AI驱动的抗生素转换决策支持：为什么临床医生重视谨慎而非速度
一项随机多方法研究揭示，尽管AI临床决策支持系统在抗生素转换中受到欢迎，但其主要影响是强化保守处方。研究表明，可用性和临床证据比AI解释在护理点的重要性更高。
移动健康管理模型将高危妊娠中的妊娠糖尿病发病率降低近45%
一项随机对照试验表明，使用Better Pregnancy应用程序的移动健康管理模型显著降低了妊娠糖尿病（GDM）的发病率，改善了血糖控制，并提高了高危孕妇的自我效能，为现代产科护理提供了可扩展的解决方案。
多模态AI在预测前列腺切除术后生化复发转移方面优于临床列线图
经过验证的多模态AI模型利用数字病理学和临床数据显著改善了前列腺癌生化复发患者的危险分层，识别出最能从挽救性激素治疗中获益的患者。
人工智能衍生的肌肉减少症指标预测抗EGFR治疗在RAS野生型转移性结直肠癌中的生存获益
对PanaMa试验的深度学习分析显示，在RAS野生型转移性结直肠癌（mCRC）患者中，高肌肉-骨骼比（MBR）患者的维持治疗中加入帕尼单抗的获益显著更高，这表明了一种新的AI驱动的个性化肿瘤学方法。
肌肉-骨骼比：转移性结直肠癌抗EGFR治疗的新AI驱动生物标志物
一种通过深度学习得出的肌肉减少症指标——肌肉-骨骼比（MBR），已被证明能够预测RAS野生型转移性结直肠癌患者对维持抗EGFR治疗的疗效，可能识别出真正从治疗强化中受益的患者。
基于AI的OCT分析在预测非罪犯病变结果方面优于人类专家：PECTUS-AI研究的见解
PECTUS-AI研究表明，使用OCT通过AI识别薄帽纤维粥样瘤（TCFA）在预测心血管事件方面的预后价值优于手动分析，尤其是在评估整个成像冠状段时，为高危患者的识别提供了一种标准化方法。
使用PILOT架构预测肝切除术后肝功能衰竭：整合肝再生生物标志物和分阶段机器学习
新型PILOT机器学习架构整合了分阶段围手术期数据和再生相关生物标志物，能够在手术后六小时内预测肝切除术后肝功能衰竭，显著优于传统临床模型，并实现早期个性化风险分层。
深度迁移学习与术前MRI：预测儿童人工耳蜗植入结果的新范式
一项多中心研究表明，使用术前MRI的深度迁移学习（DTL）算法可以以超过92%的准确率预测人工耳蜗植入儿童的口语发展，显著优于传统机器学习模型和临床变量。
精准康复：机器学习揭示为什么‘早期活动’对某些ICU患者有效而对另一些无效
使用机器学习对TEAM试验进行的二次分析表明，机械通气患者的强化早期活动具有高度个体化的效果，从降低34%的死亡率到增加39%的风险不等，具体取决于基线临床特征。
AI检测冠状动脉钙化在免疫介导的炎症性疾病患者中显著预测心血管风险
基于AI的常规胸部CT分析显示，冠状动脉钙化在IMID患者中高度普遍，并且强烈预测主要不良心血管事件(MACE)和全因死亡率，识别出这一高风险人群中的关键治疗缺口。
移动健康干预在结核病患者戒烟中的疗效：来自集群随机临床试验的洞见
移动健康短信干预显著提高了结核病患者的戒烟率并降低了死亡率，支持其在结核病项目中的实施。
基于智能手机的肺康复：弥合慢性呼吸疾病护理的差距——一项随机对照和可行性研究
一项随机试验表明，基于智能手机应用程序的肺康复计划显著改善了慢性呼吸疾病患者的生活质量和体力活动水平，为传统中心化护理提供了一种可扩展的替代方案，尽管在患者依从性方面存在挑战。
基于规则的聊天机器人在抑郁症症状管理中优于大语言模型：系统综述与荟萃分析
全面的荟萃分析表明，基于规则的聊天机器人在4-8周的时间窗口内能显著减轻抑郁症症状，而大型语言模型（LLM）基聊天机器人的临床效果因高变异性而证据不足。
用于广泛性焦虑障碍的数字认知行为疗法：证据、影响及未来方向
最近的强有力的随机对照试验表明，通过智能手机提供的数字认知行为疗法在广泛性焦虑障碍方面提供了显著且持久的改善，克服了关键的可及性障碍，并突显了其对大规模公共卫生影响的潜力。
数字心理干预在炎症性风湿病中减少痛苦并提高生活质量：来自一项试点RCT的结果
德国一项102名参与者的试点RCT发现，自我指导的数字心理干预在3个月内显著减少了炎症性风湿病患者的心理痛苦，并适度提高了生活质量。
数字孪生模型表明，与PCV相比，APRV可降低机械功率和潮气量招募
对98名ARDS患者的高保真数字孪生模型显示，APRV（高压25/低压0，长时间吸气，短时间呼气至75%峰值呼气流速）可将机械功率降低约32%，潮气量招募降低约34%，代价是可控性高碳酸血症；需要进行临床试验。
实时自动恶化警报减少院内心跳骤停——临床医生需要了解的内容
一项系统回顾和荟萃分析发现，实时自动临床恶化警报系统可以减少院内心跳骤停，并可能缩短重症监护病房（ICU）住院时间，但对死亡率的益处尚不确定，需要进行更高质量的试验。
基于人工智能的单导联心电图预测心力衰竭风险：多国队列回顾
本综述评估了从噪声单导联心电图（ECG）中预测心力衰竭风险的人工智能算法，综合了来自大型多国队列的证据，强调了AI-ECG模型在传统临床评分之外改善风险分层的优势。
AI增强心电图预测未来反流性瓣膜病：大型国际研究显示早期检测和靶向超声心动图的前景
一项国际研究开发了AI-ECG模型，能够诊断并预测未来的中度至重度二尖瓣、三尖瓣和主动脉瓣反流，并在不同人群中进行了验证，发现与亚临床腔室重塑有关。
深度学习从唾液腺活检中分类焦点评分和舍格伦综合征并突出CD8+腺泡模式
多中心深度学习模型可靠地分类了活检焦点评分和ACR-EULAR定义的舍格伦综合征（AUROC ≈0.88–0.89），并识别出一种与疾病相关的新颖CD8+ T细胞腺周模式；需要前瞻性验证。