摘要：为何大脑的疾病易感性会随年龄变化？来自韩国科学技术院（KAIST）和基础科学研究所的 Inkyung Jung 与 Won-Suk Chung 等研究人员发现，生命早期的一个关键基因NR3C1，在星形胶质细胞中扮演着“免疫开关”的角色，其早期功能缺失会通过表观

脑科学动态

早期生命表观遗传记忆为成年后大脑炎症埋下伏笔

复旦大学研究揭示TENS疗法缓解神经痛的关键神经环路

整合数千项研究，新模型首次清晰描绘精神分裂症的大脑改变模式

大脑活动变异性在青春期前持续增长，并与执行功能发育相关

健康的习惯可以延缓大脑衰老

精细调控的遗忘：多巴胺或在记忆清除中扮演关键角色

微型“胶囊药厂”植入大脑，靶向对抗神经炎症

AI行业动态

谷歌为机器人换上Gemini新大脑

Meta新模型能预知代码后果，像资深程序员一样思考

ChatGPT 转向主动服务：推出Pulse功能，打造超级私人助理

AI驱动科学

Science：小鼠和AI神经网络在学习合作时涌现相似模式

AI能动性新规律：少量高质量数据可大幅提升模型自主工作能力

人工智能驱动的机器人外骨骼，为中风幸存者提供个性化行走辅助

机器学习与细胞成像结合，精准预测多发性硬化症药物疗效

MIT开发AI新工具，点击涂鸦即可加速医学图像分割

客服偏好AI还是人类？大型元分析揭示情境是关键

AI写的大学申请文书千篇一律，缺乏个人特色

脑科学动态

早期生命表观遗传记忆为成年后大脑炎症埋下伏笔

为何大脑的疾病易感性会随年龄变化？来自韩国科学技术院（KAIST）和基础科学研究所的 Inkyung Jung 与 Won-Suk Chung 等研究人员发现，生命早期的一个关键基因NR3C1，在星形胶质细胞中扮演着“免疫开关”的角色，其早期功能缺失会通过表观遗传记忆，增加成年后大脑过度炎症的风险。

▷ 示意图概述了 NR3C1 缺失诱导的表观遗传易感性对星形胶质细胞免疫反应选择性易感性的影响。Credit: Nature Communications (2025).

研究团队利用小鼠模型，并结合3D表观基因组分析、RNA测序等前沿技术，绘制了大脑中数量最多的支持细胞——星形胶质细胞——从胚胎到成熟期的详细发育图谱。他们发现，一个名为NR3C1的基因在小鼠出生后不久的一个短暂窗口期内发挥着至关重要的作用。这个基因如同一个“刹车”，通过建立长期的表观遗传记忆（epigenetic memory，即不改变DNA序列但能影响基因活性的化学修饰），来抑制星形胶质细胞在未来产生过度的免疫反应。

为了验证这一机制，研究人员特异性地在小鼠的星形胶质细胞中敲除了NR3C1基因。有趣的是，这些小鼠在发育过程中并未表现出任何异常。然而，当它们成年后，研究人员通过诱导一种多发性硬化症的动物模型来挑战其免疫系统时，缺乏NR3C1的小鼠大脑表现出剧烈的炎症反应，病情也更为严重。这表明，生命早期的NR3C1缺失，使得免疫相关基因处于一种被“预先激活”的开放状态，一旦成年后遇到炎症刺激，便会一触即发，反应过度。这一发现为理解阿尔茨海默病等神经退行性疾病的起源提供了全新视角。研究发表在 Nature Communications 上。

#疾病与健康 #神经机制与脑功能解析 #表观遗传学 #神经炎症

阅读更多：

Park, Seongwan, et al. “NR3C1-Mediated Epigenetic Regulation Suppresses Astrocytic Immune Responses in Mice.” Nature Communications, vol. 16, no. 1, Sept. 2025, p. 8330. www.nature.com, https://doi.org/10.1038/s41467-025-64088-5

复旦大学研究揭示TENS疗法缓解神经痛的关键神经环路

慢性疼痛影响全球五分之一人口，但现有疗法常伴有副作用。为探究经皮神经电刺激（TENS）的镇痛原理，复旦大学脑科学研究院的韩清见、刘帅等人进行研究，精准描绘出TENS激活特定大脑通路以实现持续镇痛的神经环路，为开发更优的疼痛疗法提供了新思路。

▷ 图形摘要。Credit:Neuron.

