做医疗 AI 想进欧洲市场的团队该看看这篇。欧盟委员会2025年12月提的 MDR 修正案会砍掉不少重复审查和文档负担,但作者指出 AI 设备特有的算法更新怎么管还没说清,正好点出了合规上的灰色地带。
AI in Health and Life Sciences
npj Digital Medicine 上的新框架 FIRE-EVIDENCE,用 LLM 把女性健康领域的文献证据整理成机器可读结构。做医学信息学、循证工具或 RAG 抽取流程的人可以看看它的方法学设计,跟人工系统综述的做法完全不同。
这篇 NEJM AI 的综述把肺癌影像 AI 研究的统计问题摊开来讲:外部验证缺失、偏倚校正不足这些坑都点出来了。做医学影像模型或准备在医院落地这类工具的团队,可以照着文中清单自查。
很多骨质疏松患者其实早就拍过胸片,只是没人看骨头。这项研究让模型从常规胸片里顺带找出椎体骨折风险,不用额外做 DXA。放射科和骨科的医生值得看看怎么接入现有流程。
npj Digital Medicine 上的一篇方法论文,把 PDCA 循环拆成四步再配上双链思维,专门管住大模型写病历和问诊的质量。医院信息化团队和做医疗 Agent 的开发者可以看看这套流程拆解思路。
Nature Medicine 刊发的开源 AI 科研助手,用多个智能体分工跑文献检索、假设生成和实验设计,代码全公开可以自己部署审查。做生物医学研究或想在自家机构搭科研工作流的团队可以直接上手看实现。
搞医疗影像的朋友可以看看,12000多例颅脑CT的TBI数据集免费开放,训练出血检测或损伤分级模型不用再愁没数据,规模比之前那些几百例的公开集大了一个量级,做基准复现也方便。
npj Digital Medicine 上的新研究,用可解释 AI 把常规痛风临床分型对接到多组学数据和长期健康结局。做医疗 AI 或组学研究的人可以看看它怎么把黑箱模型做成可解释的表型-分子映射。
这篇 npj Digital Medicine 的论文讨论了一个容易被忽略的点:口腔黏膜本身的色素差异会让 AI 筛查模型在某些人群上表现变差。做医疗 AI 验证或口腔筛查工具的团队,以及关注算法公平性的研究者都该看看。
脑卒中诊断要同时看CT和MRI,这项工作把不确定性建模和病灶定位绑在一起做,输出会附带可信度。做医学影像AI或临床落地的团队可以看看它的思路,跟单纯输出分类结果的方法比多了定位能力。
npj Digital Medicine 这篇新论文讨论医疗 AI 出问题时医生能不能发现。结论不太乐观:自动化偏见和时间压力会让人工审核形同虚设。做医疗 AI 产品、医院信息科和关注 AI 监管的都该看看。
npj Digital Medicine 上的一项新研究,用 AI 把稀疏的反射光谱补成连续光谱,肤色和血液参数估计更准了。做医疗影像、可穿戴健康监测的团队可以看看,方法能降低对高端光学硬件的要求。
就是期刊改了一条参考文献的出处,换成 Younes 等人 2018 年那篇睡眠分期的论文。做 EEG 或医学 AI 研究的人引用这篇文章时记得用更正后的版本,其他人可以忽略。
The Lancet Digital Health这篇评论聊的是CMR影像AI和医生预测死亡风险谁更靠谱。它没吹AI多强,反而点出设备贵、通量低、会操作的人少这些真实瓶颈,做医疗AI或医院影像科的人值得看看对方怎么看。
《The Lancet Digital Health》上的一项多中心研究发现,AI 从心脏 MRI 算出的射血分数,预测死亡率比医生测的还准一点。做医学影像或心血管 AI 工具的团队可以看看它的评估方法,回溯性数据怎么用、怎么和医生对比,都有参考价值。
这篇柳叶刀子刊的文章把过去一年里真实发生的好几起智能体入侵事件摆在一起,有具体案例不空谈。做医疗信息系统的、企业里部署智能体的都该看看,评估自家系统时至少多留个心眼。
Walking video from a single depth camera can act as a broad health screening signal, replacing purpose-built tests for many phenotypes. Clinicians and digital health teams working on remote monitoring or preventive screening can use this as a blueprint for low-friction, camera-based assessment tools.
