多示例学习结合MR波谱区分肿瘤性与非肿瘤性脑病变的回顾性研究
在422例患者、7442条MR波谱数据上，将全谱视为代谢指纹并采用多示例学习建模，最佳配置在独立内部留出测试集上区分肿瘤性与非肿瘤性脑病变的AUC为0.82（敏感度0.76、特异度0.80），提示该方法具有中等判别能力；证据档位为C。 研究设计与做法：回顾性分析单中心（材料未明确
日本两中心消化内镜医疗废物与焚烧相关CO2排放的初步观察量化
该初步观察研究提示，消化内镜操作会产生可量化的焚烧相关CO2排放，其中ESD单次操作排放量最高，ERCP与EGD按每分钟计的排放强度最高；证据档位为C，属描述性基线数据，不足以下因果或普遍化结论。 设计为双中心观察性研究，纳入2024年6月至2025年1月的EGD、结肠镜（CS）
通用大语言模型经PEARL连接机器人实现实验推理的八场景研究
结论：通用大语言模型在连接液体处理机器人与相机后，表现出相当的实验推理能力，可自主设计、执行并修正实验；该结论来自预印本，属提示性证据，尚不足以下强结论。 设计：预印本报告的系统性演示研究；将通用LLM通过PEARL（提供感知、动作与持久状态）接入液体处理机器人和相机，仅给定目标
Orochi 4.0：纯 Python 全散射约化与 PDF 建模开源包
该预印本介绍开源纯 Python 软件包 Orochi 4.0，将全散射数据约化、对称性晶体建模与实空间 PDF 模拟整合于同一环境；属方法学工具报告，证据档位 C，未提供定量验证数据。 研究设计为软件架构与功能描述，非对照实验；材料未报告样本量、干预与对照设置及随访时长，仅说明
基于电子病历的住院患者衰弱预测机器学习模型开发与内部验证
利用入院72小时内常规电子病历数据构建的XGBoost模型可在住院早期识别衰弱患者，测试集F2-score为0.755、AUROC为0.777、召回率0.873，校准良好，提示该方法具有早期筛查潜力。 回顾性队列研究，数据来自澳大利亚皇家阿德莱德医院2023年7月至2024年12
机制导向人工智能用于药物重定位与转化药理学的综述
该综述提示，机制导向AI通过整合分子互作、信号通路、多组学、因果推断与生物网络，可能提升可重定位药物的识别与优先级排序；属叙述性综述（证据档位C），其主张为方向性提示，不足以下结论认为其优于常规预测模型。 设计为叙述性综述，非系统评价，无预设检索策略、纳入文献数、样本量或随访时长
Orochi 4.0纯Python架构统一全散射数据还原与实空间PDF建模
结论：作者提出Orochi 4.0这一开源纯Python架构，将全散射数据还原、对称性感知晶体学建模与实空间PDF模拟统一于同一环境；属方法学软件报告，证据档位C，提示其可改善工作流碎片化问题。 设计：预印本的方法学/软件架构报告，非对照实验；描述Orochi 4.0以纯Pyth
闭环强化学习分子设计：生成式 AI 与自动合成的衔接评述
这篇批判性综述与观点文章提出，闭环强化学习可将生成式分子设计与自动合成、实验评价衔接，但当前尚不足以下结论其能提升药物发现产出；文中明确表示前瞻性验证仍属必要。 设计为叙述性综述与框架提案，非原始实验；材料未报告样本量、干预与对照、随访时长，亦未报告检索策略与纳入文献数量。
脊柱信息学中预测建模、影像与电子病历决策支持的整合综述
结论：叙述性综述提示，AI驱动的脊柱生物医学信息学在诊断准确性、预后判断与个体化决策方面具有较大潜力，但多处于开发或早期验证阶段，尚不足以下结论认为可常规临床使用。 设计：叙述性综述，经定向PubMed检索选取文献，覆盖深度学习影像分析、影像组学、电子病历自然语言处理与临床决策支
机器学习分类器识别梅尼埃病编码区隐藏的罕见双等位杂合变异
提示：基于编码区罕见变异的机器学习分类器可区分家族性与散发性梅尼埃病，并提示部分散发病例存在隐藏的隐性遗传成分；该结论来自单一遗传学建模研究，尚需独立队列验证。 研究设计为病例分类建模研究，材料未报告具体样本量与队列来源；以家族性与散发性梅尼埃病病例的编码区罕见变异为输入，构建整
