2026年2月13日，宾夕法尼亚州立大学的科研人员开发了一种名为ZENN的医疗预测框架，该框架将热力学原理融入人工智能技术，旨在提升临床诊断的精准度。ZENN医疗预测框架能够处理脑部扫描、血液检测等多源医疗数据，帮助医生更有效地分析复杂信息。

ZENN的核心基于物理学中的熵概念，它区分了生物信号与测量噪声，从而量化不确定性而非隐藏它。传统机器学习模型通常将医疗数据视为抽象输入，而ZENN医疗预测框架通过引入“温度”参数，识别不同数据集间的差异，解决了数据来源多样化和可追溯性差的问题。

研究团队与神经学家合作，利用ZENN医疗预测框架为阿尔茨海默病患者构建数字孪生模型。基于PET扫描、MRI影像、血液检测和遗传信息，该模型预测疾病进展和治疗反应，初步结果显示准确率约90%，显著高于传统方法的50-60%。数字孪生框架可实时指导临床决策，特别是在新型单克隆抗体疗法应用方面，通过强化学习优化个体化治疗策略。

ZENN医疗预测框架还被应用于骨科诊断，外科医生正测试该模型，通过X射线和CT扫描的3D重建评估股骨植入物稳定性。相比等待数月才能发现机械故障，ZENN模拟能及早检测结构不稳定或骨折愈合问题，提高诊疗效率。