深度学习助力颌骨纤维-骨性病变的精准鉴别
一项新的深度学习模型可显著提高对颌骨纤维-骨性病变(FD、COF、COD)的组织学图像鉴别诊断准确性,其表现优于专家级病理学家,显示出良好的诊断辅助潜力。

栏目
一项新的深度学习模型可显著提高对颌骨纤维-骨性病变(FD、COF、COD)的组织学图像鉴别诊断准确性,其表现优于专家级病理学家,显示出良好的诊断辅助潜力。

本综述综合了证据,阐明医学口译员在门诊诊断护理中支持非英语首选语言患者韧性的关键作用,并指出当前人工智能口译工具存在的不足及其启示。

本研究显示,患者个体化 AI 系统可通过视频监测较准确地识别气管切开套管状态及婴儿痛苦表现,提示其在需要气管切开护理的高风险婴儿中开展增强型、连续性监测具有潜在价值。

基于人工智能的自动三维虚拟肝脏建模工具可从术前CT扫描中准确预测术中肝切除复杂度(LRC),其表现优于外科医生评估,并有望改善手术规划和患者管理。

在妇产科中整合人工智能,必须具备临床胜任力,以保障患者安全、核实AI输出并维护医师责任。结构化培训与评估是临床实践中负责任使用AI的关键。

一种无代码、具自主代理能力的AI工作流成功开发并完成外部验证,构建了经校准的甲状腺结节恶性风险分类器;该模型在多种癌症组织学类型中均表现出较强的诊断性能,并提升了临床AI部署的可及性。

本研究评估了大语言模型(LLM)在预测当日出院方面的表现,识别了主要误差来源,并显示自动化提示词优化可显著提高预测准确性。

本研究显示,某大型平台上近 20% 的线上鼻整形术照片存在数字篡改;研究借助高准确度的 AI 模型检测到这一现象,提示美容外科影像亟需开展真实性核查。
ChatGPT-4o 在重症医学专科委员会题目中准确率较高,但在图像解读与临床推理方面存在明显局限,可能带来临床安全风险。
本综述综合了关键利益相关方对家庭护理中 AI 融入的观点,重点讨论其益处、风险与治理挑战,以为公平、可持续的 AI 采纳提供依据。
ACP 2026年立场文件为AI在医学中的应用提供了以临床医师为中心的伦理指导,强调关系性、自我治理与胜任力,以维护患者福祉、公平、透明性与临床判断。

本研究评估了使用 StyleGAN3 生成的合成喉部图像的感知真实性,结果显示真实帧与合成帧之间存在较高混淆度,并提示在实现逼真图像生成时,中等训练时长即可达到较高效率。

一项新型深度学习算法可通过由新手操作者获取的AI引导聚焦心脏超声,准确检出中度及以上主动脉瓣狭窄,为扩大筛查可及性提供了可推广的解决方案。

经验证的深度学习模型可准确识别伤口图像中的手术部位感染,为术后早期监测和及时临床干预提供了很有前景的远程医疗工具。

本研究介绍了一种已验证的机器学习工具,可提供个体化概率评分,用于优化人工耳蜗植入候选筛查;该工具较传统规则更具优势,能够支持针对性患者咨询并识别边缘病例。

PREVUE-VALVE研究显示,在医院环境中开发的AI-ECG模型应用于患病率更低、结构性心脏病更轻的社区人群时,诊断准确性会下降,提示必须根据具体应用场景进行评估。
机器学习模型可有效预测舌癌舌切除术后30天内的主要并发症,相较传统方法,可更精准地进行个体化风险评估。
基于卒中后72小时内的简易临床评估,机器学习模型可准确预测6个月上肢运动结局,有助于康复规划。
SAVE-O2 AI试验显示,与人工方法相比,自治式氧疗滴定可显著提高住院急性病成人的正常氧血症维持时间,并缩短低氧血症持续时间。
本研究探讨了人工智能心电图工具在监测接受 mavacamten 治疗的肥厚型心肌病患者左心室收缩功能障碍方面的潜力,有望以负担更小的方式替代频繁超声心动图检查。
