OpenEvidence基于Next.js构建医疗搜索应用，通过Vercel托管服务面向65万医生，约五分钟即可完成生产部署，流量激增时无需额外扩容。团队借助预览部署和回滚机制实现每日多次发布。启用Fluid compute后，无服务器成本降低90%；即使规模增长1000倍，Vercel仍占基础设施支出不到5%。团队还将患者端应用Take Home作为独立项目部署，便于独立更新。

百度健康推出“好医矩阵”，核心产品“好医加号”利用AI精准匹配患者与专家加班号源，已覆盖80%以上公立三甲医院，累计加号近600万次。同时发布好医答、健康相机等产品，坚持AI赋能与真人医生把关，定位C端寻医问药平台并赋能B端医生和医院。

微软称其AI诊断工具在测试中准确率远超医生：在《新英格兰医学杂志》病例上约83%对36%，急诊病例80%对47%，且成本更低。该系统由多个AI代理协作，基于GPT-5，研究发表于《Science》。但测试仅基于历史病例，尚需临床验证。微软计划与医院开展真实环境测试，并推进“医疗超级智能”愿景。

紫荆智康由清华AIR孵化，推出“紫荆AI医院”系统，其核心为多分身智能体协同技术：不同专科的AI分身可同科支持或跨科会诊，出现分歧时高亮呈现供医生研判。系统基于SEAL架构，在虚拟医院训练、真实门诊微调，持续进化。截至2026年7月，已构建54位AI医生，覆盖数千种疾病；在清华长庚医院18个科室测试中，诊疗效率提升约30%，MedQA准确率超96%。

阿里达摩院与浙大一院等联合研发的通用医疗影像AI模型DAMO RADAR登上Science，覆盖腹部18种解剖结构、146种疾病，采用视觉-语言对比学习和器官级细粒度对齐，无需逐片标注。内部3.9万例AUC为0.913，外部2.4万例为0.895，急诊场景0.904。人机对比中准确率超26名医生中的23名，医生协同后敏感度提升约10%，阅片时间减少超30%。模型、代码、框架全部开源。

9月14日提交的KnowBench提出用“工作量减少率”（ER）评测临床AI，即AI生成且被医生签署接受的工作单元占比，比文本相似度更贴近真实工作流。其专有模型在百万次就诊中ER达97.99%。但高接受率不等于临床正确或安全，可能受界面、时间压力影响，且不同错误代价差异大。建议同时报告严重错误率、复核时间等，并分层审计。

福建医科大学麻醉科研究发现，手术会激活老年小鼠大脑小胶质细胞中的IDO1酶，导致色氨酸转化为神经毒素喹啉酸，损伤海马区突触，引发术后认知障碍。黄连素能结合STAT3蛋白，抑制IDO1产生，保护认知功能。但研究仅限术前三天注射给药，口服效果未知，且未测试雌性，临床应用仍存疑问。

近12个月，微软、Palo Alto、蚂蚁、Radware公开了五件提示词注入防御专利，OWASP将其列为LLM头号风险。专利分为输入过滤与行为防御两类，均作为独立中间层实现。小团队缺乏低成本验收测试，可使用garak生成变体攻击并输出风险报告，或构建内容过滤中间件，成本控制在五千元内，4周内可完成MVP。

神经外科医生金山木利用ChatGPT的GPT-5.6-Sol模型，在16小时内证明了困扰数学界22年的Crouzeix猜想。该证明获多位顶尖数学家确认，但尚未正式同行评审。此事凸显AI在数学领域的突破能力，并挑战了传统专业训练体系的有效性假设。

YazSes是一款开源离线语音听写工具，支持按住说话、本地转录，音频不离开电脑。它基于faster-whisper模型，CPU即可运行，词错误率低至2.59%，实时因子0.52。支持语音命令、会议录制和说话人分离，跨平台且Linux优先。适合医生、律师等隐私敏感场景，完全免费，安装简单。

谷歌研究团队开发了基于Gemini的医疗AI系统AMIE，整合视听感知与临床推理，在模拟视频问诊中表现优于或持平于全科医生，诊断准确率达91%。该系统通过异步多智能体设计降低延迟，但在细微感知和情感识别上仍有局限，未来需在真实临床场景中验证。

江西抚州医生韩杰因漏诊嵌顿性腹股沟斜疝致患儿死亡，被判医疗事故罪入狱一年。民事赔偿后刑事追责罕见，引发医疗界恐慌，担忧医生因恐惧而采取防御性医疗，破坏医患信任，形成“黑暗森林”效应。

NorthStar Anesthesia利用Databricks Apps开发移动端排班应用，解决临床医生无法查看同事休假数据的问题。应用数周内建成，支持彩色班次视图、筛选和每30分钟刷新，日活跃用户从75增至110，减轻排班压力，未来将增加AI查询和通知功能。

联影智能在WAIC发布“元医院”战略，旨在整合零散AI工具为全院协同的智能体系，而非替代医院或医生。它通过数据底座、医疗大模型、智能体调度和临床验证四项能力，突破物理空间限制，提升诊疗效率。该模式需大量算力和数据支持，已在手术规划等场景展示潜力，推动医疗能力系统化重构。

扎卡里·鲁宾医生是一位儿科过敏症和免疫学专家，致力于对抗科学和医学中的错误信息。他认为科学的不确定性是其优势，公众应培养批判性思维能力，以更好地理解健康信息。鲁宾通过社交媒体传播基于证据的信息，强调提高科学素养和沟通能力的重要性，以应对错误信息的快速传播。

扎卡里·鲁宾医生是一位儿科过敏和免疫学专家，致力于对抗科学和医学中的错误信息。他认为科学的不确定性是其强项，呼吁公众学会批判性思考健康声明，并强调科学素养的重要性。他通过社交媒体传播基于证据的信息，帮助人们更好地理解健康问题。

文章探讨了AI与医生在核磁共振诊断中的矛盾结果。作者经历了医生诊断的三级肌腱撕裂与AI判读的无撕裂，质疑医疗信任。AI分析显示医生的治疗方案不合理，强调了技术与人类判断的局限性。最终，作者选择暂停治疗，寻求第二意见，以避免错误决策。

研究表明，旧病例在新知识的帮助下可以获得新答案。波士顿儿童医院的研究团队利用AI模型分析了376个未解病例，最终确诊18例，诊断率提高了4.8%。随着基因与疾病关系的更新，定期重新分析旧病例可能揭示新的线索，帮助患者获得明确的遗传诊断。