生成式AI与医师在放射诊断中的系统评价与荟萃分析
证据支持：在放射诊断任务中，生成式AI总体准确率低于专家医师，合并差异为医师高出13.0个百分点（95% CI 0.9–25.2，P=0.038）。 设计为系统评价与荟萃分析，前瞻性注册于PROSPERO（CRD420251040000），遵循PRISMA-DTA；检索Medli
云环境中HPC应用的智能体编排
该报告主题为云环境下高性能计算（HPC）应用的智能体化编排。 摘要仅说明报告系受资助工作成果的记述，未提供研究设计、方法或数据细节。
儿科临床生成式AI开发与实施建议：政策声明
该政策声明认为，生成式人工智能（GenAI）在儿科医疗中具有潜在应用价值，但真实世界验证有限，准确性、偏倚、可靠性与可持续性等问题尚存，因此当前证据不足以支持其在儿科临床的常规落地，需以严格监管与问责为前提推进。 研究设计为政策声明类文献，非原始研究，材料未报告样本量、干预与对照
AlloPool：从分子动力学模拟推断蛋白别构的深度学习框架
AlloPool可基于分子动力学模拟推断蛋白质别构特性。 该框架为图神经网络，通过迭代剪枝残基间相互作用以揭示别构相关网络。
ICU脓毒症患者血糖追踪与预测的数字孪生框架
本研究报告一个面向ICU脓毒症患者的数字孪生框架，用于实时血糖监测与短期预测；结果显示该框架可在标准笔记本电脑上于数秒内完成新患者的初始化与个性化，并在不同数据条件下维持较准确的血糖预测，属可行性层面的提示性证据。 研究设计为方法学开发与初步部署评估：以连续血糖测量数据训练机器学
ISPOR特别工作组良好实践报告：生成式人工智能用于系统文献综述
ISPOR特别工作组发布首份关于生成式AI用于系统文献综述各核心任务的循证良好实践建议。 采用改良PRISMA快速证据评估，纳入2022年11月至2025年7月间115项实证研究，按七类任务定性综合并构建任务级评估框架。
药物发现中人工智能应用的PRISMA系统综述：方法、挑战与评价实践
该系统综述按PRISMA 2020纳入618项同行评议研究，提示机器学习与深度学习已主导药物发现研究（分别占99.8%与78.0%），但数据集透明度（45%）与可重复性（38%）偏弱、外部验证罕见，评价实践不均衡，整体证据档位为C。 为PRISMA 2020系统综述；检索Scop
人工智能在呼吸医学中的应用、方法学挑战与临床转化
该综述梳理了人工智能在呼吸医学多个领域的应用现状与临床转化路径。 采用受邀前沿综述形式，综合影像、生理信号、电子健康记录及患者生成信息等多模态数据证据。
生成式AI设计并实验验证超宽带近零介电常数完美吸收器
结论方向：研究提示生成式深度神经网络可辅助设计超薄多层近零介电常数吸收器，并在实验中实现近红外超宽带近完美吸收；证据档位为C，属材料设计与实验演示类研究，方向为性能提升但需外部重复验证。 研究设计与做法：为算法驱动的材料设计加实验演示研究，非临床研究。以生成式深度神经网络学习高性
医疗人工智能的现状与未来：以放射科为模型的叙述性综述
结论：医疗人工智能已广泛嵌入诊断解读、临床决策、流程优化、文书、患者沟通、医学教育与结局预测等环节，但作者强调其临床价值受幻觉、偏倚、泛化性不足与前瞻性证据缺乏制约，整体属「提示」而非「证据支持」其可常规独立使用。 设计与做法：叙述性综述，非系统评价，未设检索策略与纳入排除流程；