该研究以神经损伤小鼠为模型，揭示了为何“以触止痛”是有效的。研究团队发现，在损伤早期反复施加经皮神经电刺激，能够产生持久的镇痛效果。其核心机制在于激活了一条独立于传统疼痛通路的特定神经环路。TENS首先激活了背根神经节（dorsal root ganglia, DRG）中负责传递触觉和振动感的Aβ低阈值机械感受器。这些非痛觉信号随后上传至背柱核（dorsal column nucleus, DCN），并选择性地激活其中的一类谷氨酸能神经元。接着，信号被传递至丘脑的腹后外侧核，关键在于，接收该信号的神经元与处理来自脊髓的疼痛信号的神经元是两群完全独立的细胞。最终，这条非痛觉通路抵达躯体感觉皮层，从而抑制疼痛感知。这项研究完整揭示了从外周到大脑皮层的“DRG-DCN-丘脑-皮层”镇痛环路，为神经病理性疼痛的治疗提供了全新的、精准的干预靶点。研究发表在 Neuron 上。

#疾病与健康 #神经机制与脑功能解析 #神经调控 #疼痛机制

阅读更多：

Liu, Shuai, et al. “Neural Basis of Transcutaneous Electrical Nerve Stimulation for Neuropathic Pain Relief.” Neuron, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.08.010

整合数千项研究，新模型首次清晰描绘精神分裂症的大脑改变模式

精神分裂症的神经生物学基础因大量研究结果不一致而长期成谜。台北医学大学的 Paola Magioncalda, Abhishek Yadav 和 Matteo Martino 通过一项大规模的“伞形综述”，整合了50篇荟萃分析的结果，构建了一个全新的理论模型，首次清晰地描绘出精神分裂症在不同病程阶段大脑改变的时空演变图谱。

▷ 精神分裂症患者的灰质结构改变。Credit: Nature Mental Health (2025).

研究团队通过系统性回顾和整合已发表的50篇神经影像学荟萃分析，综合了数千项研究的数据，旨在发现精神分裂症中最稳定、最一致的大脑结构与功能改变。该模型揭示了一个清晰的病理演进路径：在疾病的前驱期，大脑的改变主要局限于内侧前额叶皮质等中线结构；进入首次发病的早期阶段，损伤会扩展到包括岛叶和颞上回在内的岛盖区，同时伴随默认模式网络的功能障碍；而在慢性期，病变则变得更加广泛，显著影响到负责高级认知功能的丘脑和前额叶皮质。该模型还将具体的大脑改变与精神分裂症的核心症状联系起来。例如，包含听觉皮层的颞上回区域损伤与患者的幻听体验密切相关，而默认模式网络的异常则与妄想症状有关。研究发表在 Nature Mental Health 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 #精神分裂症

阅读更多：

Magioncalda, Paola, et al. “An Umbrella Review of Neuroimaging Studies and Conceptual Framework Linking Pathophysiology and Psychopathology in Schizophrenia.” Nature Mental Health, Sept. 2025, pp. 1–15. www.nature.com, https://doi.org/10.1038/s44220-025-00493-5

大脑活动变异性在青春期前持续增长，并与执行功能发育相关

大脑如何发育以适应环境变化？为回答这一问题，耶鲁大学医学院的 Jean Ye 和 Dustin Scheinost 等人通过分析大规模神经发育数据，揭示了大脑活动变异性在青春期前会持续增强，随后趋于稳定，并发现这一标准发展轨迹与认知功能的成熟密切相关。

▷ Credit: Neuron (2025).

