摘要：英国公共医疗系统为何在心理健康研究领域节节败退？曼彻斯特大学的Aiste Adomaviciene及其同事进行的一项研究揭示，由于私营研究公司的崛起，英国国家医疗服务体系（NHS）在过去五年中心理健康商业临床试验的患者招募量暴跌44%，导致数千名患者错失了获得
脑科学动态
私营崛起公立衰退：英国NHS心理健康临床试验五年骤降44%
视觉的无缝交接：大脑半球如何协作以创造统一感知
孩子早上为什么总是磨磨蹭蹭？大脑“贴标签”能力是关键
一次血液测试即可评估11个身体系统的衰老速度
你的基因开关，部分由肠道细菌掌控
揭示痴呆症性别差异：中风与激素变化是女性高风险关键
欺凌不仅伤心，更伤脑
侵入性较小的脑电波记录利用血管以高精度获取活动信息
深部脑刺激可维持帕金森病患者5年运动功能
大脑皮层大规模网络活动呈现周期性模式
AI行业动态
英伟达豪掷千亿美金，联手OpenAI打造AI超级算力巨兽
DeepSeek发布V3.1-Terminus：精准修复语言顽疾
AI驱动科学
新型AI框架将灾难响应决策准确率提升39%
如何开发包容跨性别者的医疗人工智能
虚拟临床试验：AI新框架可预测心力衰竭药物研发成败
AI精准模拟大脑听觉中枢，ICNet模型破解神经编码难题
iSCALE技术突破空间转录组学瓶颈，实现大尺寸组织细胞级解析
脑科学动态
私营崛起公立衰退：英国NHS心理健康临床试验五年骤降44%
英国公共医疗系统为何在心理健康研究领域节节败退？曼彻斯特大学的Aiste Adomaviciene及其同事进行的一项研究揭示，由于私营研究公司的崛起，英国国家医疗服务体系（NHS）在过去五年中心理健康商业临床试验的患者招募量暴跌44%，导致数千名患者错失了获得前沿治疗的机会。
研究团队通过访谈制药公司高管和组织患者焦点小组的方式，深入剖析了这一趋势背后的原因。研究发现，私营的合同研究组织（CROs，即专门为制药行业提供研究外包服务的公司）凭借其专用设施、更高效的运营和更具吸引力的参与者报酬，正赢得越来越多制药公司的青睐，尤其是在早期临床试验阶段。相比之下，尽管NHS拥有庞大且可靠的患者数据，能够有效避免“职业患者”（为经济利益而频繁参与试验的人）的混入，并且患者更信任自己的医疗团队，但其在研究中却面临诸多挑战。参与试验的患者表示，他们参与的动机是希望获得更好的治疗和更密切的监护，但对NHS主导的研究中普遍存在的沟通不畅、试验结束后缺乏反馈以及经济补偿偏低等问题感到失望。研究指出，NHS若想重振其在临床研究领域的竞争力，必须借鉴私营部门的经验，包括简化审批流程、建立专业研究网络并大幅提高对参与者的报酬标准。研究发表在 Brain 上。
#疾病与健康 #心理健康与精神疾病 #公共卫生政策 #临床试验
阅读更多：
Adomaviciene, Aiste, et al. “Mental Health Research Delivery: What Can the National Health Service Learn from the Private Sector?” Brain, July 2025, p. awaf257. Silverchair, https://doi.org/10.1093/brain/awaf257
视觉的无缝交接：大脑半球如何协作以创造统一感知
我们看到的视界被大脑左右半球分开处理，但为何体验却无缝统一？来自麻省理工学院皮考尔学习与记忆研究所的 Matthew B. Broschard, Jefferson E. Roy, Earl K. Miller 等人，揭示了一种主动的“接力”机制，不同频率的脑电波协同工作，确保视觉信息在半球间被预先传递并确认交接。
