本研究评估了大型语言模型（LLMs）在医疗领域的应用，发现其在诊断精度和治疗规划支持方面优于医学生，显示出作为医疗决策辅助工具的潜力。

本文提出了一种利用多模态经直肠超声(TRUS)视频识别临床显著性前列腺癌(csPCa)的框架，采用3D ResNet-50模型提取特征，并引入自适应空间融合模块。该框架在512个TRUS视频上评估，AUC为0.84，显示出良好表现。此外，ProsDectNet方法在B超成像中检测前列腺癌的敏感性为74%，特异性为67%。研究表明这些方法有助于改善前列腺癌的诊断和治疗规划。

定量器官评估是自动腹部疾病诊断和治疗规划的重要步骤。为了克服现有 AI 算法的限制，我们组织了迄今最大规模的腹部器官分析挑战，验证了一组 AI 算法的表现，并成功泛化到保留的外部验证集。这些算法还实现了关键器官生物学特征的自动提取，有望提升性能并缓解标注短缺问题。