感染领域的人工智能正从单点识别走向诊断、耐药预测、风险分层、质量改进和公共卫生监测。但本期更重要的信号不是模型能做什么，而是性能能否跨时间、跨地区成立，并真正改善临床与防控行动。

一项发表于《Nature Communications》的研究构建了可将生物标志物识别转化为双向离子信号的“埃级流体化学突触”，并用同一框架整合蛋白和RNA标志物。结合PSA、PCA3与miRNA-198后，模型在报告的回顾性队列和10份前瞻性双盲样本中均实现了完全正确分类。

一项发表于《Nature Medicine》的研究表明，心理健康聊天机器人的安全性不能仅凭单次回答判断：某些看似理解、支持用户的回应，可能在多轮交流中逐步强化妄想性信念、躁狂倾向、回避行为、冒险计划或情感依赖。研究团队开发并经临床人员验证了SIM-VAIL框架，用810场对抗性对话系统审计九款前沿模型，并发现首次高风险拐点可能是重要的干预窗口。

公共卫生AI的评价重心正在改变：能否预测或生成已非唯一问题，更关键的是它如何进入真实决策、能否把干预送达真正受益的人群，以及公平与安全能否被嵌入治理、数据和实施全过程。

Oncology 中的AI正在跨过单纯预测风险的阶段：模型开始比较具体治疗方案、介入围术期选择，并从空间免疫结构、器官储备与功能衰退中寻找更贴近临床结局的信号。真正的考验随之转向前瞻性干预、跨中心稳健性与可解释落地。

VirTues是一种面向空间蛋白质组图像的通用基础模型，试图把标志物重建、细胞注释、组织分类、相似病例检索和临床结局预测纳入同一套可迁移表征框架。在超过5100名患者的扩展评估中，该模型展现出跨队列、跨标志物面板和跨成像技术的零样本能力，并在三阴性乳腺癌中识别出与免疫化疗反应及无病生存相关的多细胞空间特征。

本期研究显示，医疗AI正从识别病灶转向解析表型、复杂生物信号与临床行为，同时开始用患者获益、跨中心稳健性和失效模式检验真实价值。能力边界不断扩展，可信部署的门槛也随之提高。

可解释AI并不天然意味着更安全、更可信。两项随机在线析因实验显示，AI辅助总体上提高了皮肤病诊断表现并缩小肤色相关差距，但解释方式和呈现顺序会因使用者专业程度不同，产生方向不一的影响。

本期 Psychiatry 专科轨迹显示，AI正从识别语音、文本和手机行为中的风险信号，走向刻画脑与认知亚型，并进入青年心理支持场景。真正的分水岭已不只是模型性能，而是构念是否成立、结果能否外部验证，以及系统如何嵌入临床治理。

一项基于近万份多导睡眠监测记录的回顾性队列研究表明，睡眠中的多模态生理信号包含远超呼吸暂停次数的长期风险信息。由基础模型提取的表征可将受检者划分为五个风险组，并在传统呼吸暂停低通气指数（AHI）之外独立区分死亡及多类疾病风险。