研究团队通过记录灵长类动物追踪一个跨越视野中线的移动物体时，其双侧前额叶皮层的神经活动，来观察这一过程。他们发现不同频率的脑电波扮演着接力赛中不同跑者的角色。首先，在物体所在的“发送”半球，高频的伽马波（gamma waves，负责编码感官信息）率先活跃。关键的交接发生在物体跨越中线之前：此时，alpha 波在两个半球同时增强，如同“接收”半球在提前伸手准备接棒。当物体穿过中线后，交接完成的信号则由theta波在“接收”半球的峰值活动来确认。神经元放电数据也证实，在交接瞬间，两个半球会同时表征该物体，以确保信息不会丢失。这一主动协调的“握手”过程，是大脑创造无缝视觉体验的神经基础。研究发表在 Journal of Neuroscience 上。
#神经科学 #神经机制与脑功能解析 #认知科学 #视觉
阅读更多：
Broschard, Matthew B., et al. “Evidence for an Active Handoff between Hemispheres during Target Tracking.” Journal of Neuroscience, Sept. 2025. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.0841-25.2025
孩子早上为什么总是磨磨蹭蹭？大脑“贴标签”能力是关键
幼儿为何难以管理日常事务？这与其执行功能（executive function）尚在发育有关，而传统训练方法效果不佳。来自田纳西大学注意力、大脑和认知实验室的 Alexis McCraw 和 Aaron T. Buss 团队进行了一项纵向研究，发现幼儿命名和分类物体的“标签学习”能力是执行功能发展的关键，并且其早期的神经活动可以预测未来的执行功能水平。
研究团队对20名儿童进行了为期两年的追踪，从他们2.5岁持续到4.5岁。研究利用了一种对儿童十分友好的脑成像技术——功能性近红外光谱，并结合先进的3D图像重建方法，精确追踪大脑活动区域。在2.5岁时，孩子们完成简单的颜色和形状命名分类任务；到4.5岁时，他们则需要挑战一项更复杂的维度变化卡片分类任务（一种要求被试根据变化规则对卡片进行分类的经典执行功能测试）。
核心发现表明，在2.5岁进行简单的“标签学习”任务时，左侧额叶皮层激活更强的孩子，在两年后复杂的执行功能任务中表现得更出色。这揭示了“学习标签”这一看似简单的过程，实际上是儿童发展高级认知能力的基石。它不仅仅是语言学习，更是为大脑提供了分类、筛选信息和灵活调整行为策略的工具。这一发现为开发更有效的儿童早期干预措施指明了新方向，即通过强化标签学习来促进执行功能的健康发展。研究发表在 Monographs of the Society for Research in Child Development 上。
#认知科学 #神经机制与脑功能解析 #儿童发展 #执行功能
阅读更多：
McCraw, Alexis, et al. Monographs of the Society for Research in Child Development | SRCD Journal | Wiley Online Library. srcd.onlinelibrary.wiley.com, https://doi.org/10.1111/mono.12478. Accessed 23 Sept. 2025
一次血液测试即可评估11个身体系统的衰老速度
人体的不同器官会以不同的速度衰老，但传统测试无法捕捉这种差异。研究人员 Raghav Sehgal, Morgan Levine 及其同事开发了一种名为“系统年龄”（Systems Age）的创新血液测试，它能够通过一次采血，精准测量包括心脏、大脑、免疫系统在内的11个关键生理系统的独立衰老速度。
▷ 衰老异质性的层级结构。Credit: Nature Aging (2025).
