自适应AI变革心血管事件裁决：新算法在多个终点上实现接近人类的准确性
研究人员开发并验证了ADAPT-CEC，一种可以裁决不同试验定义下心血管事件的人工智能算法。结合AI与选择性人工审查的混合方法达到了95.6%的准确率，并复制了主要试验结果。
人工智能在胃镜检查中的应用：解读一项里程碑式的多中心随机对照试验
一项大规模多中心随机对照试验（RCT）研究了人工智能辅助胃肿瘤检测，发现病理确诊检测率无显著提高，但显著减少了操作盲点，并对经验较少的内镜医师有明显益处。
精准预测新发心力衰竭：人工智能心电图的临床整合
本综述评估了突破性的ECG2HF模型，这是一种公开可用的人工智能工具，使用12导联心电图波形在预测10年心力衰竭风险方面优于标准临床评分。
打破硬件障碍：域迁移AI如何实现供应商无关的3D OCT黄斑疾病检测
《美国医学会杂志·眼科学》（JAMA Ophthalmology）的一项多中心研究介绍了一种使用域迁移技术的深度学习模型，该模型能够准确检测不同OCT硬件供应商的黄斑疾病，具有高阴性预测值，并建立了适用于各种临床环境的稳健分诊系统。
AI辅助乳腺X线摄影优于标准双读：来自MASAI试验的见解
MASAI试验表明，AI辅助乳腺X线摄影筛查在保持特异性和显著减少放射科医生工作量的同时，实现了更高的敏感性和不劣于标准双读的间期癌发生率。
初级保健中的AI听诊器：为什么实施科学比算法准确性更重要
TRICORDER试验表明，尽管AI听诊器能够检测心力衰竭、心房颤动和瓣膜病，但在英国初级保健中的实际应用并未在12个月内显著增加新诊断的数量。
人机协作在眼科临床推理中的应用：提高诊断准确性，但存在过度自信和自动化偏差的风险
一项涉及30名眼科医生和住院医师的交叉研究显示，虽然Claude-3.5-Sonnet协作在复杂病例中提高了诊断准确性，但也增加了对错误决策的信心，并且未能达到单独使用AI的性能水平。
基于分子的中枢神经系统肿瘤分类中，AI助手实现高准确率：多机构验证
这项多机构研究验证了Neuropath-AI，这是一种通过从组织病理学切片推断分子特征来预测中枢神经系统（CNS）肿瘤类型的深度学习系统。该模型在高置信度样本中达到了80%的Top-1准确率，为神经肿瘤学诊断提供了可扩展的工具。
AI驱动的影像学检测在预测HPV阳性口咽癌预后方面优于放射科医生
单中心研究表明，基于CT的淋巴结分割和影像学外侵（iENE）分类的人工智能管道在预测HPV阳性口咽癌患者的预后方面显著优于传统的放射学评估，能够更有效地识别高风险患者。
高同理心，低准确性：生成式AI能否安全地支持酒精滥用？
发表在《NEJM AI》上的一项纵向研究评估了七种生成式AI聊天机器人对酒精滥用的支持情况，发现尽管它们在同理心和非评判性语言方面表现出色，但经常提供低质量或不准确的医疗信息，突显了临床应用中的关键安全问题。
首项独立对比研究证实：AI-ECG模型在心力衰竭筛查中表现出高准确性
这项独立验证研究表明，AI增强的ECG模型能够有效检测不同人群中的左心室收缩功能障碍，AUROC最高达到0.93。然而，在模型透明度和数据共享方面仍存在显著障碍，影响临床应用。
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。
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。
ARDS中的动态表型：AI驱动的洞察揭示皮质类固醇疗效为何依赖于炎症状态
一项开创性的研究利用AI分类器证明，ARDS炎症表型是动态变化的，并决定了皮质类固醇的有效性。虽然高炎症患者从类固醇中获益，但低炎症患者面临更高的死亡率，这需要实时监测表型以优化重症监护干预措施。
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。
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。
人工智能在常规CT胰腺癌检测中优于放射科医生：PANORAMA多中心非劣效性验证
PANORAMA研究表明，人工智能模型在常规对比增强CT上检测胰腺导管腺癌（PDAC）的AUC值（0.92）高于68名放射科医生（AUC 0.88），提示早期检测潜力。多中心验证使用了组织病理学和≥3年的随访作为参考标准。
神经网络预测老年头颈部癌症患者的生存率 —— 有用，但尚未改变实践
一项国际队列研究开发并外部验证了人工神经网络，用于分层接受根治性放化疗的老年局部晚期头颈部鳞状细胞癌（HNSCC）患者。模型显示出中等的区分能力（总生存期 AUC 0.68，无进展生存期 AUC 0.64），其中 HPV 状态、肾功能、ECOG 评分和淋巴结分期是最主要的预测因子。
AI辅助筛查在多中心真实世界试验中使转甲状腺素心脏淀粉样变性检测率提高三倍
一个由AI驱动的筛查项目（ATTRACTnet）应用于心电图、超声心动图、人口统计学和骨科病史，显著增加了转甲状腺素心脏淀粉样变性（ATTR-CM）的病例检测，并在目标人群中迅速启动了治疗。