研究团队整合了超过3,000名参与者的四个神经影像数据集，利用一种新的计算框架，量化了大脑状态参与变异性（state engagement variability，简称SEV，指大脑在不同功能状态间切换的灵活程度）。分析发现，大脑的这种“灵活性”遵循一个非常一致的发育轨迹：从童年开始持续增强，直至青春期中期（约15至17岁）达到顶峰并稳定下来，且女性通常比男性更早进入稳定期。为了探究这一发育模式的功能意义，研究人员利用机器学习模型发现，个体的SEV水平可以有效预测其执行功能的表现。更重要的是，那些大脑发育偏离了这一典型轨迹的个体，其执行功能也相应更差。这一发现表明，神经变异性的有序发展是认知功能成熟的关键生物学基础，它使得青少年能够灵活地调动不同的大脑网络以应对日益复杂的学习和社交环境。研究发表在 Neuron 上。

#神经科学 #神经机制与脑功能解析 #大脑发育 #执行功能

阅读更多：

Ye, Jean, et al. “Variation in Moment-to-Moment Brain State Engagement Follows a Consistent Trajectory during Development.” Neuron, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.08.020

健康的习惯可以延缓大脑衰老

生活方式能否逆转大脑的衰老时钟？针对慢性疼痛和生活压力对大脑的影响，佛罗里达大学的 Jared Tanner 和 Kimberly Sibille 等研究人员，通过一项创新研究证实，乐观心态、良好睡眠和社会支持等积极因素能显著延缓大脑衰老，其效果甚至可以抵消慢性疼痛带来的负面影响。

▷ 图形摘要。Credit: Brain Communications (2025).

该研究对128名患有慢性肌肉骨骼疼痛的中老年人进行了为期两年的跟踪。研究团队利用磁共振成像（MRI）技术扫描参与者的大脑，并结合机器学习算法，精确估算出每个人的“大脑年龄”。通过比较大脑年龄与实际生理年龄的差距，即“大脑年龄差距”，研究人员得以量化大脑的整体健康状况。分析显示，积极的生活方式对大脑健康有着惊人的保护作用。拥有最多保护性因素（如高质量睡眠、乐观心态、健康的体重和社会支持）的参与者，其大脑在研究开始时竟比实际年龄年轻了8岁，并且在随后的两年里衰老得更慢。相反，慢性疼痛、低收入和低学历等压力因素则与更“老”的大脑相关。这项研究的重要意义在于，它证明了健康的行为和心理因素能够有效缓冲并抵御慢性压力对大脑造成的生理损伤，强调了“生活方式即是良药”的观点。研究发表在 Brain Communications 上。

#疾病与健康 #健康管理与寿命延长 #AI驱动科学 #生活方式医学

阅读更多：

Tanner, Jared J., et al. More than Chronic Pain: Behavioural and Psychosocial Protective Factors Predict Lower Brain Age in Adults with/at Risk of Knee Osteoarthritis over Two Years. academic.oup.com, https://dx.doi.org/10.1093/braincomms/fcaf344. Accessed 26 Sept. 2025

精细调控的遗忘：多巴胺或在记忆清除中扮演关键角色

遗忘究竟是大脑的故障还是必要功能？为了探究其主动调控机制，来自澳大利亚弗林德斯大学（Flinders University）的 Yee Lian Chew 和 Anna McMillen 团队，利用秀丽隐杆线虫作为模型，发现促进学习的神经递质多巴胺，同样在主动清除记忆的过程中扮演着核心角色。

▷ Credit: Flinders University

研究团队利用一种仅有毫米长度、神经系统简单的秀丽隐杆线虫进行实验。他们首先通过经典条件反射训练，让线虫学会将一种特定气味与食物奖励联系起来。随后，研究人员比较了正常线虫与经过基因改造、无法产生多巴胺的线虫。结果显示，缺乏多巴胺的线虫对已学会的关联记忆得异常牢固，遗忘速度远慢于正常同类，这有力地证明了多巴胺是驱动大脑主动“忘记”的关键信号。进一步的分子机制研究揭示，这一过程由两种特定的多巴胺受体——DOP-2和DOP-3——共同介导，这两种受体与人类大脑中的D2样受体（D2-like receptors，一种重要的多巴胺受体亚型）功能相似。当这两种受体被同时禁用时，线虫同样表现出“过目不忘”的特性。该研究还发现，遗忘的正常发生需要多巴胺系统的广泛参与，而非局部神经元的活动。这一发现在果蝇研究中也得到证实，表明多巴胺驱动的遗忘是一种跨物种保守的普遍大脑功能，为理解健康老化及帕金森病等神经退行性疾病中的记忆衰退提供了新视角。研究发表在 Journal of Neurochemistry 上。