研究团队利用机器学习技术，分析了数千人的健康数据和血液样本中的DNA甲基化模式。通过训练计算机模型识别这些模式与特定器官健康状况的关联，他们为11个生理系统分别创建了独立的“衰老时钟”。这项新测试在超过8000人的验证队列中显示出卓越的预测能力。结果表明，“系统年龄”测试在预测特定疾病风险方面，显著优于只能提供单一分数的传统生物年龄时钟。例如，一个人的心脏系统年龄分数，比其笼统的生物年龄更能准确预测未来患上心脏病的风险。更重要的是，该研究揭示了衰老的巨大异质性：两个总体生物年龄相同的人，其内部系统的衰老状况可能截然不同，一个可能免疫系统老化更快，而另一个则可能是代谢系统。这一发现为实现高度个性化的健康管理和精准干预开辟了新途径，医生可以根据哪个系统“老化”最快来制定针对性的预防策略。研究发表在 Nature Aging 上。
#疾病与健康 #个性化医疗 #预测模型构建 #衰老
阅读更多：
Sehgal, Raghav, et al. “Systems Age: A Single Blood Methylation Test to Quantify Aging Heterogeneity across 11 Physiological Systems.” Nature Aging, vol. 5, no. 9, Sept. 2025, pp. 1880–96. www.nature.com, https://doi.org/10.1038/s43587-025-00958-3
你的基因开关，部分由肠道细菌掌控
肠道内的数万亿微生物如何影响我们的基因和健康？夏威夷大学马诺阿分校（University of Hawaiʻi at Mānoa）的 Alika K. Maunakea, Noelle C. Rubas 和 Amada Torres 发表了一篇综述文章，系统阐述了肠道菌群通过表观遗传机制调控宿主基因“开关”的复杂网络。
▷ Credit: International Journal of Molecular Sciences (2025).
这篇综述文章系统地梳理了肠道微生物如何与人类基因进行“对话”。研究指出，这种交流的核心机制是表观遗传学（epigenetics，即在不改变DNA序列的情况下，通过化学修饰来开启或关闭基因的功能）。肠道细菌通过发酵膳食纤维等方式，产生短链脂肪酸等多种代谢物，这些物质如同化学信使，能够直接影响宿主细胞内的DNA或RNA甲基化过程，从而重新编程与免疫、新陈代谢乃至大脑健康相关的基因活动。这一过程并非单向。文章强调，宿主的饮食、压力、用药甚至年龄等因素，都会反过来塑造肠道菌群的组成和功能，形成一个复杂的反馈循环。深入理解这一循环为未来的精准医疗提供了蓝图。例如，医生可以利用特定的微生物生物标志物来评估健康状况，开发“活体生物疗法”（live biotherapeutics，将有益菌作为药物），或优化粪便微生物群移植技术。同时，人工智能（AI）和单细胞分析等前沿技术的应用，正帮助科学家以前所未有的精度来模拟和解析这些复杂的相互作用。研究发表在 International Journal of Molecular Sciences 上。
#疾病与健康 #跨学科整合 #个性化医疗 #表观遗传学 #肠道微生物
阅读更多：
Rubas, Noelle C., et al. “The Gut Microbiome and Epigenomic Reprogramming: Mechanisms, Interactions, and Implications for Human Health and Disease.” International Journal of Molecular Sciences, vol. 26, no. 17, Jan. 2025, p. 8658. www.mdpi.com, https://doi.org/10.3390/ijms26178658
揭示痴呆症性别差异：中风与激素变化是女性高风险关键
为何女性更容易患上阿尔茨海默病？针对这一性别差异，德克萨斯AM大学（Texas AM University）的 Farida Sohrabji 及其团队通过研究发现，老年女性更高的中风风险及更年期激素变化是关键驱动因素，并提出胰岛素样生长因子（IGF-1）和一种小分子RNA可能是潜在的性别特异性疗法。
