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。
#神经
Nature MedicineAI 评分5656
JAMA Network Open · New OnlineAI 评分5858 队列研究分析膀胱过度活动症成人用药与痴呆发病的关联
这是一项队列研究，分析接受膀胱过度活动症治疗的成人中，高风险与低风险抗胆碱能药物及β3肾上腺素能激动剂与痴呆发病风险的关联。目前仅有研究摘要，未提供样本量、随访时间、效应量或置信区间等结果数据，因此尚不能判断具体药物的风险方向与大小。研究结论有待完整正文公布。
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。
NEJM · Current IssueAI 评分5151 急性缺血性卒中静脉溶栓的新方向：综述
NEJM 2026年第395卷第18期刊出 James C. Grotta 撰写的综述《Intravenous Thrombolysis for Acute Ischemic Stroke — New Directions》，聚焦急性缺血性卒中静脉溶栓的新方向，刊于第1841-1847页。当前仅有题录与摘要级信息，未提供具体研究数据、溶栓药物、时间窗或适用人群细节。