医学与健康

该研究更新了自动化肿瘤浸润淋巴细胞（TIL）评估流程，提出对齐临床评分指南的TRIGS与基于基础模型的SAM-TIL，并在TransNEO队列166例新辅助治疗患者中显示二者预测病理完全缓解的比值比分别为1.95（95%置信区间1.22-3.03，p=0.005）和2.32（95%置信区间1.43-3.77，p=0.001），在癌症基因组图谱277例三阴性与HER2阳性患者中总生存风险比分别为0.79（95%置信区间0.63-1.00，p=0.05）和0.80（95%置信区间0.67-0.97，p=0.02），与金标准临床评估的相关性为0.59-0.69，且在预测病理完全缓解（AUC 0.60-

这篇叙述性综述通过检索 PubMed/MEDLINE、Scopus 与 Web of Science，梳理了人工智能在耳鼻咽喉头颈外科各亚专科中的临床应用，指出深度学习在鼻窦疾病检测、图像自动分割、淋巴结转移预测、甲状腺结节分类及头颈肿瘤预后建模等方面显示出潜力，多模态系统与生成式大语言模型亦在医学教育、影像解读、鉴别诊断与临床决策支持中初现应用，但外部验证不足、回顾性设计、数据集异质性、算法偏倚、透明度欠缺、隐私与医疗法律不确定性以及自动化偏倚风险仍限制其广泛落地，因此作者认为人工智能目前更适合作为辅助工具，尚需前瞻性多中心研究与标准化验证框架。

这篇综述提出并梳理了一套面向中枢神经系统肿瘤的临床试验新框架，包括主方案设计、贝叶斯自适应框架、将试验作为嵌入纵向组织取样与窗口机会设计及多组学分析的主动发现平台，以及去中心化试验与人工智能工具，主张把临床试验重塑为动态、生物学整合、基于学习的系统，而非对单一药物的静态检验，以加速神经肿瘤学的治疗进展。

该研究利用两项三期试验共2918名参与者的统一临床数据，从基线到治疗结束按月训练表格数据模型，对治疗结束（EOT）结局和治愈后复发进行时变预测，发现EOT结局预测在第3个月后改善（ROC-AUC最高0.84，主要由痰涂片和固体培养驱动），而复发预测仅在第3个月内有小幅提升（ROC-AUC 0.58-0.63）随后下降，年龄、性别、临床症状和细菌负荷贡献最大；基于大语言模型嵌入的模型在复发预测上与表格模型相当，在第3和第4个月优于表格EOT模型（ΔROC-AUC 0.12和0.14），纵向建模和稀疏变量纳入仅在4-6个月改善复发预测（ΔROC-AUC 0.09、0.19和0.12）但可解释性降低；纳入

该研究结合质谱、RNA测序与核糖体图谱分析608份阿尔茨海默病患者与非患者的死后背外侧前额叶皮层样本，鉴定出4,321种微蛋白（其中3,217种未见于UniProtKB/Swiss-Prot标准人类蛋白目录），并用深度学习模型对3,001种微蛋白的质谱鉴定置信度排序，其中1,067种获高置信度评级，同时发现数十种微蛋白在阿尔茨海默病患者中表达改变，构建了迄今规模最大的阿尔茨海默病微蛋白图谱并公开数据。

该研究通过基因工程使小鼠大脑皮层前体细胞不能存活、从而腾出脑腔空间，再将人脑组织植入新生小鼠，结果显示移植组织在两到三个月内扩张近五倍、填充超过90%的空腔并向小鼠脊髓深部发出投射，同时发育出包括类似von Economo神经元在内的特化神经元，而行为测试未显示小鼠智力增强。

该预印本在去重控制的图像级划分下训练了五个骨干网络（387张甲状腺超声图像、1,332个细针穿刺细胞学图像块，标签来自术后诊断），并将冻结模型分别用于TN3K（n=1,228，数据集自带良恶性标签）和DDTI（n=637，由放射科TI-RADS类别派生的二分类终点），结果显示超声集成模型在TN3K上AUROC为0.825、ResNet-50为0.888，而在TI-RADS派生终点上AUROC仅为0.477和0.437，细胞学基准AUROC为0.986（0.970–0.998）对比超声集成0.733，作者强调由于队列、采集与终点同时变化，这一对比不能归因于标签定义本身。

这篇综述以“决策点”而非算法类型或预测结局为组织框架，梳理了2015至2025年间PubMed收录的相关研究，指出术前AI主要用于在诊断不确定情境下支持患者选择与治疗方案规划，而术后AI主要用于支持时间敏感的管理与预后评估，从而将手术AI重新定位为贯穿围手术期各阶段临床决策路径的组成部分，而非孤立的预测工具。