感染性休克是由脓毒症引起的严重循环障碍，病死率高达55.5%。华中科技大学研究团队提出了一种基于TOPSIS的分类融合模型（TCF），整合7种机器学习模型，有效预测ICU感染性休克患者28天内的死亡风险，为临床提供早期预警工具。

该研究介绍了一种利用大型语言模型（LLMs）在临床决策中的创新方法，探索了LLMs在零样本和少样本提示学习方面的动态性，并与传统监督式机器学习模型进行了比较。研究提出了一种新的LLMs在临床决策辅助系统中的应用方法，并强调了提示设计、领域知识整合和灵活学习方法的潜力。

科学领域的人工智能依赖于低门槛的开源工具，以便在医学领域广泛采用。这些工具，如AI-Rad Companion、CAT-ViL、Derm Foundation、Ersilia、上海人工智能实验室的“普医2.0”模型组、RJUA-QA数据集和paperai，旨在改善医学图像解读、手术视频可视化、皮肤病学定制机器学习模型、被忽视疾病研究和医学文献发现。它们为研究人员和医疗专业人员提供了宝贵的资源。