机器学习鉴别多系统萎缩的系统评价与Meta分析：51项研究
结论：Meta分析提示，机器学习模型在区分多系统萎缩（MSA）与帕金森病（PD）及其他神经退行性疾病方面具有较高的诊断准确性，合并AUC为0.93–0.94；证据档位为B，属于对已有诊断准确性研究的二次合成。 设计：系统评价与Meta分析，检索PubMed、Embase、Coch
多中心评估大语言模型与肝病医师预测药物性肝损伤预后
在药物性肝损伤（DILI）预后预测中，大语言模型（Gemini-2.5 Pro、GPT-5.1）的AUROC接近高年资肝病医师，但准确度与特异度均低于医师，提示其或可作为临床医师监督下的辅助工具，尚不足以独立替代医师判断。 多中心队列研究，纳入3个中心共943例DILI患者，分内
基于电子病历的住院患者衰弱预测机器学习模型开发与内部验证
利用入院72小时内常规电子病历数据构建的XGBoost模型可在住院早期识别衰弱患者，测试集F2-score为0.755、AUROC为0.777、召回率0.873，校准良好，提示该方法具有早期筛查潜力。 回顾性队列研究，数据来自澳大利亚皇家阿德莱德医院2023年7月至2024年12
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
机器学习用于儿童肠套叠诊断与预后的系统评价与荟萃分析
该系统评价与荟萃分析提示，基于超声的机器学习模型在儿童肠套叠诊断中具有较高且外部验证稳健的准确性，腹部X线模型更适合筛查；但无研究报告临床终点数据，故尚不足以下结论认为可替代现有诊疗路径。 研究设计为PROSPERO注册（CRD420251073590）的系统评价与荟萃分析，纳入
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。
