今日文獻聚焦於機器學習在中風後上肢復甦與 perinatal stroke 後腦年齡預測的應用，雖未直接涉及 rTMS，但提供神經可塑性評估與復健預測的重要基礎，為未來 rTMS 干預時機與個人化設計提供潛在依據。
Neurorehabilitation and neural repair · External Validation of a Machine Learning Model for the Early Prediction of Upper-Limb Recovery After Stroke.
該研究在獨立丹麥隊列驗證一個預測中風後6個月上肢功能復甦的機器學習模型，發現其預測效能與開發隊列相當，尤其對預測分數>40的患者校準良好，支持其在復健規劃中的初步臨床應用價值。
Human brain mapping · Global and Voxel-Wise Brain Age Prediction Analyses Following Perinatal Stroke.
此研究首次應用機器學習腦年齡預測模型於 perinatal stroke 兒童，發現其腦年齡落後（BAG）與運動功能負相關，且此關聯在男女間存在差異，提供了神經發育軌跡的新興生物標誌物，可未來指導個人化復健。