█腦科學動態

加班改變大腦結構：每周工作超52小時或致認知功能受損

繪制大腦命名網絡：揭示說話時詞匯檢索的神經機制

月經周期可以重塑大腦的結構和功能

秀麗隱桿線蟲單個神經元竟有“男女差異”

左撇子CEO更富創新力？

下丘腦不同神經元編碼捕食者威脅與安全狀態

癡呆癥風險不僅關乎生活方式：過度強調或導致污名化與指責

星形膠質細胞分泌分子逆轉衰老與癡呆相關認知缺陷

█AI行業動態

OpenAI首席科學家：AI模型將具備獨立科研能力

阿里巴巴開源其視頻生成與編輯模型通義萬相Wan2.1-VACE

█AI驅動科學

AI藥物設計師：1秒生成抗癌新藥分子

人工智能滿足自由意志條件——道德指南針成當務之急

世界上最小的自供電雙足機器人實現創紀錄速度

AI助力中風預防：腦部掃描揭示隱藏心臟病風險

數據交易實驗：43%的人死守這個隱私

AI驅動肺部3D重建系統顯著提升手術規劃精度

AI破解蛋白質聚集密碼：10萬實驗數據訓練出可解釋預測模型

腦科學動態

加班改變大腦結構：每周工作超52小時或致認知功能受損

過度工作如何重塑大腦？韓國延世大學的Wonpil Jang、Sungmin Kim等6人團隊通過腦掃描發現，每周工作超52小時會導致與認知、情緒相關的腦區結構改變，這可能解釋加班族常見的記憶力和情緒問題。

研究團隊招募110名醫護人員（32名每周工作≥52小時，78名標準工時者），采用基于體素的形態測量法（VBM，一種量化腦區灰質密度的影像技術）和基于圖譜分析技術進行比對。結果顯示，加班組的額中回（middle frontal gyrus）體積比標準組大19%，該區域主管工作記憶和復雜決策；另有17個腦區出現灰質增加，包括負責情緒處理的島葉（insula）。相關性分析證實，工作時間越長，這些腦區的體積變化越顯著（r=0.42）。研究者推測，這種"腦膨脹"可能是神經細胞對長期壓力的適應性反應，但可能以犧牲認知靈活性為代價。研究發表在 Occupational & Environmental Medicine 上。

#疾病與健康 #神經機制與腦功能解析 #心理健康與精神疾病 #職業健康 #腦科學

閱讀更多：

Jang, Wonpil, et al. “Overwork and Changes in Brain Structure: A Pilot Study.” Occupational and Environmental Medicine, May 2025. oem.bmj.com, https://doi.org/10.1136/oemed-2025-110057

繪制大腦命名網絡：揭示說話時詞匯檢索的神經機制

為什么腦損傷患者能命名物體卻說不出日常詞匯？紐約大學坦登工程學院/格羅斯曼醫學院的Leyao Yu、Adeen Flinker團隊通過高精度腦電技術，發現前額葉背側網絡專門負責將聲音轉化為意義。

?Credit: Cell Reports (2025).

研究團隊記錄48名神經外科患者的皮層腦電圖（ECoG），通過無監督聚類算法解碼出兩個關鍵網絡：負責語義整合的額中回/下回網絡會隨句子中詞匯意外性增強活動，如同“語義警報系統”；而位于下額葉和中央前回的發音網絡則像“語音指令中心”，無論看到還是聽到單詞都保持穩定工作模式。特別值得注意的是，背側前額葉區域在聽覺命名任務中表現出獨特激活模式，其神經信號強度能預測0.3秒后的詞匯檢索成功率。這種精確到毫秒級的發現解釋了為何臨床常用的視覺命名測試可能遺漏某些語言障礙——因為日常對話更依賴這套新發現的聽覺-語義轉換系統。研究為開發針對中風后失語癥的個性化神經調控方案提供了生物標志物，同時提示未來腦機接口需區分語義編碼和運動指令兩種信號。研究發表在 Cell Reports 上。

#神經科學 #神經機制與腦功能解析 #語言處理 #腦機接口 #語義網絡

閱讀更多：

Yu, Leyao, et al. “A Left-Lateralized Dorsolateral Prefrontal Network for Naming.” Cell Reports, vol. 44, no. 5, May 2025. www.cell.com, https://doi.org/10.1016/j.celrep.2025.115677