#疾病与健康 #神经机制与脑功能解析 #记忆机制 #多巴胺

阅读更多：

McMillen, Anna, et al. Dopaminergic Modulation of Short‐Term Associative Memory in Caenorhabditis Elegans. onlinelibrary.wiley.com, https://doi.org/10.1111/jnc.70200. Accessed 26 Sept. 2025

微型“胶囊药厂”植入大脑，靶向对抗神经炎症

神经炎症是阿尔茨海默病等多种脑部疾病的关键因素，但有效递送治疗药物穿越血脑屏障是一大挑战。为此，休斯顿卫理公会医院的 Robert Krencik 与莱斯大学的 Omid Veiseh 及其合作团队，开发了一种微型生物工程系统，通过植入封装的细胞来持续、局部地释放抗炎蛋白，为治疗神经退行性疾病提供了新思路。

▷ 图形摘要。Credit: Biomaterials (2026).

研究团队设计了一种名为“星形胶囊”（AstroCapsules）的微型系统，将人类星形胶质细胞包裹在直径约300微米的生物相容性水凝胶胶囊中。他们通过基因工程改造这些细胞，使其能持续分泌一种名为白细胞介素-1受体拮抗剂（IL-1Ra）的强效抗炎蛋白。为了验证其效果，研究人员首先在实验室中将这些胶囊与人脑类器官共同培养。结果显示，“星形胶囊”释放的蛋白显著降低了类器官在炎性刺激下的炎症反应。更关键的是，当这些胶囊被植入小鼠大脑后，它们能够稳定存在并持续发挥作用，同时胶囊外壳成功地保护了内部细胞免受宿主免疫系统的攻击，避免了排斥反应和细胞的意外迁移。该研究不仅提供了一个对抗大脑神经炎症的创新细胞疗法平台，也为未来治疗阿尔茨海默病和帕金森病等神经退行性疾病开辟了新的途径。研究发表在 Biomaterials 上。

#疾病与健康 #神经机制与脑功能解析 #细胞疗法 #神经炎症

阅读更多：

“Delivery of Cytokines via Encapsulated Human Astrocytes for Neural Immunomodulation.” Biomaterials, vol. 326, Mar. 2026, p. 123650. www.sciencedirect.com, https://doi.org/10.1016/j.biomaterials.2025.123650

AI 行业动态

谷歌为机器人换上Gemini新大脑：能思考、会规划，还能跨形态学习

谷歌旗下DeepMind的研究人员近日发布了其机器人技术的最新成果——Gemini Robotics 1.5系列模型，为机器人装上了强大的新“大脑”。该系列旨在赋予机器人处理复杂现实世界任务的思考与行动能力。这一框架由两个核心模型协同工作：Gemini Robotics-ER 1.5模型（一种专注于物理世界推理和规划的视觉-语言模型）负责进行高级规划，而Gemini Robotics 1.5模型（一种能将视觉信息和语言指令转化为机器人具体动作的视觉-语言-行动模型）则负责将计划转化为精确的物理动作。

该框架的核心突破在于赋予了机器人“三思而后行”的能力。Gemini Robotics-ER 1.5能先对任务进行深入理解和推理，甚至调用外部工具获取信息，例如在打包行李时主动查询天气并决定加入雨伞。它将复杂的任务分解成一步步的自然语言指令，再交由Gemini Robotics 1.5执行。这种模式让机器人能更智能、主动地解决问题，并通过语言解释其决策过程，增加了透明度。这一进步使得机器人能够像人类一样，在行动前进行规划和思考，以应对更具挑战性的环境。

此外，该系列模型在跨具身学习方面取得了重大进展。过去，将在一个机器人上训练的技能很难直接应用于另一个。现在，一个模型可以跨多种机器人形态运行，将在某个机器人上获得的经验（如开门）迁移给全新的机器人，极大地加速了新技能的学习。这项创新预示着未来不同领域的机器人将能互相学习，共享知识，从而有力推动通用机器人研发进入快车道。

