研究：基于深度学习的步态分析可预测多系统健康表型
研究团队利用深度相机采集3,328名深度表型成年人在五项运动任务中的三维骨骼运动数据，构建步态基础模型。模型嵌入可显著预测3,210个表型目标中的1,887个，并在男性全部18个身体系统、女性18个中的17个系统上带来预测增益，同时改善临床诊断和用药情况的预测。该结果基于特定深度表型队列与深度相机采集场景，尚需外部验证。
#数字医学
Nature MedicineAI 评分5656
Nature MedicineAI 评分5555 研究：基于3,328名成人3D骨骼运动数据开发步态基础模型，预测多系统健康表型
研究利用3,328名成人的三维骨骼运动数据开发了一个步态基础模型，可预测心脏代谢、心理健康和衰弱等多种临床特征与诊断。该模型覆盖多系统健康表型，但摘要未说明验证方式、人群构成与外部验证情况，适用性需结合原文进一步确认。
Nature Medicine精选AI 评分6060 研究：日本4D队列6,803人粪便宏基因组分析提示两条方向相反的菌群介导轴连接生活方式与健康及15种疾病
研究基于日本4D队列6,803名成人的粪便鸟枪法宏基因组数据，构建菌群预测评分并在13个独立且地域多样的队列中验证，发现两条方向相反的菌群介导轴将生活方式与健康及15种疾病联系起来。该结果为观察性关联分析，评分在多个队列中得到验证，但材料未提供效应量、随访细节及因果推断信息。适用人群为日本成人队列，其他地区的外推需谨慎。
推荐理由：材料提示粪便宏基因组特征可能把可改变生活方式与健康及15种疾病联系起来，适合在消化科、慢病管理或MDT讨论中作为菌群与生活方式交互作用的证据线索，但需注意其预测评分基于队列验证，尚非临床干预依据。
npj Digital MedicineAI 评分5858 研究：30个欧洲国家搜索引擎结果中合法与非法网络售药网站的暴露情况
研究对30个欧洲国家搜索引擎结果中合法网络药房（LOPs）与非法网络售药网站（IOMVs）的暴露情况进行了首个泛欧洲评估，抓取6种示踪活性成分的Google前50条结果共9000条，其中3839条指向售药网站，63.7%为LOPs、36.3%为IOMVs。
npj Digital Medicine精选AI 评分6060 研究：中国多中心队列构建AI多时间点风险分层模型预测UA合并HFpEF患者心衰住院
中国多中心回顾性队列纳入4367例合并不稳定型心绞痛（UA）的射血分数保留型心衰（HFpEF）患者，训练12种机器学习算法并外部验证，用于预测12、24、36个月心衰住院（HFH）风险。
推荐理由：该研究为合并不稳定型心绞痛（UA）的射血分数保留型心衰（HFpEF）患者提供了12、24、36个月心衰住院风险的多时间点机器学习分层框架，并完成外部验证，适合心内科与老年科晨读或病例讨论时了解AI风险分层在该人群中的证据边界与预测因子。
npj Digital MedicineAI 评分4343 仅凭超声图像预测分娩日期的AI模型在智利四家公立医院的外部验证
一项研究在智利四家公立医院对一款商用纯图像超声深度学习模型进行了外部验证，数据为2550例妊娠的3788次检查、共64235帧图像。模型预测分娩日期的平均绝对误差为6.9天，常规预产期为11.6天，但大部分优势来自当地妊娠期较短，与重新中心化的对照相比差距不足一天。预设界标分析中，模型独立的纯图像风险评分识别早产的AUC为0.86，单用孕龄为0.52；这些分类分析属探索性，且无孕妇按该模型管理。
npj Digital MedicineAI 评分5050 通用-专科协作AI用于非增强脑CT检查清单的安全降优先级
研究提出一种通用-专科协作AI工作流，用于非增强脑CT检查清单的安全降优先级。该研究发表于npj Digital Medicine，AI算法由Coreline Soft与JLK Inc.提供并整合进协作流程。