2015至2025年初级保健人工智能研究的文献计量与主题变迁分析
提示：2015—2025 年初级保健人工智能研究产出持续增长，主题注意力由模型开发向验证、实施评估与治理扩展；但文献计量增长不直接等同于临床落地或结局改善。 研究设计为文献计量学分析，检索 Web of Science 核心合集 2015 年 1 月 1 日至 2025 年 10
脊柱信息学中预测建模、影像与电子病历决策支持的整合综述
结论：叙述性综述提示，AI驱动的脊柱生物医学信息学在诊断准确性、预后判断与个体化决策方面具有较大潜力，但多处于开发或早期验证阶段，尚不足以下结论认为可常规临床使用。 设计：叙述性综述，经定向PubMed检索选取文献，覆盖深度学习影像分析、影像组学、电子病历自然语言处理与临床决策支
人工智能在肝炎诊断、治疗优化与预后预测中的应用综述
结论：叙述性综述提示，机器学习与深度学习在肝炎的影像、数字病理、多组学诊断、治疗方案优化与预后预测中均有应用报道，但受数据异质性与外推性限制，尚不足以下结论认为其能改善患者结局。 设计：为叙述性综述，汇总近十年人工智能在肝炎研究与临床实践中的文献，按诊断、治疗优化、预后预测三个临
Orochi 4.0：纯 Python 全散射约化与 PDF 建模开源包
该预印本介绍开源纯 Python 软件包 Orochi 4.0，将全散射数据约化、对称性晶体建模与实空间 PDF 模拟整合于同一环境；属方法学工具报告，证据档位 C，未提供定量验证数据。 研究设计为软件架构与功能描述，非对照实验；材料未报告样本量、干预与对照设置及随访时长，仅说明
通用大语言模型经PEARL连接机器人实现实验推理的八场景研究
结论：通用大语言模型在连接液体处理机器人与相机后，表现出相当的实验推理能力，可自主设计、执行并修正实验；该结论来自预印本，属提示性证据，尚不足以下强结论。 设计：预印本报告的系统性演示研究；将通用LLM通过PEARL（提供感知、动作与持久状态）接入液体处理机器人和相机，仅给定目标
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。
人工智能驱动的图方法在微生物组研究中的系统综述
该综述系统梳理了微生物组研究中基于图的人工智能分析方法，将其归纳为三类主要贡献：微生物网络表征新方法、经典图分析应用、图表示学习用于预测建模；结论层面属于对领域现状的整合性描述，而非对某一干预效果的量化验证。 研究设计为系统综述，检索并归纳相关文献，提出三分法分类框架对每项研究的
Orochi 4.0纯Python架构统一全散射数据还原与实空间PDF建模
结论：作者提出Orochi 4.0这一开源纯Python架构，将全散射数据还原、对称性感知晶体学建模与实空间PDF模拟统一于同一环境；属方法学软件报告，证据档位C，提示其可改善工作流碎片化问题。 设计：预印本的方法学/软件架构报告，非对照实验；描述Orochi 4.0以纯Pyth
机制导向人工智能用于药物重定位与转化药理学的综述
该综述提示，机制导向AI通过整合分子互作、信号通路、多组学、因果推断与生物网络，可能提升可重定位药物的识别与优先级排序；属叙述性综述（证据档位C），其主张为方向性提示，不足以下结论认为其优于常规预测模型。 设计为叙述性综述，非系统评价，无预设检索策略、纳入文献数、样本量或随访时长
PhysAgent多智能体大模型框架用于物理数据分析与模拟的概念验证
结论：作者提出并演示了PhysAgent这一基于大语言模型的多智能体框架，可在受控数据上复现已知物理关系并自动化部分第一性原理计算流程；证据档位为C，属概念验证性质，尚不足以支持其在真实科研场景中的普遍适用性。 设计：方法学/概念验证研究，非对照试验；系统由Mentor Agen
