一項新研究發現，AI 驅動的聊天機器人約有一半的時間會提供有問題或具誤導性的醫療建議，引發對醫療安全的嚴重擔憂。

微軟已推出 Copilot Health，一款專屬的 AI 健康夥伴，透過 HealthEx 整合超過 50 種裝置的可穿戴數據以及來自超過 50,000 家美國醫院的病歷記錄，將公司 AI 定位為面向日常病患的醫療超級智慧。

MIT研究人員開發了用於密碼子最佳化的語言模型，提升包含曲妥珠單抗（trastuzumab）在內的蛋白質產量25%至300%，研究發表於PNAS。

Eko Health 的 AI 驅動數位聽診器在臨床試驗中對中度至重度瓣膜性心臟病的檢測敏感性為92.3%，幾乎為傳統聽診檢查46.2%準確率的兩倍。

研究人員推出名為 dSHERLOCK 的人工智慧工具，可在20分鐘內診斷致命的念珠菌（Candida auris）感染，徹底改變醫院感染控制。

麻省理工的研究人員開發了突破性的人工智慧軟體，能自動在腦幹的核磁共振影像中分割出八條不同的神經纖維束。

Mount Sinai 的研究顯示，AI 大型語言模型在 32% 至 46% 的情況下會相信醫療錯誤資訊，尤其在以專家建議的方式呈現時。

牛津大學的研究發現，AI 聊天機器人提供不一致的醫療建議，使用者因此難以辨別可信的健康資訊。

哈佛研究人員在《Nature Neuroscience》發表 BrainIAC 基礎模型，能從 48,900 筆 MRI 影像預測失智、中風和癌症。

一項針對100,000名女性的瑞典里程碑式研究，發表於 The Lancet，發現將人工智慧用於乳房X光攝影（乳房攝影）分析，可使篩檢間期發現的乳癌診斷減少12%，標誌著醫學影像領域的一項重大突破。

分析顯示，儘管有自動化，人工智慧仍提高了對放射科醫師的需求；梅約診所自2016年以來僱用了55%更多的放射科醫師，展現了人工智慧領域的傑文斯悖論。