#谷歌机器人 #Gemini1 .5 #具身智能 #人工智能

阅读更多：

AI编程告别“盲打”：Meta新模型能预知代码后果，像资深程序员一样思考

近日，由Yann LeCun等研究人员支持的Meta公司发布了一项引人注目的AI研发成果——代码世界模型（Code World Model, CWM，一种能模拟代码执行结果的人工智能模型）。该模型的最大创新在于，首次将“世界模型”这一前沿概念引入代码生成领域。其核心思想是让大语言模型在生成代码之前，能够像人类程序员一样，在“脑海”中模拟和预测代码指令可能产生的效果，从而规划出更优、更准确的解决方案。这一机制旨在弥补当前主流模型在规划和预见能力上的不足，有望显著提升AI生成代码的质量与可靠性。

为了实现这一目标，Meta的研究人员使用了海量的编程数据对CWM进行训练，并特别加入了用于模拟Python程序在Bash环境中执行与交互的建模数据。通过这种专门训练，CWM获得了模拟代码执行流程的能力，能够以类似调试器的分步形式，清晰地展示其“思考”过程。为推动该领域的研究，Meta此次直接开源了三个不同版本的模型检查点，供研究社区用于不同目的的探索。

尽管CWM是一个参数量仅为320亿（32B）的相对较小的模型，但其在多个编程基准测试中表现出色。例如，在SWE-bench Verified上，CWM的成绩达到了65.8%，表现优于部分同类开源模型，并接近顶尖的闭源模型。此次发布更像是一次概念验证，Meta通过一个投入资源相对较少的项目，成功证明了将世界模型引入代码生成的巨大潜力。

#代码世界模型 #Meta #AI编程 #大语言模型 #开源

阅读更多：

ChatGPT 转向主动服务：推出Pulse功能，打造超级私人助理

OpenAI 公司近日向其专业订阅用户推出了 ChatGPT 的全新功能「Pulse」的预览版。公司首席执行官 Sam Altman 对此功能表示了极高的期待，称这是他“迄今为止最喜欢的 ChatGPT 功能”。Pulse 的推出标志着 ChatGPT 从以往完全被动的问答模式，正式转向主动服务模式，将其定位为“超级私人助理”，能够根据用户的偏好和环境主动进行工作。

Pulse 的核心机制是异步搜索，ChatGPT 会在每天晚上综合用户的记忆、聊天记录和直接反馈，以了解用户最相关的内容。第二天清晨，用户将在手机应用上收到一组自定义且有针对性的更新，这些内容以主题可视化卡片的形式呈现。这些推送内容高度个性化，可能涵盖用户经常讨论的后续、当晚快速健康的晚餐创意，或诸如铁人三项训练等长期目标的跟进步骤。为了进一步提高相关性，用户可以选择连接自己的 Gmail和 Google 日历，从而提供更多上下文信息，实现诸如起草示例会议议程、提醒购买生日礼物或推荐即将到来旅行餐厅等高级辅助功能。此外，用户可以通过点击“精选”来请求具体的每日搜索内容，并通过点赞或踩赞来指导 AI，确保内容的实用性和个性化。

Pulse 推出后，立即引起了大量用户的积极反馈。许多用户发现，推送的内容并非宽泛主题，而是与他们先前在 ChatGPT 中讨论的具体紧密相关，其生成的内容被形容为最个性化的新闻推送。这种主动推送的模式鼓励用户将更多信息、上下文和应用程序连接至 ChatGPT，以获得更优化的每日体验。研究人员指出，主动式 AI 的出现可能会影响人们获取新闻和消费社交媒体的习惯，甚至可能为 OpenAI 在未来插入广告或构建社交网络平台提供清晰的平台

#ChatGPT #Pulse #人工智能助理 #OpenAI #个性化推送

阅读更多：

AI 驱动科学

Science：小鼠和AI神经网络在学习合作时涌现相似模式

合作的本质是什么，是否存在超越生物和技术的通用法则？加州大学洛杉矶分校（UCLA）的 Weizhe Hong 和 Jonathan C. Kao 等研究人员，通过一项开创性的对比研究发现，小鼠大脑和人工智能在学习合作时，竟独立地发展出了惊人相似的行为策略和神经表征。

