一项发表在《自然通讯》上的最新研究展示了一种革命性的自动化牙科种植体技术。通过压电陶瓷材料，这种种植体能在咀嚼时自动产生电信号，激活抗菌和抗炎功能，有望从根本上预防种植体周围炎——困扰现代口腔种植的一大难题。

一项基于236,623对心电图和超声心动图数据的研究表明，通过卷积神经网络和概率神经网络的人工智能模型，心电图可以准确估计左心室射血分数，其中个性化模型显著提升了预测精度。这一突破为资源受限地区提供了一种成本效益高的心脏功能评估新途径。

一项多中心研究表明，深度学习模型可以从儿童常规胸部X射线中准确预测骨密度，为缺乏DXA检查资源的医疗机构提供了便捷的骨健康评估工具。

一项发表在《自然通讯》杂志的最新研究通过物理知识引导的迁移学习方法，成功突破了共轭聚合物数据稀缺的瓶颈，开发了性能优异的n型聚合物，为低压有机电化学晶体管的实际应用奠定了基础。

一项涵盖4名放射科医生、3名独立评估者和3名肿瘤科医生的多利益相关者评估研究发现，针对医学数据进行专门训练的AI模型在生成肿瘤CT报告印象时表现接近人类水平，而通用大语言模型（GPT-4.1）虽然生成更长的文本，但因冗长而被放射科医生显著偏弃。

一项发表在《Nature Biomedical Engineering》上的研究介绍了BUSGen，首个针对乳腺超声图像分析的基础生成模型。该模型在早期乳腺癌诊断中的表现超越了全部9名认证放射科医生，灵敏度平均提高16.5%。

一项来自台湾的多中心研究开发了基于机器学习的中风风险预测模型，在新诊断房颤患者的风险分层中显著优于现有的CHA₂DS₂-VASc评分，有望改进临床决策和个体化抗凝血治疗策略。

一项发表在《放射学》期刊的研究开发了对抗性解耦学习（ADL）框架，该框架能够从PET成像中分离出阿尔茨海默病特异性的病理异常，生成与临床认知结局更加一致的AI生物标志物。这一方法在4,700余名受试者的多中心数据上取得了优异的诊断性能，并展现出比传统标准化指标更强的临床相关性。

一项新发表的研究证实，结合唾液代谢分析与人工智能技术可以快速、准确地识别同时患有2型糖尿病和牙周炎的高危患者。这一创新方法具有操作简单、检测速度快的优势，为临床筛查提供了新的可能性。