月經周期可以重塑大腦的結構和功能

加州大學圣巴巴拉分校的Nora S. Wolcott、Michael J. Goard團隊通過活體成像技術發現，小鼠發情周期中的雌二醇波動會同步改變海馬體神經元的連接結構與電信號處理方式，并直接影響空間記憶的穩定性。

?關于卵巢激素在大腦中的作用的研究描述。Credit: University of California - Santa Barbara

研究團隊使用雙光子激光掃描顯微鏡追蹤了小鼠多個發情周期中海馬體CA1區神經元的變化。結果顯示：在發情前期（雌二醇高峰階段），每個神經元會新增數百個樹突棘（dendritic spines），其中約30%會長期保留；同時，神經元內部的電信號反向傳播距離增加50%，表明信息整合能力增強。行為實驗中，位置細胞（place cells，編碼空間位置的神經元）在雌二醇高峰時對熟悉環境的反應穩定性提升30%，而在激素低谷期表現紊亂。這些發現首次將激素周期、突觸可塑性與認知功能動態關聯，為理解人類月經周期相關的認知波動提供了機制解釋。研究還發現睪酮可通過轉化為雌激素影響相同通路，提示激素調控記憶可能是跨性別的普遍現象。研究發表在 Neuron 上。

#神經科學 #神經機制與腦功能解析 #記憶機制 #個性化醫療 #激素調控

閱讀更多：

Wolcott, Nora S., et al. “The Estrous Cycle Modulates Hippocampal Spine Dynamics, Dendritic Processing, and Spatial Coding.” Neuron, vol. 0, no. 0, May 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.04.014

秀麗隱桿線蟲單個神經元竟有“男女差異”

以色列理工學院的Yael Iosilevskii、Menachem Katz和Benjamin Podbilewicz團隊與阿爾伯特愛因斯坦醫學院的David H. Hall合作，在秀麗隱桿線蟲中發現單個神經元（PVD）具有性別特異性結構和功能。

?PVD 結構顯示性別差異。右側為成年雌雄同體動物的 PVD（青色）。左側為成年雄性動物的 PVD（青色），以及支配雄性尾扇的 18 個神經元（洋紅色）。比例尺：每幅圖中 0.05 毫米（白色）。Credit: Podbilewicz's Lab, Technion

研究團隊以秀麗隱桿線蟲（C. elegans）為模型，通過高分辨率顯微鏡首次發現：雄性個體的PVD神經元（一種高度分支的感覺神經元）會在成年期延伸獨特分支進入交配器官尾扇，而雌雄同體個體則無此結構。這些分支的發育依賴于SAX-7/L1CAM蛋白（一種神經導向分子）的雄性特異性表達模式。行為實驗顯示，當PVD分支發育異常時，雄性交配行為效率降低40%，表現為轉身動作遲緩且協調性下降。值得注意的是，PVD在雌雄同體中僅參與痛覺感知，而在雄性中兼具交配功能，這為"一個神經元如何實現多功能"提供了范例。該發現首次在單神經元水平證實結構差異直接導致行為差異，可能解釋人類神經系統疾病的性別傾向性。研究發表在 PNAS 上。

#神經科學 #神經機制與腦功能解析 #性別差異 #行為神經學 #神經元可塑性

閱讀更多：

Iosilevskii, Yael, et al. “The PVD Neuron Has Male-Specific Structure and Mating Function in Caenorhabditis Elegans.” Proceedings of the National Academy of Sciences, vol. 122, no. 13, Apr. 2025, p. e2421376122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2421376122

左撇子CEO更富創新力？

Long Chen團隊通過分析標普500企業數據發現，左撇子CEO領導的公司專利產出更高。同時，遺傳學研究揭示TUBB4B基因變異與左撇子相關，神經科學研究則發現其大腦連接存在獨特模式。

商業研究通過CEO書寫照片構建慣用手數據集，結合Orbis專利數據庫分析顯示：左撇子CEO所在企業專利數量（對數轉換值）平均高出0.23，且更傾向雇傭外籍發明家。遺傳學團隊采用外顯子組分析（exome sequencing）發現，編碼微管蛋白的TUBB4B基因存在2.7倍于常人的罕見變異，可能影響大腦左右軸發育。神經科學研究利用人類連接組計劃（HCP）的fMRI數據，采用Shen 268節點腦圖譜分析顯示：青少年左撇子小腦連接差異達14.7%，而成年人前額葉差異顯著。這種“混音師”式腦連接可能解釋其多任務處理優勢。