NEJM AI 新发的一篇评论,标题就叫《设计就是一切》,做医疗 AI 的人可以看看它怎么谈设计。
NEJM AI 上关于 AURA 模型的随机评估论文,做医疗 AI 或疾病风险预测的可以看看评估方法。
放射科排片的新思路:通用模型加专科模型搭配,帮 CT 影像自动排优先级,做医学影像分诊的可以看看这篇论文。
中国团队在 npj Digital Medicine 上发的多中心研究,用 AI 给 HFpEF 患者做心衰住院风险分层,临床医生可以看看方法细节。
写代码图快没问题,但用在医疗场景就是另一回事了,这篇把 vibe coding 的坑讲得挺实在。
The study shows agents moving beyond single-visit diagnosis into longitudinal disease management, where retrieval-grounded outputs matter most for clinical trust. Clinicians and medical AI teams working on ophthalmology or chronic care workflows can use it as a reference architecture for pairing multimodal patient data with evidence retrieval. It sits alongside medical agent work from groups like Microsoft and general clinical LLM benchmarks.
Nature 旗下期刊汇总 31 篇研究,讲医疗 AI 光靠数据不行,得把生物学知识嵌进模型,做医学方向可以看看。
FDA新开了一个TEMPO通道,AI心理健康产品可以先卖再补审批,做数字健康的朋友看看这个沙盒怎么玩。
NEJM AI 上的一篇纵向研究,专门看 AI 写病历到底能不能让医生省时间,做医疗 AI 的可以看看方法设计。
NEJM AI 上一个正经的随机对照试验,测 AI 生成的病历摘要到底能不能让问诊更快、沟通更好,做医疗 AI 的都该看看。
NEJM AI 把 2025 到 2026 年的临床 AI 研究整理成六大主题,做医疗 AI 的人可以直接当年度文献地图用。
NEJM AI 11 月刊的新研究,讨论个性化生成式 AI 能不能帮不同文化背景的人更好沟通,做跨文化医疗或产品设计的朋友可以看看。
NEJM AI 2026 年 11 月刊的这篇文章聊的是医学生该怎么在临床 AI 普及后学本事,观点是不躲开工具反而要靠它练真功夫,学医的和做医学教育的可以看看。
Cleveland Clinic 在 NEJM AI 上分享了一套把临床 AI 从试点推到全院落地的框架,做医疗 AI 落地的人可以直接参考。
这篇 NEJM AI 的文章讲怎么把文化差异考虑进 AI 心理支持里,做医疗或心理健康产品的开发者可以看看
医生用普通听诊器加 AI 就能筛查左心室功能不全,还在多中心做了外部验证,做医疗 AI 的可以看看验证流程怎么设计。
NEJM AI 上一项把 AI 用于 SMO 抑制剂筛选的研究,做肿瘤靶向治疗筛选的可以看看方法。
NEJM AI 上这篇研究挺有意思:直接对比 LLM 和真医生开的方案谁更贵,做医疗 AI 的人可以看看数据。
医生用 AI 辅助诊断时越信越不动脑,这篇 NEJM AI 文章讲的自动化偏见问题,做医疗 AI 的人也该看看。
一项研究基层医疗漏转诊的 AI 安全系统,用真实数据看它准不准、能不能帮医生及时抓住该转专科的病人。
发在 Nature Medicine 的 EVLF-FM,把多种医学影像一起喂进一个视觉语言模型,诊断时还能给出细粒度的解释依据,做医疗 AI 的可以看原文。