AI能否预判孩子近视风险？——儿童青少年近视预测模型的系统综述与Meta分析
核心结论人工智能模型在预判儿童及青少年近视发病方面展现出良好的应用前景。不过，现有证据仍受限于研究间的异质性、潜在偏倚风险以及外部验证匮乏等问题。未来亟需开展高质量、多中心的研究，推动AI预测模型从实验室科研工具迈向临床诊疗与公共卫生实践。AI用于预测儿童青少年近视的价值，并非取代医生进行诊断，而是将防控关口前移：在儿童尚未出现近视前，结合眼部生物学特征、遗传背景及行为环境数据，提前锁定高风险人群。近视已成为儿童青少年中普遍且日益严峻的公共卫生挑战。传统防控策略多聚焦于近视发生后的控制，而预测模型的意义在
AI查龋临床应用前景与挑战
Alexander Maniangat Luke 与 Nader Nabil Fouad Rezallah 分别来自 Ajman University 与 City University Ajman。论文发表于 Head & Face Medicine，PMID: 40181403，DOI: 10.1186/s13005-025-00496-8。推荐理由该系统综述汇总了 21 项研究及 14 项 meta 分析，指出 AI 在识别龋齿影像方面潜力巨大，但异质性依然显著，距离“完全临床应用”尚有差距
AI素养研究现状透视:17项系统评价揭示教师核心能力培养方向
究竟什么是AI素养？虽然目前尚未形成针对各年龄段的专门AI素养定义，但通过梳理相关综述研究成果，学界对AI素养内涵已达成较高程度的共识。在人工智能教育领域，Long和Magerko（2020）提出的AI素养框架已被众多研究广泛采用。该框架指出，AI素养不仅涵盖对人工智能知识与技术的理解，更注重个体能够以高效、负责且具有批判性的方式运用人工智能，并在人机协作中做出恰当判断与决策。随着人工智能技术尤其是生成式AI的迅速演进，AI素养的重要性日益凸显。越来越多的研究开始关注人机交互中可能产生的负面效应，并从技术
BMC综述：AI赋能病理诊断的效能评估与临床展望
伴随数字病理与人工智能技术的飞速演进，AI在组织及细胞病理领域的应用愈发普及。尽管如此，虽然众多原始研究证实了AI在肿瘤筛查、分级及预后判断上的高精准度，但其临床落地仍受制于方法学质量参差不齐、外部验证缺失等挑战。本研究依托一项伞形综述，系统整合了6项系统综述与Meta分析的数据，旨在评估AI在病理诊断中的准确度及其临床转化前景。结果表明，特别是深度学习模型在前列腺癌、淋巴瘤、黑色素瘤、胶质瘤分级以及宫颈癌淋巴结转移等任务中展现出卓越性能，敏感性与特异性均超过95%，部分场景下甚至媲美资深病理专家。不过，
AI驱动手术室管理革新：近五年研究盘点与展望
该综述题为《Artificial Intelligence in Operating Room Management》，刊载于2024年《Journal of Medical Systems》（影响因子5.7）。研究汇总了2019至2023年间22篇文献，系统评估了机器学习技术在手术室管理领域的实践价值，核心聚焦于手术时间预估、麻醉恢复室资源配置优化及手术取消预警三大场景。研究表明XGBoost模型在预测精度上表现突出，然而数据收集、患者隐私保障以及临床实效验证构成当前主要障碍。研究严格依照PRISMA标