研究指出，50岁以后，女性经历严重中风的风险持续高于男性，而中风是加速认知衰退和痴呆症的重要推手。团队发现，更年期导致的雌激素水平下降会削弱大脑的保护机制，使其更易受损。然而，简单的雌激素替代疗法并非万能钥匙，在老年动物模型中甚至会加剧脑损伤，显示出其作用的复杂性。在此基础上，该团队的最新研究将目光投向了中风后的长期病理变化。他们利用雌性大鼠中风模型发现，中风会引发持续的白质丢失和慢性的小胶质细胞激活，这些病理变化与长期的认知功能损害密切相关。关键在于，一种名为miR-20a-3p的小分子非编码RNA显示出巨大的治疗潜力。通过静脉注射该分子，研究人员成功地保护了中风后雌性大鼠的白质结构，抑制了有害的慢性神经炎症，并显著改善了它们的记忆能力。
#疾病与健康 #个性化医疗 #神经机制与脑功能解析 #性别差异
阅读更多：
Sampath, Dayalan, et al. “Loss of White Matter Tracts and Persistent Microglial Activation in the Chronic Phase of Ischemic Stroke in Female Rats and the Effect of miR-20a-3p Treatment.” bioRxiv, 6 Feb. 2025, p. 2025.02.01.636074. bioRxiv, https://doi.org/10.1101/2025.02.01.636074
欺凌不仅伤心，更伤脑
欺凌的心理和社会后果已广为人知，为了深入理解大脑对欺凌的即时反应机制，芬兰图尔库大学（University of Turku）的 Birgitta Paranko 和 Lauri Nummenmaa 等研究人员，通过功能性磁共振成像和眼动追踪技术，揭示了欺凌如何引发大脑的应激和警觉状态。
该研究分两部分进行。首先，研究人员对51名年龄在11至14岁之间的青少年和47名成年人进行了功能性磁共振成像（fMRI）扫描。在扫描过程中，参与者观看以第一人称视角呈现的模拟欺凌视频以及中性和积极的社交互动视频。通过fMRI，研究团队测量了大脑在不同视频情境下的神经活动，特别是关注社会情感、威胁反应以及社会认知相关的脑区。其次，在独立的实验中，57名成年人参与了眼动追踪实验，通过测量瞳孔大小和注视频率，量化了他们对视频的情绪和注意力反应。研究结果显示，无论是青少年还是成年人，观看欺凌视频都会迅速激活大脑的社会情感网络和自主威胁反应系统（autonomic threat response systems），从而引发一种痛苦的警觉状态。这种大规模的神经系统激活，涵盖了处理社会情感、躯体感觉和内感受信息的区域。眼动追踪数据进一步证实，欺凌视频引发了比其他社交互动更强烈的情绪和注意力反应，表现为瞳孔显著增大和注视频率更高。值得注意的是，这些神经反应的强度与参与者过去遭受欺凌的真实生活经历密切相关，表明个体过往的经历会增强大脑对欺凌情境的敏感性。Lauri Nummenmaa 强调，这种由欺凌引起的持续警觉状态，由于自主神经激活的增加，对身心健康都存在潜在危害。研究发表在 JNeurosci 上。
#疾病与健康 #神经机制与脑功能解析 #心理健康与精神疾病 #欺凌 #社会情感
阅读更多：
Paranko, Birgitta, et al. “Exposure to Bullying Engages Social Distress Circuits in the Adolescent and Adult Brain.” Journal of Neuroscience, Sept. 2025. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.0738-25.2025
侵入性较小的脑电波记录利用血管以高精度获取活动信息
如何无需开颅手术就能精确地“读写”大脑信号？日本大阪大学的 Takufumi Yanagisawa, Takamitsu Iwata 及其同事，开创了一种全新的微创技术。他们通过将超细电极送入大脑血管，成功实现了高精度的脑电波记录与刺激。
▷ ivEEG 在 ICV 中记录的 VEP。Credit: Advanced Intelligent Systems (2025).
