本研究提出了一种基于人工智能的肾脏异常分割算法，旨在提高临床评估的客观性。该算法经过验证，能够在不同患者中保持高性能，从而增强肾脏疾病的评估和诊断能力。

本研究提出了一种基于语音识别的自动严重性评估方法，旨在解决构音障碍言语临床评估的主观性问题。通过引入ASR转录并微调模型，提取的特征在预测严重性方面表现优异，准确率达到83.72%。

多项研究评估GPT-4在医学领域的表现：在眼科问答中优于医学生和主治医师，在儿科眼科可辅助诊疗与教学；回答实验室检测问题时在相关性、准确性和安全性上优于其他模型及人工回答，但偶有错误；在课堂对话分析中显著省时且与人工编码高度一致；在病理学多模态诊断中正确率约84%，并通过USMLE基准测试。

该文综述多项医学影像深度学习研究，涵盖肋骨、股骨、髋部骨折，肾小球分割，颅内出血及骨形重建等任务。方法包括全监督、弱监督、课程学习、扩散模型与Transformer，部分模型诊断性能已达放射科医师水平，并强调临床参数评估的重要性。