急诊初级保健中的对话式AI评估：Articulate Medical Intelligence Explorer的前瞻性可行性研究
本研究评估了一种对话式AI系统在急诊初级保健中的安全性、质量和用户接受度。结果显示，该系统在临床接入方面具有良好的可行性，并有望支持后续应用。
数字伴随应用用于牙周治疗的价值评估：来自多中心随机对照试验的启示
一项评估 Paro-ComPas 应用作为牙周治疗辅助手段的多中心随机对照试验未显示总体显著获益，但中度应用参与度可能与更好的牙菌斑控制相关。
FDA 批准外科 AI 器械全景：创新进展、证据基础与监管挑战
本文分析了 FDA 已批准的外科 AI 设备，重点关注技术趋势、证据质量、监管路径及其对临床应用的影响。
深度学习助力颌骨纤维-骨性病变的精准鉴别
一项新的深度学习模型可显著提高对颌骨纤维-骨性病变（FD、COF、COD）的组织学图像鉴别诊断准确性，其表现优于专家级病理学家，显示出良好的诊断辅助潜力。
医学口译员如何助力医疗韧性：AI 融入面临的机遇与挑战
本综述综合了证据，阐明医学口译员在门诊诊断护理中支持非英语首选语言患者韧性的关键作用，并指出当前人工智能口译工具存在的不足及其启示。
AI 辅助视频监测为依赖气管切开的婴儿护理带来新突破：一项概念验证评估
本研究显示，患者个体化 AI 系统可通过视频监测较准确地识别气管切开套管状态及婴儿痛苦表现，提示其在需要气管切开护理的高风险婴儿中开展增强型、连续性监测具有潜在价值。
AI驱动的三维肝脏建模：提升术前CT预测肝切除复杂度的能力
基于人工智能的自动三维虚拟肝脏建模工具可从术前CT扫描中准确预测术中肝切除复杂度（LRC），其表现优于外科医生评估，并有望改善手术规划和患者管理。
妇产科临床AI胜任力：在创新与患者安全、责任之间寻求平衡
在妇产科中整合人工智能，必须具备临床胜任力，以保障患者安全、核实AI输出并维护医师责任。结构化培训与评估是临床实践中负责任使用AI的关键。
无代码AI助力甲状腺结节超声恶性分类：迈向更易获取、可重复的医学AI
一种无代码、具自主代理能力的AI工作流成功开发并完成外部验证，构建了经校准的甲状腺结节恶性风险分类器；该模型在多种癌症组织学类型中均表现出较强的诊断性能，并提升了临床AI部署的可及性。
优化大语言模型以提升住院出院预测：一项回顾性队列研究
本研究评估了大语言模型（LLM）在预测当日出院方面的表现，识别了主要误差来源，并显示自动化提示词优化可显著提高预测准确性。
AI 识别线上鼻整形术照片中的数字篡改：推动手术透明化的新方向
本研究显示，某大型平台上近 20% 的线上鼻整形术照片存在数字篡改；研究借助高准确度的 AI 模型检测到这一现象，提示美容外科影像亟需开展真实性核查。
重症医学专科复习题中的 ChatGPT-4o：准确率高，但多模态解读存在风险
ChatGPT-4o 在重症医学专科委员会题目中准确率较高，但在图像解读与临床推理方面存在明显局限，可能带来临床安全风险。
洞察家庭护理中的 AI：关键利益相关方的观点与证据综述
本综述综合了关键利益相关方对家庭护理中 AI 融入的观点，重点讨论其益处、风险与治理挑战，以为公平、可持续的 AI 采纳提供依据。
AI与医疗实践中的伦理与专业精神：美国内科医师学会2026年立场文件要点
ACP 2026年立场文件为AI在医学中的应用提供了以临床医师为中心的伦理指导，强调关系性、自我治理与胜任力，以维护患者福祉、公平、透明性与临床判断。
StyleGAN3 生成的合成视频频闪镜喉部图像：真实性评估
本研究评估了使用 StyleGAN3 生成的合成喉部图像的感知真实性，结果显示真实帧与合成帧之间存在较高混淆度，并提示在实现逼真图像生成时，中等训练时长即可达到较高效率。
AI赋能聚焦心脏超声：新手操作者也能高效筛查主动脉瓣狭窄
一项新型深度学习算法可通过由新手操作者获取的AI引导聚焦心脏超声，准确检出中度及以上主动脉瓣狭窄，为扩大筛查可及性提供了可推广的解决方案。
借助深度学习分析伤口图像，推动切口手术部位感染的早期识别
经验证的深度学习模型可准确识别伤口图像中的手术部位感染，为术后早期监测和及时临床干预提供了很有前景的远程医疗工具。
从二元判断到个体化预测：机器学习概率评分助力人工耳蜗植入候选筛查
本研究介绍了一种已验证的机器学习工具，可提供个体化概率评分，用于优化人工耳蜗植入候选筛查；该工具较传统规则更具优势，能够支持针对性患者咨询并识别边缘病例。
社区结构性心脏病的AI-ECG筛查：PREVUE-VALVE研究揭示真实世界应用边界
PREVUE-VALVE研究显示，在医院环境中开发的AI-ECG模型应用于患病率更低、结构性心脏病更轻的社区人群时，诊断准确性会下降，提示必须根据具体应用场景进行评估。
人工智能助力舌癌术后并发症风险预测，精准度显著提升
机器学习模型可有效预测舌癌舌切除术后30天内的主要并发症，相较传统方法，可更精准地进行个体化风险评估。