基于预训练蛋白语言模型的肽类激素预测框架pLM-HP
提示：结合ESM2蛋白语言模型与双向长短期记忆网络并引入类别权重，pLM-HP在肽类激素预测上表现较好，但属计算预测，尚不足以下临床结论。 研究为计算方法开发与基准评估，非人体或动物实验；采用五折交叉验证与独立测试集评估，样本量、干预与对照、随访时长材料未报告。
眼反射图像人物与场景分析的机器学习系统综述
该综述提示，机器学习方法在利用眼反射图像进行人物与场景分析方面已有初步探索，但现有研究分散于不同任务与应用领域，尚不足以形成统一结论。 研究为系统文献综述，遵循Kitchenham与Charters指南及PRISMA 2020框架，从Q1与Q2期刊中系统筛选出2006年1月至20
两阶段自动筛选流程验证：三独立评审者分层一致性研究
在医学系统综述的题录-摘要筛选中，两阶段自动流程（规则脚本+大模型裁定）与三名独立人工评审者的分层一致性总体提示较高，但该结论仅针对第一阶段自动排除决策，且不同评审者间差异明显，尚不足以外推为通用验证结论。 设计为分层一致性研究（预印本，证据档位C）。从904条已筛记录（第一阶段
可解释机器学习临床特征糖尿病预测的集成与提升算法比较
该研究提示，基于临床特征的多种机器学习算法在糖尿病预测中具有一定区分能力，其中优化随机森林整体准确率最高，但方向性结论仍需外部验证。 研究为基于公开数据集的算法比较研究，使用含768条患者记录、8个预测变量的Pima Indians Diabetes数据集，对生理性无效零值采用中
错位之设计：基层医疗场景下生成式AI的评估与部署
作者认为生成式AI在基层医疗的核心问题不是性能本身，而是评估与部署方式的错位。 文章基于北欧与欧洲视角，提出六项基层医疗现实条件作为讨论框架。
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。
连接自然、数据与人工智能：天然产物发现的跨学科路径
文章提出以跨学科整合方式，将人工智能与多组学数据结合，用于应对天然产物发现中的瓶颈问题。 传统天然产物发现受限于重复发现、去重复效率低、沉默生物合成基因簇及结构解析复杂等障碍。
人工智能的地缘政治
该出版物主题为人工智能的地缘政治。 摘要内容仅为第三方网站免责声明，未涉及研究设计与方法。
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。
U-Net Transformer用于磁共振弹性成像重建
提出一种基于深度学习的磁共振弹性成像重建方法，旨在加速并稳定传统反演流程。 构建开源物理仿真框架，结合LiTS数据集的肝脏与肿瘤几何及临床刚度先验，生成大规模基准数据集。