研究团队设计了一项精巧的并行实验。一方面，他们训练成对的小鼠在极短时间内协同行动以获取奖励，并利用钙成像技术监测其大脑前扣带皮层的神经活动。另一方面，他们利用多智能体强化学习算法训练AI代理在虚拟环境中完成同样的任务。结果显示，无论是小鼠还是AI，都学会了等待同伴、相互靠近等高效的合作策略。在生物层面，ACC中的神经元活动直接编码了这些合作决策过程，当研究人员抑制该脑区功能时，小鼠的合作行为随即瓦解。令人惊讶的是，AI的神经网络中也自发形成了类似的功能模块，专门处理与伙伴行为相关的信息。当研究人员选择性地“敲除”这些模块中的关键“神经元”时，AI的合作能力也显著下降。这一跨领域的发现表明，成功的合作可能依赖于某些普适的计算原理，这些原理既塑造了生物大脑的演化，也能在人工系统中重现。研究发表在 Science 上。

#神经科学 #计算模型与人工智能模拟 #神经机制与脑功能解析 #社会行为

阅读更多：

Jiang, Mengping, et al. “Neural Basis of Cooperative Behavior in Biological and Artificial Intelligence Systems.” Science, vol. 0, no. 0, Dec. 2025, p. eadw8151. science.org (Atypon), https://doi.org/10.1126/science.adw8151

AI能动性新规律：少量高质量数据可大幅提升模型自主工作能力

如何高效地让AI从“会思考”进化到“能干活”？针对当前训练自主AI智能体依赖海量数据的困境，来自上海创智学院、上海交通大学的Pengfei Liu及Yang Xiao等人组成的团队，提出了一种颠覆性的LIMI方法。他们发现，通过战略性地构建极少量高质量数据，即可高效激活模型的自主工作能力，从而确立了AI“能动性效率原则”。

该研究将AI的“能动性”作为核心目标。研究团队摒弃了传统依赖海量数据的“规模定律”，反其道而行之，专注于数据的质量而非数量。他们聚焦于协作编程和自动化科学研究两大复杂场景，精心构建了仅78个训练样本。这些样本并非简单的问答对，而是平均长度高达4.2万token的完整“能动性轨迹”（agentic trajectories），详细记录了从理解复杂需求、多步推理、调用工具到最终解决问题的全过程。实验结果极具震撼力：使用这78个样本微调后的LIMI模型，在权威能动性基准测试AgencyBench上得分高达73.5%，远超多个先进基线模型。最关键的对比是，相较于在10,000个样本数据集上训练的模型，LIMI的性能高出53.7%，而数据使用量仅为前者的1/128。这一发现证明了“能动性效率原则”：AI的自主能力并非来自数据堆砌，而是源于对能动性本质的理解和高质量数据的精准激活。

#AI驱动科学 #自动化科研 #大模型技术 #数据效率

阅读更多：

Xiao, Yang, et al. “LIMI: Less Is More for Agency.” arXiv:2509.17567, arXiv, 25 Sept. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2509.17567

人工智能驱动的机器人外骨骼，为中风幸存者提供个性化行走辅助

如何让康复设备真正理解并适应每一位中风患者？针对传统外骨骼“一刀切”的局限，佐治亚理工学院和卡内基梅隆大学的 Inseung Kang, Aaron Young 等研究人员，开发了一款由人工智能驱动的自适应机器人外骨骼，它能实时学习患者步态，提供量身定制的行走辅助。

▷ 佐治亚理工学院的人工智能外骨骼能够自动适应每一步，帮助患者更轻松地重新学习行走，并增强自信。Credit: Georgia Institute of Technology

该研究的核心是一个在线自适应框架，它利用神经网络实时分析来自髋部外骨骼传感器的数据。与需要工程师手动调节的传统设备不同，这套AI系统能在患者行走的一两分钟内，迅速学习并精准预测其独特的步态节奏，并据此动态调整辅助力度。这种个性化方法使得外骨骼能够与使用者无缝同步，即使步态发生变化也能即时适应。测试结果显示，该系统在中风幸存者身上将步态相位估计的准确率提升了65.9%，显著优于传统模型。在一项初步测试中，一名中风幸存者在使用此外骨骼后，行走速度提升了21.8%，而能量消耗（即代谢成本）则降低了6.5%，这意味着他们能以更小的力气走得更快更远。更具突破性的是，团队还开发了一项通用适配技术，让AI模型在不同硬件设备间迁移的错误率降低了超过75%，为该技术的广泛临床应用铺平了道路。研究发表在 IEEE Transactions on Robotics 上。