传统高精度脑信号监测依赖于皮层脑电图（ECoG，一种需要开颅手术将电极阵列直接放置在大脑表面的技术），风险极高。为此，研究团队开发了一种全新的血管内脑电图（ivEEG，通过脑部血管记录神经活动的技术）。与以往只能进入大静脉的同类技术不同，他们利用导管将超细的微电极送入了猪脑中更细小、更贴近神经元的皮质静脉和深层静脉。实验结果表明，这种新方法的信号记录质量与ECoG不相上下，并且在空间分辨率上显著优于传统的大血管ivEEG。该技术不仅能精确捕捉由外部刺激引发的体感和视觉诱发电位，还能深入到以往难以触及的大脑深处进行记录。更重要的是，研究团队证实，通过这些血管内电极进行靶向电刺激，可以成功激活特定的运动皮层区域，并引起相应的面部和肩部肌肉收缩。这一“读写”双功能特性，意味着该技术未来有望在癫痫病灶定位、功能脑区映射以及为重度瘫痪患者开发先进的脑机接口方面发挥关键作用。研究发表在 Advanced Intelligent Systems 上。
#意识与脑机接口 #脑机接口 #微创技术 #神经记录
阅读更多：
Iwata, Takamitsu, et al. Microendovascular Neural Recording from Cortical and Deep Vessels with High Precision and Minimal Invasiveness. advanced.onlinelibrary.wiley.com, https://doi.org/10.1002/aisy.202500487. Accessed 23 Sept. 2025
深部脑刺激可维持帕金森病患者5年运动功能
帕金森病严重影响患者的运动能力，深部脑刺激（DBS）是重要的治疗手段，但其长期效果如何？由Philip A. Starr等人领导的、来自美国30家机构的INTREPID研究小组，通过一项大规模临床试验，对137名患者进行了长达五年的跟踪随访，系统评估了DBS的长期疗效与安全性。
该研究是一项严谨的多中心试验，最初采用双盲、假手术对照（sham-controlled）设计，以确保结果的客观性，随后进入为期五年的开放标签随访。参与者均为中度至重度帕金森病患者，他们接受了针对大脑丘脑底核的双侧深部脑刺激。研究团队使用统一帕金森病评定量表系统评估了疗效。五年后的数据显示，DBS的疗效具有出色的持久性。在停用药物的状态下，患者的总体运动功能评分相比治疗前仍改善了36%，日常生活活动能力改善了22%。DBS对特定症状的控制效果尤为突出：运动障碍评分大幅降低了70%，静止性震颤（rest tremor）和僵硬（rigidity）的改善率在五年后仍分别高达76%和47%。此外，患者的抗帕金森药物（左旋多巴等效剂量）用量稳定减少了28%，显著减轻了药物依赖和副作用。尽管步态等症状的改善会随疾病进展而减弱，但患者满意度在五年间平均高达94%。研究发表在 JAMA Neurology 上。
#疾病与健康 #神经调控 #个性化医疗 #帕金森病
阅读更多：
Starr, Philip A., et al. “Five-Year Outcomes from Deep Brain Stimulation of the Subthalamic Nucleus for Parkinson Disease.” JAMA Neurology, Sept. 2025. Silverchair, https://doi.org/10.1001/jamaneurol.2025.3373
大脑皮层大规模网络活动呈现周期性模式
来自牛津大学的 Mats W.J. van Es, Cameron Higgins, Mark W. Woolrich 等研究人员，通过分析大规模神经影像数据，发现大脑功能网络的活动并非随机，而是遵循一种内在的、时钟般的周期性模式，确保了各项认知任务的有序进行。
▷ 图表概述了研究人员发现的皮质功能网络组织中的结构化循环。Credit: Van Es et al.
研究团队分析了来自五个大型数据库的脑磁图）数据。他们利用机器学习算法识别不同大脑网络的激活状态，并开发了一种新方法来量化网络之间的转换模式。研究发现，尽管单个网络的激活看似随机，但整体上，这些大规模皮层网络的活动遵循一个稳健的周期性模式，周期时长在300到1000毫秒之间。这个“时钟”一样的循环结构，确保了具有相似功能的大脑网络在周期的特定阶段被激活，从而可能使大脑能够有序地协调各种认知功能，保证每项任务都在合理时间内完成。这一周期性模式在所有数据集中都稳定复现，并且其强度和速度等指标与个体的年龄、认知能力及行为表现相关，甚至表现出可遗传性。这项发现揭示了大脑在清醒状态下一种全新的、内在的时间组织原则。研究发表在 Nature Neuroscience 上。
