医疗 AI 不该只盯着诊断：Infinitus Systems 专家谈分诊基础设施
Infinitus Systems 医学信息学家 Michael Choma 提出，医疗 AI 的注意力过度集中在诊断，而更急需建设的是分诊（triage）能力。他以自身双重视力就诊经历说明，分诊决定患者何时、去何处就医，LLM 驱动的对话式 AI 代理在排班、用药咨询等场景中必须能识别紧急情况并即时转接。
#医学 AI
MedCity NewsAI 评分3030 公众号：返朴精选AI 评分4040 停用 SSRI 比戒海洛因还难？争议背后是抗抑郁药安全停药的临床盲区
返朴梳理了美国卫生与公众服务部部长小罗伯特·肯尼迪关于停用 SSRI 比戒海洛因还难的言论及其学界反驳，指出抗抑郁药停药问题长期缺乏研究。
推荐理由：文章梳理了 SSRI 停药反应的发生率争议与双曲线减量法，为理解抗抑郁药安全停药这一临床盲区提供了机制与证据层面的背景。
Briefings in BioinformaticsAI 评分2828 AI 与生物信息学协同用于脑疾病精准医学：整合影像组学与多组学数据
一篇综述系统梳理了 AI 与生物信息学整合框架如何将影像组学与基因组学、转录组学、蛋白质组学等多组学数据融合，以更全面建模脑疾病复杂性。文章指出，尽管两个领域各自都有进展，影像组学与多组学融合的联合应用仍未被充分利用。借助深度学习和图神经网络等表征学习方法，这类多模态系统可支持生物标志物发现、患者分层和个性化治疗策略。作者重点评估了数据异质性、可解释性有限和临床验证障碍等挑战，并以胶质瘤、阿尔茨海默病和多发性硬化症的案例说明统一影像-组学架构的临床价值。
Fabian TheisAI 评分2525 Fabian Theis 谈 AI 如何改变癌症研究
Fabian Theis 在重庆 Nature 会议“Cancer Immunology in the AI Era”开幕主旨演讲中提出，科学是一场搜索，AI 能让干预空间中的搜索更系统化。
Science Translational MedicineAI 评分3838 从代码到疗法：利用 AI 进行抗生素发现与设计
一篇发表于 Science Translational Medicine 的综述梳理了 AI 在小分子与多肽抗菌药物发现中的进展：AI 可探索广阔的化学与序列空间、设计可合成的抗生素，并通过建模与加速测试优先筛选安全、机制多样的候选分子。文章还讨论了新兴的数据与报告标准，以及将这些药物推向患者所需的转化路径与监管障碍。
Cell SystemsAI 评分3838 从代码到临床的 CAR T 细胞：以当前转化研究目标框定建模方法
一篇发表于 Cell Systems 的视角文章梳理了 CAR T 细胞治疗的数学建模如何支撑预测性设计与临床决策。文章按 CAR T 治疗的关键转化难题对现有模型进行分类定位，并指出机器学习、多尺度建模、控制理论和替代细胞类型等新兴方向在模型引导的下一代细胞疗法设计中的机会。
Fabian Theis精选AI 评分4242 美日韩英德等 17 国在京都 STS Forum 签署《Kyoto Vision for a Golden Age of Science》
美国与日本、韩国、英国、德国、新加坡等共 17 国在京都 STS Forum 上签署一页篇幅的《Kyoto Vision for a Golden Age of Science》，内容涵盖更多元资助方式、新机构模式、元科学与可重复性、AI for science（含自主闭环发现）以及早期人才投入。
推荐理由：梳理多国科研政策文件对 AI for science 与资助模式的表述，并给出德国研究部门的保留态度。
Bluesky：John Ebos (@ebos.bsky.social)精选AI 评分5858 Cell 观点文章评估生物医学 AI 向自主科学智能体的转变
