Nature Methods ：核苷酸转换模型（Nucleotide Transformer, NT）——解锁基因组预测的新纪元
该模型不仅能像阅读文本一样解读DNA序列，还能够预测基因组中的关键功能区域。
安徽省立医院发表Nature论文：孙成/刘连新团队利用空间多组学+AI，开发出肝癌复发预测系统
该研究通过整合空间多组学数据和人工智能（AI）分析，提出了一个基于空间免疫特征的新型肝细胞癌（HCC）复发预测系统——TIMES（肿瘤免疫微环境空间评分系统）。
Cancer Sci：ctDNA监测联合全基因组分析或能有效预测癌症患者的疾病复发和对疗法的反应
研究结果表明，利用OTS试验系统来监测ctDNA或能与CGP数据进行有效结合来预测多种类型癌症患者的治疗结局，这一发现代表着科学家们在个体化精准医疗研究领域向前迈进的巨大一步。
哈佛团队开发AI模型，可通过普通面部照片识别预测癌症患者死亡风险
FaceAge不仅能够准确预测癌症患者的生物年龄，还能为生存期预测提供重要的辅助支持，特别是在末期癌症患者的临床决策中具有实际应用价值。
新型脑脊液突触蛋白生物标志物，精准预测阿尔茨海默病认知衰退
研究证明CSF YWHAG:NPTX2 比值与正常衰老和阿尔茨海默病，都存在密切的关联，并且在疾病的极早期阶段，甚至在临床症状出现之前，就开始发生改变。
Nat Biomed Eng：肠道芯片能借粪便预测黑色素瘤免疫治疗效果
研究构建了含人类粪便样本及模拟蠕动的肠道芯片，发现黑色素瘤患者中，对免疫检查点抑制剂无响应者的粪便会引发肠道上皮促炎反应，而有响应者的粪便能改善肠道屏障，该芯片可预测治疗反应并助力新疗法开发。
Cancer Cell：邵志敏/江一舟/杨文涛/李俊杰团队开发AI模型，精准预测ADC药物的乳腺癌治疗效果
该研究通过 AI 模型结合肿瘤微环境空间特征，精准预测了新一代 ADC 药物 SHR-A1811 在 HER2+ 乳腺癌新辅助治疗中的效果，为乳腺癌的个性化治疗提供了全新导航图。
《自然·衰老》：又发现近300种蛋白与阿尔茨海默病相关，7蛋白模型预测AD状态AUC最高可达0.88！
通过机器学习，研究者确定了7个蛋白质，其组合可用于预测AD状态，对临床AD状态预测AUC达到0.72，对生物标志物定义的AD状态预测AUC达到0.88。
离诺奖最近的中国科学家，“无创产前检测之父”卢煜明最新论文：血液检测精准预测未来癌症风险
近年来，卢煜明教授领导的跨学科研究团队成功开发了能够检测多种癌症血液测试技术——FRAGMA（基于片段组学的甲基化分析），并推进到了临床应用，将癌症液体活检推进至全基因组时代。
Nature Medicine：基因解码脂肪肝的双重亚型，精准预测与个性化干预的新希望
在该大规模的遗传学研究中，研究人员通过对已知和新发现的MASLD相关遗传位点进行分析，构建了两个独立的pPRS。