AI驱动的预后：EEGSurvNet从常规EEG数据准确预测癫痫发作时间
研究人员开发了EEGSurvNet，一种深度生存模型，用于分析常规EEG以预测两年内的癫痫发作风险。该模型在两个月时达到了0.80的AUROC值，并在没有可见癫痫样放电的患者中表现出高疗效。
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。
深度学习在耳鼻喉科的应用：前景、性能及临床应用路径
这篇2020-2025年的叙述性综述（327项深度学习研究）评估了深度学习（DL）在耳鼻喉科诊断、预后、分割及新兴术中应用中的表现，并概述了安全、公平实施的实际步骤。
深度学习通过眼压增高的视盘照片预测视网膜神经纤维层厚度以评估青光眼风险
通过视盘照片预测视网膜神经纤维层（RNFL）厚度的深度学习模型可以识别出眼压增高患者中患原发性开角型青光眼（POAG）的风险较高的个体，从而提高早期风险评估和监测疾病进展的能力。