闭环强化学习分子设计：生成式 AI 与自动合成的衔接评述
这篇批判性综述与观点文章提出，闭环强化学习可将生成式分子设计与自动合成、实验评价衔接，但当前尚不足以下结论其能提升药物发现产出；文中明确表示前瞻性验证仍属必要。 设计为叙述性综述与框架提案，非原始实验；材料未报告样本量、干预与对照、随访时长，亦未报告检索策略与纳入文献数量。
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。
基于预训练蛋白语言模型的肽类激素预测框架pLM-HP
提示：结合ESM2蛋白语言模型与双向长短期记忆网络并引入类别权重，pLM-HP在肽类激素预测上表现较好，但属计算预测，尚不足以下临床结论。 研究为计算方法开发与基准评估，非人体或动物实验；采用五折交叉验证与独立测试集评估，样本量、干预与对照、随访时长材料未报告。
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。
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。
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。
结构化流程与检索增强生成提升大模型结直肠癌肝转移推荐一致性：110例情景研究
在110例合成结直肠癌肝转移（CRLM）情景中，将专家流程引导与检索增强生成结合（WF-RAG-LLM）的推理策略，与专家参考推荐的一致性总分最高（0.626±0.070），提示该架构可能改善大模型对多学科肿瘤决策的复现。 研究为预印本，采用方法学比较设计：基于同一大模型（gpt
89名美国心理治疗师对系统实践中人工智能的看法：混合方法研究
结论方向：受访心理健康从业者对AI在系统实践中呈“有条件接受”——对辅助临床工作感知价值较高，对可能损害专业判断、保密性、情境理解与人际联结则顾虑更多；该结论基于89名从业者自我报告，属描述性证据。 研究设计与做法：采用收敛式混合方法设计，纳入美国89名在职心理健康专业人员，调查
U-Net Transformer用于磁共振弹性成像重建
提出一种基于深度学习的磁共振弹性成像重建方法，旨在加速并稳定传统反演流程。 构建开源物理仿真框架，结合LiTS数据集的肝脏与肿瘤几何及临床刚度先验，生成大规模基准数据集。
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
