一项覆盖97553名美国成年人的双中心研究表明，人工智能可以从常规胸部X线片中提取信息，在不依赖实验室数据的情况下预测未来五年新发慢性肾病。该模型尤其适合提示未接受常规肾病筛查的非糖尿病高风险人群，但在临床部署前仍需本地再校准和前瞻性评价。

影像AI的竞争焦点正从单项任务精度转向全周期临床价值：基础模型能否迁移，系统能否应对性能漂移，读片流程能否真正减负，定量影像标志物又能否可靠预测患者轨迹。本期回顾梳理这些方向之间正在形成的共同逻辑。

一项覆盖比利时、芬兰、德国和中国六家青光眼中心的回顾性多中心研究显示，深度学习模型G-PROG可以基于一张基线彩色眼底照片，预测患者未来2至5年的结构性青光眼进展。

一项发表于《Ophthalmology》的回顾性队列研究显示，基线定量OCT指标，尤其是椭圆体带（ellipsoid zone，EZ）部分及总体衰减，与中期年龄相关性黄斑变性（AMD）两年内进展为OCT定义的晚期萎缩性改变显著相关。

一项发表于《Ophthalmology》的横断面研究显示，在人群筛查场景中，基于眼底照片的机器学习模型估算垂直杯盘比（VCDR），预测专科医生判定的青光眼或青光眼疑似状态，明显优于受训人工阅片者的VCDR测量。

一项发表于《Nature aging》的多模态研究显示，女性生殖器官并不是以统一速度衰老。卵巢和阴道主要呈渐进性变化，而子宫，尤其是子宫肌层，在绝经前后出现集中而显著的组织学与转录变化。

医疗人工智能的竞争焦点正在改变：不再只是提高预测分数，而是证明模型能否跨机构、跨环境稳定工作，并真正改变支架、造口和治疗强度等临床选择。与此同时，雷达、影像基础模型与虚拟仿真正拓展可测量、可预演的医学边界。

Dermatology AI 的评价重心正在改变：不再只问模型能否识别病变，而是追问它在真实病例中帮助谁、改变何种决策，以及能否兼顾公平、泛化与可解释性。与此同时，三维成像、电子病历与蛋白组学正推动皮肤病评估走向定量化。

本周最重要的变化，不是模型又多识别了一种疾病，而是医疗AI开始面对更难的问题：一次看似支持性的对话会不会强化精神脆弱性？解释为何让医生更稳、却让普通人更易误信？跨模态基础模型给出更广泛的预测，也迫使我们追问这些预测能否真正改变决策。

临床AI的竞争焦点正在改变：高分辨率不再足够，模型还要跨人群、设备和机构保持可靠，并能安全触发资源配置、自动给药与风险分层。与此同时，可解释性、校准和不迎合错误认知，正成为可信部署的共同底线。