#神经科学 #神经机制与脑功能解析 #大脑网络 #时间动态
阅读更多：
Starr, Philip A., et al. “Five-Year Outcomes from Deep Brain Stimulation of the Subthalamic Nucleus for Parkinson Disease.” JAMA Neurology, Sept. 2025. Silverchair, https://doi.org/10.1001/jamaneurol.2025.3373
AI 行业动态
英伟达豪掷千亿美金，联手OpenAI打造AI超级算力巨兽
芯片巨头英伟达与人工智能领域的领军者OpenAI共同宣布了一项里程碑式的战略合作。根据公告，英伟达计划向OpenAI累计投资高达1000亿美元，用于共同建设和部署一个规模空前的AI基础设施。该项目核心目标是提供至少10吉瓦（功率单位，1吉瓦等于100万千瓦，足以同时为约10万个家庭供电）的算力，预计将部署400万至500万块GPU，这一数量级相当于英伟达今年的总出货量。这个庞大的算力集群将成为OpenAI训练和运行通往超级智能的下一代模型的核心基石。
此次合作有着明确的技术路线图和时间表。首批系统计划于2026年下半年投入运营，并将基于英伟达继Blackwell之后发布的下一代AI平台——Vera Rubin。Vera Rubin并非单一芯片，而是一个集成了CPU、GPU和专用加速器的完整系统架构，专为处理海量数据和复杂的AI任务而设计。英伟达创始人兼CEO黄仁勋表示，此次合作将开启一个智能新纪元。OpenAI的CEO奥特曼与总裁Greg Brockman也强调，强大的计算基础设施是未来经济的基础，此次部署将极大地推动智能边界的拓展。
这项合作不仅确立了英伟达作为OpenAI扩展其“AI工厂”的首选战略合作伙伴地位，还将深化与微软、甲骨文等生态伙伴现有的合作关系。目前，OpenAI的周活跃用户已突破7亿，新的基础设施将为其实现造福全人类的通用人工智能（AGI）使命提供强大动力。消息公布后，市场反应极为热烈，英伟达股价应声上涨近4%，市值激增约1700亿美元，进一步巩固了其在AI硬件领域的绝对领导地位。
#英伟达 #OpenAI #AI算力 #战略投资 #VeraRubin
阅读更多：
DeepSeek发布V3.1-Terminus：精准修复语言顽疾，高难评测跻身全球前三
DeepSeek于近日发布了其语言模型的最新迭代版本——DeepSeek-V3.1-Terminus。此次更新并非对基础性能的全面提升，而是针对性地解决了用户体验中的关键问题，并强化了模型在复杂任务中的应用能力。该模型主要在两个方面进行了重大改进：一是显著提升了语言一致性，有效缓解了先前版本中偶发的中文与英文混杂输出以及出现异常字符等问题，为用户提供了更加流畅和专业的交互体验。二是进一步优化了模型的Agent能力，特别是在代码生成与处理（Code Agent）及信息检索与整合（Search Agent）方面的表现得到了增强。
在通用基准性能方面，DeepSeek-V3.1-Terminus相较于前一版本整体仅表现为小幅升级，部分指标甚至略有回落。然而，该模型在一项极具挑战性的评测中取得了瞩目的突破。在“人类最后考试”（The Last Human Exam: 一个旨在评估模型在人类也难以回答的开放性问题上表现的高难度基准）上，Terminus的得分从15.9分大幅跃升至21.7分。根据该基准的官方数据，这一成绩使其成功跻身全球前三名，仅次于Grok-4和的GPT-5，并以微弱优势领先于谷歌的Gemini 2.5 Pro，充分展示了其在处理高难度、开放式问题上的强大潜力。
#DeepSeek #大语言模型 #Agent能力 #AI评测 #模型更新
阅读更多：
AI 驱动科学
新型AI框架将灾难响应决策准确率提升39%
如何安全有效地将人工智能用于灾难应急决策？为解决自动化决策中的伦理与可靠性难题，克兰菲尔德大学的 Argyrios Zolotas, Julian Gerald Dcruz 等研究人员开发了一种结构化人工智能决策框架。该框架旨在平衡决策速度与安全性，为高风险场景下的负责任AI应用奠定基础。
▷ 高度概括了自主系统结构化决策的拟议框架，并与人类决策者的决策流程进行了比较。Credit: Scientific Reports (2025).
