AI预测颅面与下颌生长的系统综述：12项研究
该系统综述提示，基于人工智能的颅面与下颌生长预测模型展现出一定预测性能，但现有证据不足以确立其优于传统统计方法，作者明确表示当前证据不支持常规临床使用。 设计为系统综述，检索9个数据库至2026年8月12日并辅以手工检索，纳入评估AI模型预测颅面或下颌生长的人体研究，共纳入12项
面向生命周期的供应链策略：模糊-LLM混合决策支持系统
提出一种融合模糊方法与LLM的混合决策支持系统，用于生命周期导向的供应链策略。 研究构建模糊-LLM混合决策支持系统，面向供应链生命周期进行策略决策支持。
人工智能驱动磁性能预测与自旋电子材料发现综述
综述认为，AI与机器学习正成为加速自旋电子材料发现与磁性能预测的有力工具。 文章为综述，围绕自旋电子技术对高自旋极化、大磁矩、可调交换作用与热稳定性的需求展开梳理。
NeuralOperator：面向算子学习的开源Python库
该文献介绍了一个名为NeuralOperator的开源Python库，用于神经算子（operator learning）的训练与部署；其定位是工具与软件资源，而非临床或实验研究，因此不涉及疗效或因果方向的结论。 研究设计与做法：文献类型为资讯/软件介绍，材料未报告样本量、干预与对
连接自然、数据与人工智能：天然产物发现的跨学科路径
文章提出以跨学科整合方式，将人工智能与多组学数据结合，用于应对天然产物发现中的瓶颈问题。 传统天然产物发现受限于重复发现、去重复效率低、沉默生物合成基因簇及结构解析复杂等障碍。
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。
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
MRI宫颈癌分割的机器学习与深度学习系统综述
结论：系统综述提示，机器学习与深度学习算法在MRI宫颈癌自动分割中表现出一定潜力，但证据确定性低，尚不足以下结论支持常规临床实施。 研究设计与做法：遵循PRISMA的系统综述，PROSPERO注册号CRD420251247441；检索PubMed/MEDLINE、Embase、S
机器学习移动应用CROHN'S AID鉴别克罗恩病与肠结核的开发与前瞻性验证
研究开发并前瞻性验证了机器学习移动应用“Crohn's Aid”，用于在结核流行地区床旁实时鉴别克罗恩病与肠结核。 基于印度三级中心1066例患者（克罗恩病650例、肠结核416例）的前瞻性维护数据库进行回顾性分析，用30项临床、内镜与影像变量训练多种模型。
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。
