实验室医学中的人工智能：从机器学习到大型语言模型
综述认为实验室医学中的人工智能正从结构化数据的传统机器学习，转向可处理非结构化临床文本的大型语言模型。 采用叙述性综述，比较传统机器学习、深度学习、通用大型语言模型与实验室专用基础模型四类范式。
深度学习超声心动图心脏评估的系统综述与Meta分析（160项研究）
结论：该系统综述与Meta分析提示，全自动深度学习模型在超声心动图多类任务中表现较高，部分任务或可减少对专家判读的依赖并提升流程自动化，但临床效用与真实场景验证不足，证据档位为C。 设计与做法：系统检索PubMed、CENTRAL与Web of Science，初检16248篇，
可解释机器学习临床特征糖尿病预测的集成与提升算法比较
该研究提示，基于临床特征的多种机器学习算法在糖尿病预测中具有一定区分能力，其中优化随机森林整体准确率最高，但方向性结论仍需外部验证。 研究为基于公开数据集的算法比较研究，使用含768条患者记录、8个预测变量的Pima Indians Diabetes数据集，对生理性无效零值采用中
阿尔茨海默病人工智能语音与言语生物标志物的系统综述
系统综述评估基于人工智能的语音与言语分析作为阿尔茨海默病及轻度认知障碍无创生物标志物的转化潜力。 遵循PRISMA指南，两名研究者检索PubMed、Scopus与Cochrane Library，纳入报告诊断与预后结局、采用机器学习或深度学习分析人类语音的研究。
人工智能的地缘政治
该出版物主题为人工智能的地缘政治。 摘要内容仅为第三方网站免责声明，未涉及研究设计与方法。
生成式AI教育研究早期证据合成的认识论审计与再分析
对首批ChatGPT教育效果元分析的系统审计提示，其合并效应虽为正，但异质性极大、敏感性分析后明显衰减，且原始研究多只测表现而非学习；因此不宜把单一合并估计当作稳定的一般效应，证据档位为C，不足以下结论。 设计为系统综述与探索性元分析（认识论审计）：纳入ChatGPT发布后定量合
多示例学习结合MR波谱区分肿瘤性与非肿瘤性脑病变的回顾性研究
在422例患者、7442条MR波谱数据上，将全谱视为代谢指纹并采用多示例学习建模，最佳配置在独立内部留出测试集上区分肿瘤性与非肿瘤性脑病变的AUC为0.82（敏感度0.76、特异度0.80），提示该方法具有中等判别能力；证据档位为C。 研究设计与做法：回顾性分析单中心（材料未明确
云环境中HPC应用的智能体编排
该报告主题为云环境下高性能计算（HPC）应用的智能体化编排。 摘要仅说明报告系受资助工作成果的记述，未提供研究设计、方法或数据细节。
儿科临床生成式AI开发与实施建议：政策声明
该政策声明认为，生成式人工智能（GenAI）在儿科医疗中具有潜在应用价值，但真实世界验证有限，准确性、偏倚、可靠性与可持续性等问题尚存，因此当前证据不足以支持其在儿科临床的常规落地，需以严格监管与问责为前提推进。 研究设计为政策声明类文献，非原始研究，材料未报告样本量、干预与对照
住院成人脓毒症AI预测模型：系统综述、亚组荟萃分析与临床负担情境分析
系统综述旨在汇总机器学习与深度学习模型对住院成人脓毒症的预测表现，并单独描述相关医疗负担。 纳入相关研究开展系统综述与亚组荟萃分析，并按预测时间窗与验证成熟度分层，另用韩国国家住院索赔数据分析负担。