在灾难救援中，快速而准确的决策至关重要。尽管利用无人机和卫星图像的AI系统已投入使用，但其潜在的错误与偏见始终是安全隐患。为了解决这一问题，研究团队设计了一个新颖的结构化决策框架。该框架通过预设的结构化流程，引导AI进行更可靠、透明且符合伦理的自主决策，从而避免了传统AI单纯依赖算法判断可能带来的风险。
为了验证框架的有效性，研究团队进行了一项对比实验。他们让搭载新框架的AI代理、传统AI系统以及有实际灾难经验的人类（包括幸存者和救援志愿者）分别对多种模拟灾难情景做出响应决策。结果显示，该结构化AI框架的表现全面超越了其他两者。与传统AI相比，它在不同场景下做出持续准确决策的稳定性高出了超过60%；与人类决策者相比，其决策准确率更是高出了近39%。这表明，通过引入结构化设计，可以显著提升AI在复杂、高压环境下的决策质量，使其成为人类应急响应团队更可靠的伙伴。研究发表在 Scientific Reports 上。
#AI驱动科学 #预测模型构建 #机器人及其进展 #意图与决策
阅读更多：
Dcruz, Julian Gerald, et al. “Structured AI Decision-Making in Disaster Management.” Scientific Reports, vol. 15, no. 1, Sept. 2025, p. 32093. www.nature.com, https://doi.org/10.1038/s41598-025-15317-w
如何开发包容跨性别者的医疗人工智能
当前医疗人工智能的发展常忽略跨性别群体的特殊需求，存在严重的偏见。来自西班牙庞培法布拉大学、巴塞罗那超级计算中心（BSC-CNS）等机构的Nataly Buslon Valdez, Davide Cirillo, Oriol Rios及Simón Perera del Rosario，通过与跨性别社群的直接对话，探索了构建包容性医疗AI所面临的挑战与解决方案。
该研究采用了一种沟通方法论，邀请了18名跨性别者参与线上焦点小组，以确保他们的真实声音和生活经验成为研究的核心。研究发现，现有的人工智能系统普遍存在偏见，常常复制其创造者的二元性别观念。例如，许多帮助用户改变声音的应用程序，在识别出与用户自我认同不符的性别时，会给跨性别女性带来严重的情感困扰。参与者表达了对算法偏见的深切忧虑，担心基于顺性别规范（cisnormative，即假定所有人都是顺性别者的思维模式）数据训练的AI模型会导致误诊和不恰当的治疗。同时，他们也看到了AI的巨大潜力。一个包容性的AI可以为每个人提供真正的个性化医疗，比如根据个体的生理特征精确调整激素治疗的剂量，或自动检测激素与其他药物之间可能存在的风险。研究总结认为，要实现这一目标，关键在于让跨性别社群深度参与AI的设计与开发过程、建立更多元化的健康数据库，并确保算法的公平与透明。研究发表在 Journal of Medical Internet Research 上。
#疾病与健康 #个性化医疗 #跨学科整合 #AI偏见
阅读更多：
Buslón, Nataly, et al. “Exploring Gender Bias in AI for Personalized Medicine: Focus Group Study With Trans Community Members.” Journal of Medical Internet Research, vol. 27, no. 1, July 2025, p. e72325. www.jmir.org, https://doi.org/10.2196/72325
虚拟临床试验：AI新框架可预测心力衰竭药物研发成败
心力衰竭药物研发耗时长、失败率高，如何加速筛选有效药物？梅奥诊所的Nansu Zong和Cui Tao等人开发了一种人工智能框架，通过构建“虚拟临床试验”，结合真实世界患者数据和药物靶点预测，成功预测了多款药物在临床试验中的成败，为药物再利用提供了高效的筛选工具。
▷ 拟议框架概述。Credit: npj Digital Medicine (2025).
