他们提出的OverLoCK（Overview-first-Look-Closely-next ConvNet），首次将这一生物机制融入纯卷积神经网络，在图像分类、目标检测、语义分割等任务中刷新性能天花板。- 图像分类：OverLoCK-T以1/3计算量超越ConvNeXt-B，在384×384分辨率下Top-1达86.2%- 语义分割：OverLoCK-T在ADE20K上mIoU提升UniRepL

骨质疏松症的诊断不足是一个全球性难题。虽然双能X线吸收测定法（DXA）是金标准，但由于筛查率低、受退行性改变干扰等原因，临床应用存在局限。

深度学习发现心源性猝死心电图新标志

心脏瓣膜反流——包括主动脉瓣反流（AR）、二尖瓣反流（MR）和三尖瓣反流（TR）——是全球最常见的心脏瓣膜疾病类型之一。据估计，中度以上二尖瓣反流在65岁以上人群中的患病率超过10%，且随人口老龄化持续增长。及时准确的瓣膜反流分级对制定治疗

胰腺癌CT诊断新范式：深度学习同时捕捉直接与间接影像征象，小肿瘤检出率远超医生期刊：Radiology（放射学，IF=29.5，北美放射学会旗舰期刊，全球放射学领域排名第一的学术期刊）发表时间：2026年6月16日（在线发表）作者：Yamaguchi T（山口健）#、Sofue K（祖父江恵太郎）*、Masuda A（增田充弘）#、Hirahara N（平原伸幸）、Ogasawara A（小笠原彩

清华大学与西安交大团队在Nature Communications发表Hyper-RAG，通过超图驱动的检索增强生成，将LLM幻觉错误率降低48.5%、关键知识缺失率降低60.7%，在9大领域全面碾压GraphRAG和LightRAG。

NEJM AI发表随机对照试验揭示：即使完成20小时AI素养培训的医生，在接触到大型语言模型（LLM）的错误诊断建议后，诊断推理准确率仍从84.9%骤降至73.3%（P<0.0001）。更令人担忧的是，经验越丰富的医生受自动化偏见影响反而越大。研究警示：仅靠AI培训不足以保护临床安全，必须在部署环节引入系统性验证框架。

急性缺血性卒中治疗选择复杂且易出错。上海六院团队开发结构化多智能体大模型框架，在医生决策研究中将急性缺血性卒中治疗决策准确率从73.1%提升至88.6%，并降低幻觉与遗漏率，提示其有望缩小不同年资医生的决策差距。

急诊科大模型决策支持系统能否真正落地？Nature Medicine发表SHAKED系统的DECIDE-AI一期前瞻评估，1138例急诊患者显示医生采纳率从68%降至30%，提示持续参与度而非算法准确度才是落地关键障碍。

德国图宾根大学医院用GPT-5在100例经多学科会诊验证的胃肠肿瘤病例上，对比五种角色提示框架与多数投票集成，发现各框架与MDT决策一致性为78%-87%且无显著差异。角色提示只改变语言风格而不改变临床决策结构，提示大模型宜作决策辅助而非自主专科医生模拟器。