#疾病与健康 #机器人及其进展 #个性化医疗 #AI驱动科学

阅读更多：

Kang, Inseung, et al. “Online Adaptation Framework Enables Personalization of Exoskeleton Assistance During Locomotion in Patients Affected by Stroke.” IEEE Transactions on Robotics, vol. 41, 2025, pp. 4941–59. IEEE Xplore, https://doi.org/10.1109/TRO.2025.3595701

机器学习与细胞成像结合，精准预测多发性硬化症药物疗效

约35%的多发性硬化症患者对常用药那他珠单抗反应不佳，如何提前筛选出这部分人群是精准医疗的挑战。为此，巴西和法国的联合研究团队，包括Beatriz Chaves, Helder Nakaya及Loïc Dupré等人，开发了一种结合细胞成像和机器学习的创新工具，能高精度预测药物疗效，为实现个体化治疗方案提供了新途径。

▷ 无应答患者的 CD8 + T 细胞对那他珠单抗抑制细胞扩散具有抵抗作用，且这种抵抗方式依赖于肌动蛋白聚合。Credit: Nature Communications (2025).

研究团队首先在体外获取了多发性硬化症患者治疗前的血细胞，并施用药物那他珠单抗。接着，他们利用高内涵细胞成像（High-Content Imaging, HCI，一种能自动分析海量细胞图像以提取多维度信息的技术）观察了CD8+ T细胞（一种在免疫反应中扮演重要角色的淋巴细胞）的形态变化。通过该技术，研究人员量化了超过400个形态学特征，例如细胞的伸展程度以及内部肌动蛋白的组织方式。随后，团队应用机器学习算法分析这些复杂的细胞形态数据，成功构建了一个预测模型。该模型表现出色，在发现队列中的预测准确率高达92%，在独立的验证队列中也达到了88%。研究揭示了一个关键的生物学机制：对药物无应答的患者，其CD8+ T细胞在药物作用下仍能顽固地维持其伸长的、适合迁移的形态，这表明这些细胞对药物抑制其进入大脑的能力具有抵抗性。这一发现不仅提供了精准的预测工具，也为理解药物作用的个体差异提供了新的细胞层面见解。研究发表在 Nature Communications 上。

#疾病与健康 #预测模型构建 #个性化医疗 #多发性硬化症

阅读更多：

Chaves, Beatriz, et al. “In Vitro Morphological Profiling of T Cells Predicts Clinical Response to Natalizumab Therapy in Patients with Multiple Sclerosis.” Nature Communications, vol. 16, no. 1, July 2025, p. 5533. www.nature.com, https://doi.org/10.1038/s41467-025-60224-3

MIT开发AI新工具，点击涂鸦即可加速医学图像分割

医学图像手动分割耗时巨大，是临床研究的一大瓶颈。麻省理工学院计算机科学与人工智能实验室的Hallee E. Wong、Adrian V. Dalca等人开发了一款名为MultiverSeg的智能系统。该系统通过创新的交互式学习方法，使得研究人员无需编程或机器学习专业知识，即可快速、高效地完成整个图像数据集的分割任务。

▷ MultiverSeg 使用户能够快速分割新数据集。 Credit: arXiv (2024).

