AlloPool：从分子动力学模拟推断蛋白别构的深度学习框架
AlloPool可基于分子动力学模拟推断蛋白质别构特性。 该框架为图神经网络，通过迭代剪枝残基间相互作用以揭示别构相关网络。
ICU脓毒症患者血糖追踪与预测的数字孪生框架
本研究报告一个面向ICU脓毒症患者的数字孪生框架，用于实时血糖监测与短期预测；结果显示该框架可在标准笔记本电脑上于数秒内完成新患者的初始化与个性化，并在不同数据条件下维持较准确的血糖预测，属可行性层面的提示性证据。 研究设计为方法学开发与初步部署评估：以连续血糖测量数据训练机器学
人–AI 团队 vs 人–人团队：信息探询如何影响协作决策
背景：传统人–AI 决策研究把过程当作"AI 给建议、人做决定"的线性分段流程；但 LLM 让交互更接近人–人团队的协作——成员必须共享并整合各自独有的信息才能做出好决策。 采用团队研究经典范式 隐藏剖面任务（hidden profile）；操纵团队类型（人–AI 98 组 vs
基于常规电子健康记录数据的院内谵妄预测模型：系统综述
该系统综述旨在评估基于常规EHR数据开发的院内谵妄预测模型的构建、验证与临床可用性。 检索PubMed、MEDLINE、Embase、PsycINFO和Web of Science至2025年11月11日，纳入开发预测模型的研究，提取模型特征、验证策略、性能与偏倚风险。
主动推断与"人工推理"：用期望自由能驱动结构学习与规则发现
核心问题：如何采样最能揭示世界模型结构的结果——即在若干生成模型/假设之间做最优实验设计（rule discovery）。 数学工具：主动推断中，策略（动作组合）按期望自由能选择 = 期望信息增益 + 价值；信息增益即"含与不含行动后果"两种预测后验之间的 KL 散度。 计算效率
机器学习分类器识别梅尼埃病编码区隐藏的罕见双等位杂合变异
提示：基于编码区罕见变异的机器学习分类器可区分家族性与散发性梅尼埃病，并提示部分散发病例存在隐藏的隐性遗传成分；该结论来自单一遗传学建模研究，尚需独立队列验证。 研究设计为病例分类建模研究，材料未报告具体样本量与队列来源；以家族性与散发性梅尼埃病病例的编码区罕见变异为输入，构建整
错位之设计：基层医疗场景下生成式AI的评估与部署
作者认为生成式AI在基层医疗的核心问题不是性能本身，而是评估与部署方式的错位。 文章基于北欧与欧洲视角，提出六项基层医疗现实条件作为讨论框架。
机器学习在无创贫血诊断中的应用：基于CRISP-DM的系统综述
结论：该综述梳理了基于CRISP-DM流程的机器学习用于无创贫血诊断的近期研究进展。 设计：系统综述，围绕CRISP-DM数据挖掘流程归纳无创贫血诊断的机器学习建模工作。
从问答到智能体：生成式与智能体AI成为血液学临床基础设施前需改变什么
血液学生成式AI正从问答转向执行任务，制约因素或由准确性转向可治理性。 该文为观点性论述，讨论智能体在病例结构化提取、分流、变异分类及指南与病例记忆锚定推荐中的应用。
药物发现中人工智能应用的PRISMA系统综述：方法、挑战与评价实践
该系统综述按PRISMA 2020纳入618项同行评议研究，提示机器学习与深度学习已主导药物发现研究（分别占99.8%与78.0%），但数据集透明度（45%）与可重复性（38%）偏弱、外部验证罕见，评价实践不均衡，整体证据档位为C。 为PRISMA 2020系统综述；检索Scop
