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；
基于大语言模型的分类器用于摘要筛选的案例研究
基于大语言模型的分类器可在仅损失少量相关研究的前提下，减少需要人工筛选的记录比例。 研究评估Epistemonikos可持续知识平台中结合大语言模型的分类器，用于摘要筛选环节。
大语言模型在肝胆胰肿瘤多学科决策中的回顾性比较可行性研究
针对肝胆胰肿瘤多学科决策场景，评估当代大语言模型治疗建议的稳定性及其与团队决策的一致性。 回顾性比较可行性研究，对相同肝胆胰肿瘤病例重复查询大语言模型，考察同一输入下输出是否一致，并与多学科团队决策比对。
融合频谱、功能连接与拓扑特征的被试级ADHD脑电分类框架
研究提出一种被试级脑电分类框架，融合频谱特征、基于加权相位滞后指数（wPLI）的功能连接与持续同调拓扑描述符，用于注意缺陷多动障碍（ADHD）分类；在121例受试者中，支持向量机（SVM）取得最高分类性能，消融分析提示三类特征具有互补性；该结果为预印本，证据档位为C。 研究为方法
PhysAgent多智能体大模型框架用于物理数据分析与模拟的概念验证
结论：作者提出并演示了PhysAgent这一基于大语言模型的多智能体框架，可在受控数据上复现已知物理关系并自动化部分第一性原理计算流程；证据档位为C，属概念验证性质，尚不足以支持其在真实科研场景中的普遍适用性。 设计：方法学/概念验证研究，非对照试验；系统由Mentor Agen
生成式AI与主动学习提升纳米结构材料比刚度
该研究提示，在体素化结构空间中直接搜索可系统发现超出预设拓扑族的力学高效纳米结构，所发现的架构在计算与实验层面均表现出更高的杨氏模量与强度。 设计为计算框架结合实验验证：将立方对称单胞（杆基、TPMS基与混合族）编码为连续潜表示，采用代理模型引导的多目标搜索与主动学习循环，共进行
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
检索后验证评估大语言模型生成医学信息的证据支持与幻觉：实证研究
研究提出并评估“检索后验证”方法，用于衡量大语言模型生成医学信息的证据支持度与幻觉。 针对AI生成医学信息缺乏源文档明确支持的问题，开展实证研究以直接评估其是否基于底层证据。
机器学习用于儿童肠套叠诊断与预后的系统评价与荟萃分析
该系统评价与荟萃分析提示，基于超声的机器学习模型在儿童肠套叠诊断中具有较高且外部验证稳健的准确性，腹部X线模型更适合筛查；但无研究报告临床终点数据，故尚不足以下结论认为可替代现有诊疗路径。 研究设计为PROSPERO注册（CRD420251073590）的系统评价与荟萃分析，纳入
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。