Cell 刊发观点文章《Toward autonomous science with agentic artificial intelligence》，讨论生物医学 AI 正从回答人类提出问题的工具，转向能自行提出问题的智能体。Guo 等人评估了这一转变，涉及扩展逻辑与自主劳动等内容。
推荐理由：Cell 观点文章梳理生物医学 AI 从回答人类提问的工具转向自主提问的智能体，并讨论其扩展逻辑与自主科研的边界。
Nature Computational Science精选AI 评分4040 人工智能时代的流行病学建模
Nature Computational Science 刊文讨论人工智能正让流行病模型能够跨多次疫情暴发进行学习，而接下来的挑战是确保这些模型学到并迁移的不只是统计模式，还包括流行病学机制。
推荐理由：文章把跨疫情暴发的模型学习与机制迁移问题摆在一起，适合关注传染病建模与 AI 结合方向的读者了解这一领域当前的讨论焦点。
Bluesky：Rod Rahimi (@rodrahimi.bsky.social)精选AI 评分4040 医生谈 AI 让资深医生更强却让医学生变弱
Rod Rahimi 在 Bluesky 引用《纽约时报》观点文章《A.I. Has Made Me a Better Doctor. It's Made Med Students Worse.》，并提出疑问：自己面对背痛问题时，会拿聊天机器人的建议对照多年积累的思维模型，但若一直由机器人主导思考，这种模型还能否形成。
推荐理由：医生以自身经验对比 AI 辅助对资深医生与医学生判断力养成的不同影响，适合关注医学 AI 教育的人。
Europe PMCAI 评分3838 面向肝病学的 AI 虚拟细胞：单细胞模型中的表征、生成、动力学与干预
这篇综述将肝脏 AI 虚拟细胞（AIVC）的建模路径归纳为三类：生成模型表征细胞状态，动力学与转运模型推断状态转换，预训练或基础模型检验表征能否跨供体、病因、疾病阶段和平台迁移，并以扰动响应预测作为贯穿性评估。
Europe PMCAI 评分2929 解码血管重塑中的PVAT复杂性：多模态单细胞技术揭示新治疗靶点
多模态单细胞技术（scRNA-seq、空间转录组与AI整合）正以空前分辨率解析血管周围脂肪组织（PVAT）生态系统，构建出揭示不同血管床细胞结构、表型可塑性与空间互作的整合图谱。综述据此提出Dpp4+前脂肪细胞、BMP4诱导的棕色化等新生物标志物与可干预疗法，并给出以人类PVAT生物样本库、CRISPR谱系追踪和AI建模为优先的转化路线图。
Owl PostingAI 评分3434 类器官究竟在哪些场景真正发挥了作用？
类器官在化疗反应预测上取得了最明确的成功：2018 年 Science 论文用转移性胃肠癌患者类器官筛选 55 种化疗药物，与 I/II 期临床试验结果对照，灵敏度 100%、特异度 93%、阳性预测值 88%、阴性预测值 100%。但一项前瞻性可行性试验显示，接受类器官指导治疗的患者未获得临床获益，且仅 57% 患者能成功建系、组织到读出约需十周。
Biohub精选AI 评分6060 Biohub 联合创始人 Priscilla Chan 回顾蛋白建模、细胞成像与患者驱动研究进展
Biohub 联合创始人 Priscilla Chan 发文回顾今年上半年进展，包括 5 月发布基于下一代 ESM 的蛋白质生物学世界模型，可预测蛋白折叠、相互作用与功能并设计新蛋白，已有科学家用它设计抗体候选并在早期实验室测试中针对癌症和免疫相关靶点显示初步结果。
推荐理由：Biohub 联合创始人以第一人称复盘半年进展，把蛋白世界模型、激光相位板与虚拟细胞计划串成一条开放科学路线。
Patrick SchwabAI 评分3030 AI 取代科学家会削弱科研乐趣吗
Patrick Schwab 反驳"AI 主导科学会降低科研满足感"的观点：若机器能持续产出解决难题的新洞见，科学家更可能乐于探索这些发现而非关掉它，因为科学之爱在于进步本身。该讨论源于 NeurIPS 一场 AI for science 专题讨论，有与会者当场反对将人类完全移出科研流程。