#認知科學 #跨學科整合 #神經機制與腦功能解析 #企業管理 #遺傳學

閱讀更多：

Tejavibulya, Link, et al. “Brain Handedness Associations Depend on How and When Handedness Is Measured.” Scientific Reports, vol. 15, no. 1, Mar. 2025, p. 9674. www.nature.com, https://doi.org/10.1038/s41598-025-94036-8

“The Puzzle of Left-Handedness: Evidence from Corporate Innovation.” Journal of Behavioral and Experimental Finance, vol. 46, June 2025, p. 101053. www.sciencedirect.com, https://doi.org/10.1016/j.jbef.2025.101053

下丘腦不同神經元編碼捕食者威脅與安全狀態

加州理工學院David J. Anderson團隊與霍華德休斯醫學研究所合作，通過實時成像技術發現下丘腦存在三類功能特異的神經元群，分別編碼捕食者身份、安全狀態和威脅緊迫性。

?摘要圖總結了研究人員的研究成果，以及小鼠在受到捕食者威脅和處于安全狀態時的反應。Credit: Neuron (2025).

研究采用微型顯微鏡（miniscope）技術，首次在自由活動小鼠中同步記錄數百個VMHdmSF1神經元活動。當小鼠面對大鼠時，研究人員發現：約30%神經元特異性響應捕食者氣味（類似"鼠類探測器"），其活動隨大鼠距離縮短而增強；另一組神經元在小鼠進入庇護所后持續放電，形成"安全信號"，與威脅神經元形成拮抗關系。最關鍵的發現是第三類神經元，它們不直接控制凍結或逃跑行為，而是編碼"威脅緊迫性"——當逃生路線受限時放電強度提升3倍，提示其反映風險評估的內部狀態。通過AI分析數百萬幀行為視頻，團隊證實神經元活動模式能預測個體防御行為差異（R2=0.72），其中焦慮樣持續放電與創傷后應激障礙相關通路高度重疊。研究為開發精準干預恐懼障礙的靶點提供理論基礎。研究發表在 Neuron 上。

#神經科學 #神經機制與腦功能解析 #心理健康與精神疾病 #恐懼編碼 #下丘腦

閱讀更多：

Cheung, Kathy Y. M., et al. “Population Coding of Predator Imminence in the Hypothalamus.” Neuron, vol. 113, no. 8, Apr. 2025, pp. 1259-1275.e4. www.cell.com, https://doi.org/10.1016/j.neuron.2025.02.003

癡呆癥風險不僅關乎生活方式：過度強調或導致污名化與指責

西悉尼大學的Joyce Siette和Gilbert Knaggs團隊發現，當前公共衛生宣傳可能忽視社會經濟因素，導致對弱勢群體的不公平指責。研究呼吁更全面的預防策略。

研究整合了芬蘭、法國等國的臨床試驗數據，顯示雖然理論上45%癡呆癥可通過改變風險因素（如飲食、運動）預防，但實際效果受社會條件制約。低收入社區面臨更高風險：空氣污染（PM2.5）超標、綠地匱乏、慢性壓力等因素使這些區域癡呆癥發病率提升2-3倍。更關鍵的是，這些群體往往無法獲取健康食品或健身房等干預資源。研究特別指出，將疾病歸因于個人選擇會強化污名化，例如阿爾茨海默病患者常被誤認為"不夠努力"。相反，應通過改善公共基礎設施（如社區中心認知訓練）、政策支持（如帶薪護理假）等系統性方案降低風險。研究強調，有效的預防需兼顧個體行為與社會公平，例如芬蘭試驗中結合營養補助的干預使低收入參與者認知改善率提高37%。

#疾病與健康 #疾病預防 #健康管理與壽命延長 #社會不平等 #公共衛生

閱讀更多：

https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(24)01296-0/abstract

星形膠質細胞分泌分子逆轉衰老與癡呆相關認知缺陷

老齡化社會中，認知衰退和阿爾茨海默病嚴重威脅健康，但現有療法效果有限。里約熱內盧聯邦大學的Felipe Cabral-Miranda、Flávia Carvalho Alcantara Gomes團隊與圣保羅大學合作者發現，星形膠質細胞分泌的Hevin蛋白可顯著逆轉動物模型的認知缺陷。