研究团队构建了一个“虚拟临床试验”框架，旨在筛选可用于治疗心力衰竭的 repurposed（再利用）药物。该框架的核心在于整合两大强大工具：一是利用来自梅奥诊所近6万名心力衰竭患者的电子健康记录，通过一种名为试验模拟的方法，在计算机上重现临床试验的对比分组过程，并追踪心衰相关的生物标志物变化来评估药物效果；二是一种新型人工智能模型，该模型通过分析药物化学成分与蛋白质序列等生物数据，预测药物与体内靶点的相互作用，从而增强预测的准确性。为了验证该框架的可靠性，研究团队选取了17种已完成三期临床试验的药物进行回溯性测试。结果显示，该虚拟试验框架准确地预测了所有17种药物的疗效“方向”，即成功区分出了7种在真实试验中有效的药物和10种无效的药物。尽管目前该模型还无法量化疗效的具体程度，但它能够高置信度地判断一种药物是否值得投入昂贵的临床试验，极大地提高了药物研发的效率。研究发表在 npj Digital Medicine 上。
#疾病与健康 #预测模型构建 #AI驱动科学 #药物研发
阅读更多：
Zong, Nansu, et al. “Advancing Efficacy Prediction for Electronic Health Records Based Emulated Trials in Repurposing Heart Failure Therapies.” Npj Digital Medicine, vol. 8, no. 1, May 2025, p. 306. www.nature.com, https://doi.org/10.1038/s41746-025-01705-z
AI精准模拟大脑听觉中枢，ICNet模型破解神经编码难题
如何精确模拟大脑处理声音的复杂过程？伦敦大学学院的 Fotios Drakopoulos, Nicholas A. Lesica 及同事开发了一款名为ICNet的深度学习模型。该模型首次以毫秒级精度和极高准确性，成功模拟了听觉中枢的神经编码活动。
研究团队构建的ICNet是一个创新的卷积编码器-解码器模型。他们利用从沙鼠听觉中脑的关键区域——下丘——记录的大规模神经活动数据对模型进行训练。ICNet的精妙之处在于其架构：一个共享的编码器学习所有个体通用的声音处理规律，而针对每个个体的独立解码器则负责将这些通用规律转化为特定的神经放电模式，并巧妙地利用时间戳信息来校正实验中不可避免的信号漂移（非平稳性）。测试结果表明，ICNet不仅能高度准确地预测大脑对语音、音乐等复杂声音的神经响应，对语音的模拟更是达到了近乎完美的水平，还能重现前向掩蔽（forward masking，指一个声音会影响其后紧接着的另一个声音的听阈）等经典的神经生理现象。该模型强大的泛化能力使其能推广到新的动物和声音，其内部的紧凑表征也为开发更先进的助听设备或语音识别系统提供了理想的“大脑前端”。研究发表在 Nature Machine Intelligence 上。
#AI驱动科学 #计算模型与人工智能模拟 #神经机制与脑功能解析 #跨学科整合
阅读更多：
Drakopoulos, Fotios, et al. “Modelling Neural Coding in the Auditory Midbrain with High Resolution and Accuracy.” Nature Machine Intelligence, Sept. 2025, pp. 1–16. www.nature.com, https://doi.org/10.1038/s42256-025-01104-9
iSCALE技术突破空间转录组学瓶颈，实现大尺寸组织细胞级解析
如何在大尺寸组织上实现细胞级基因表达分析？现有空间转录组学技术因捕获区域小而受限。宾夕法尼亚大学的 Amelia Schroeder, Mingyao Li 及合作者开发了一种名为iSCALE的计算框架，它能从小块组织的基因数据出发，预测并重建整个大尺寸组织的超分辨率基因表达图谱。
iSCALE方法的核心是一种创新的机器学习策略。研究人员首先从大块组织样本中获取几块标准大小的“子捕获”空间转录组学数据，并结合覆盖整个组织的“母”苏木精-伊红染色（hematoxylin and eosin, HE）组织学图像。通过训练一个神经网络模型，iSCALE学习到HE图像的微观特征与相应位置基因表达之间的复杂关系。随后，该模型能“脑补”出整个大尺寸HE图像上每个细胞级（8x8微米）位置的基因表达谱。在胃癌组织的基准测试中，iSCALE的表现远超同类工具，其自动生成的组织分割图谱与病理学家的手动标注及高分辨率技术的“金标准”数据高度吻合，并准确识别了与免疫反应相关的三级淋巴结构。更重要的是，当应用于一块超过标准ST平台捕获面积数倍的人类多发性硬化症脑组织样本时，iSCALE成功绘制了完整的病变图谱。它不仅精确区分了病变核心与富含激活小胶质细胞的病变边缘，还揭示了不同区域的细胞类型构成，这些发现均得到了免疫组化（immunohistochemistry, IHC）实验的验证。研究还展示了iSCALE强大的样本外预测能力，有望大幅降低大规模研究的成本。研究发表在 Nature Methods 上。
来源：博识雅士