研究人员开发的MultiverSeg系统巧妙地结合了交互式操作与上下文学习。用户在处理第一张图像时，通过简单的点击、涂鸦或画框来指导AI进行医学图像分割。系统完成分割后，会将这张“图像-分割”对存入一个上下文集。当用户处理下一张新图像时，MultiverSeg不仅会利用当前的交互，还会参考上下文集中的已有范例，从而做出更精准的预测。随着分割的图像增多，上下文集不断扩大，系统变得越来越“聪明”，用户需要进行的交互操作也随之锐减，最终可能降至零，实现自动化分割。实验对比显示，MultiverSeg性能卓越。处理到第九张图像时，仅需两次点击就能生成比专用模型更准确的结果。与团队之前的工具相比，达到90%的准确率所需的涂鸦和点击次数分别减少了约1/3和1/4，极大地提升了标注效率，有望加速临床研究并降低成本。

#AI驱动科学 #自动化科研 #医学影像 #交互式分割

阅读更多：

Wong, Hallee E., et al. “MultiverSeg: Scalable Interactive Segmentation of Biomedical Imaging Datasets with In-Context Guidance.” arXiv:2412.15058, arXiv, 31 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2412.15058

客服偏好AI还是人类？大型元分析揭示情境是关键

在客服领域，AI与人类孰优孰劣？来自德国艾希施泰特-因戈尔施塔特天主教大学的 Katja Gelbrich、Alina Kerath 和丹麦奥尔堡大学的 Holger Roschk 等研究人员，通过一项大规模元分析，系统梳理了消费者对不同类型自动化客服的反应，揭示了偏好并非一成不变，而是高度依赖具体情境。

该研究是一项大规模的元分析，整合了过往327项独立研究的数据，覆盖了近28.2万名参与者，旨在厘清消费者何时会将自动化客服视为人类的等效替代品。研究发现，尽管人们口头上可能表达对人类客服的偏爱，但在实际购买或选择等行为上，AI与人类客服引发的差异远比想象中要小。研究的关键洞见在于“情境决定一切”。例如，在处理一些可能让顾客感到尴尬的事务时，如购买健康或私密产品，聊天机器人因其非人为的、谨慎的特性而更受欢迎。当任务需要绝对的客观性和效率时，例如计算最优路线或甚至是拒绝一笔贷款申请，算法的表现更佳，因为其“不带感情”的特质反而能减轻负面感受。而对于需要物理操作的任务，如酒店的客房服务，实体机器人则展现出明显优势。这项研究挑战了传统上认为AI客服应无限模仿人类的观点，并提出了一个新概念：自动化客服是兼具社交临场感和自动化临场感的混合体，其“机器”特性在特定场景下反而是一种优势。研究发表在 Journal of Marketing 上。

#认知科学 #跨学科整合 #人机交互 #消费者行为

阅读更多：

Gelbrich, Katja, et al. “Automated Versus Human Agents: A Meta-Analysis of Customer Responses to Robots, Chatbots, and Algorithms and Their Contingencies.” Journal of Marketing, May 2025, p. 00222429251344139. SAGE Journals, https://doi.org/10.1177/00222429251344139

AI写的大学申请文书千篇一律，缺乏个人特色

学生使用ChatGPT撰写大学申请文书能否真实反映个人特色？康奈尔大学的 Rene Kizilcec, Jinsook Lee 及其同事，通过大规模对比研究发现，大型语言模型生成的文书风格高度统一且缺乏个性，即使提供了详细的个人背景提示也难以改变这一模式，并且很容易被技术手段识别。

研究团队将三万篇由人类真实撰写的大学申请文书，与八种流行的大型语言模型生成的文书进行了深入对比。他们不仅让AI直接回答申请题目，还尝试在提示中加入申请者的具体人口统计学信息（例如种族、性别和地理位置），试图引导AI模仿特定个体的写作风格。分析显示，AI生成的文书与人类作品存在显著差异。AI倾向于重复提示中的关键词，并以公式化的方式罗列个人信息，而非构建引人入胜的叙事。令人意外的是，加入详细的个人背景提示不仅未能使文书更具个性，有时反而使其听起来更不像人类。这表明当前大型语言模型在写作风格上的对齐（alignment，即与人类偏好和价值观的协调程度）和可控性（steerability，即根据不同提示改变输出的能力）非常有限。此外，研究人员训练的AI分类器能以近乎完美的准确率识别出AI生成的文书，这意味着高校有能力检测出非原创的申请材料。

#大模型技术 #计算模型与人工智能模拟 #教育科技 #人工智能伦理

阅读更多：

Lee, Jinsook, et al. “Poor Alignment and Steerability of Large Language Models: Evidence from College Admission Essays.” arXiv:2503.20062, arXiv, 25 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.20062

来源：博识雅士