预测血红蛋白浓度和红细胞计数。这项技术有望在未来为资源紧张地区和居家健康监测提供便捷的血液检测方案。

一项包含超过7万人的多中心研究表明，通过放射组学分析常规心脏CT中的心包脂肪组织，可以识别早期心肌重塑信号，为无症状患者进行心衰风险分层，其诊断效能达到0.85以上。