机器学习在个性化学校正念训练预防青少年抑郁症中的不足：MYRIAD试验见解
MYRIAD试验的二次分析显示，虽然机器学习模型可以识别可能从学校正念训练中受益的青少年，但这些预测的临床相关性仍然很小。因果森林和弹性网回归模型检测到了统计学上显著但实际影响微乎其微的结果差异。
揭开肠道-肝脏轴：从脂肪肝到癌症的微生物组特征追踪疾病进展
一项涉及1,168名个体的多队列研究揭示，随着肝病阶段的发展，肠道微生物组多样性系统性下降。特定的细菌标志物（如Veillonella）和功能代谢变化可预测疾病进展和死亡风险。
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。
妊娠期糖尿病中的精准医疗：通过数据驱动的表型聚类和风险分层解析异质性
这篇综述分析了一项具有里程碑意义的机器学习研究，该研究识别出四种不同的妊娠期糖尿病（GDM）表型聚类，揭示了早期诊断、合并症相关的GDM比低风险群组患产后糖尿病的风险高四倍。
超越统一方法：数据驱动的表型分析揭示妊娠糖尿病高风险群组
一项针对超过37,000名患者的开创性机器学习研究识别出四种不同的妊娠糖尿病（GDM）表型群组。这些发现表明，早期诊断、高合并症的表型携带产后糖尿病风险增加四倍，这标志着在产科护理中需要个性化临床管理。
普遍性学校心理健康培训未能在青少年心理健康方面优于标准护理：来自MYRIAD试验的见解
对MYRIAD试验的大规模分析表明，普遍性的学校心理健康培训并未显著降低青少年抑郁症的风险。尽管机器学习识别出某些潜在受益者，但临床益处仍然微乎其微，尽管短期内教师的职业倦怠有所改善。
脓毒症精准预后：应激高血糖和血糖变异性如何定义不同代谢谱的死亡风险
本研究揭示了结合应激高血糖比值（SHR）和血糖变异性（GV）显著提高了脓毒症患者的死亡预测准确性，且风险模式根据患者的基础代谢状态（正常、糖尿病前期或糖尿病）而显著不同。
预测时钟：机器学习优化妊娠糖尿病胰岛素治疗时间
EMERGE试验的二次分析显示，利用早期血糖数据的随机生存森林模型可以准确预测妊娠糖尿病妇女开始使用胰岛素的时间，为个性化代谢管理和改善母胎结局提供了路线图。
机器学习准确预测HR+/HER2-早期乳腺癌的远处复发和Ribociclib治疗获益
研究人员利用真实世界数据和临床试验数据开发了一种机器学习模型，用于预测HR+/HER2-早期乳腺癌患者的远处复发风险和Ribociclib的治疗效果，为个性化辅助治疗决策提供了潜在工具。
SGLT2抑制剂在低风险2型糖尿病人群中也显示出心脏保护作用：因果森林分析的见解
一项全国性的目标试验模拟研究显示，SGLT2抑制剂在更广泛的患者群体中提供了心血管益处，这种益处与个体代谢特征的关系更为密切，而非传统的风险评分。
超越体重指数：性别特异性脂肪分布如何驱动心血管衰老
一项大规模的英国生物银行研究揭示，内脏和肝脏脂肪在两性中都会加速心血管衰老，而皮下和腹部脂肪特别影响男性，而臀部脂肪可能提供保护作用。
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。
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。
用于预测长期肺移植结果的可解释混合机器学习模型的开发与验证
本综述综合了利用美国肺移植登记数据预测1年、5年和10年死亡或再移植风险的新颖混合机器学习模型的证据，强调其临床实用性和平衡的可解释性。
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。
蛋白质基因组学洞察用于肝外胆管癌个性化辅助化疗
通过切除的肝外胆管癌的全面蛋白质基因组谱分析，揭示了用于定制辅助化疗的预测性生物标志物，为改善患者预后提供了精准医疗方法。
优化肝细胞癌治疗选择：机器学习指导肝脏移植与手术切除的选择
一个机器学习模型能够准确地对肝细胞癌患者进行分层，以指导个体化选择肝脏移植或手术切除，从而在解决供体稀缺和患者异质性问题的同时改善生存结果。