?嚙齒動物海馬星形膠質細胞（紅色）過度表達 hevin（綠色）。Credit: Felipe Cabral-Miranda and Ana Paula Bergamo Araujo

研究團隊使用腺相關病毒（AAV）在中年阿爾茨海默病模型小鼠和正常衰老小鼠的海馬星形膠質細胞中過表達Hevin。行為測試顯示，治療組小鼠在迷宮學習和物體識別等任務中表現顯著改善，認知能力恢復至接近年輕水平。通過蛋白質組學分析發現，Hevin治療改變了89種突觸相關蛋白的表達，使突觸標志物共定位增加35%，表明其通過增強突觸連接改善認知。值得注意的是，這種改善并未影響淀粉樣斑塊沉積。研究還發現，正常衰老小鼠接受治療后認知功能也明顯提升，提示Hevin可能具有廣譜抗衰老作用。研究發表在 Aging Cell 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #星形膠質細胞 #突觸可塑性

閱讀更多：

Cabral-Miranda, Felipe, et al. Astrocytic Hevin/SPARCL‐1 Regulates Cognitive Decline in Pathological and Normal Brain Aging. onlinelibrary.wiley.com, https://doi.org/10.1111/acel.14493. Accessed 14 May 2025

AI 行業動態

OpenAI首席科學家Jakub Pachocki：AI模型將具備獨立科研能力

OpenAI首席科學家Jakub Pachocki近日接受《自然》采訪時表示，人工智能（AI）模型未來將能夠獨立開展科學研究。Pachocki自2017年加入這家位于加州舊金山的公司后，一直主導其最先進AI系統的開發，包括專注于邏輯任務的“推理模型”。他預測，未來五年內，AI將從需要人工指導的助手進化為能夠自主完成硬件設計、軟件工程甚至跨學科研究的工具。盡管當前模型的算力投入有限，但Pachocki認為，增加計算資源將顯著提升AI在科研中的突破能力。

Pachocki特別強調了強化學習（一種通過試錯和獎勵機制迭代訓練的方法）在開發推理模型中的關鍵作用。他解釋，此類模型通過預訓練階段吸收海量數據建立“世界模型”，再通過人類反饋優化其推理能力。盡管AI的“思考”方式與人類大腦不同，但他指出，已有充分證據表明模型能夠發現新穎見解，這是一種獨特的推理形式。此外，OpenAI計劃近期向研究人員開放一個可下載和再訓練的模型權重（即模型參數），但出于安全考慮，最前沿的模型仍將保持閉源。

關于通用人工智能，Pachocki坦言自己的預期已多次被技術突破刷新。從2016年AI攻克圍棋到如今在數學和問題解決上的進展，他預計AI將在本十年末實現“可衡量的經濟影響”，甚至自主產出有價值的科研成果。盡管AGI的定義仍在演變，但Pachocki認為，AI獨立開展研究的能力將是最接近他心目中AGI的里程碑。

#OpenAI #人工智能 #推理模型 #通用人工智能 #自主科研

閱讀更多：

https://www.nature.com/articles/d41586-025-01485-2

阿里巴巴開源其視頻生成與編輯模型通義萬相Wan2.1-VACE

阿里巴巴于2025年5月正式開源了其先進的視頻生成與編輯模型——通義萬相Wan2.1-VACE。該模型在一個統一架構中集成了文本生成視頻（T2V）、圖像參考生成視頻（R2V）、視頻重繪（V2V）、局部編輯、背景延展和時長延展等多種功能，顯著提升了視頻創作的效率和質量。特別是，其輕量級的1.3B版本可在普通消費級顯卡上運行，降低了使用門檻，廣泛適用于內容創作者、視覺特效藝術家和AI視頻編輯者等多個領域。

Wan2.1-VACE采用了基于擴散變換器（Diffusion Transformer, DiT）和自研的Wan-VAE時空壓縮模型的架構。該模型引入了視頻條件單元（Video Condition Unit, VCU）作為統一的輸入范式，將多樣化的輸入條件（如文本、圖像幀序列和掩碼序列）整合，支持多模態輸入。通過對DiT模型進行重構，Wan2.1-VACE能夠處理1080P長視頻的連續幀編解碼，實現高質量的視頻生成與編輯。此外，模型支持多任務組合生成，用戶可以在一個流程中完成多個復雜的視頻編輯操作，極大地簡化了創作流程。實驗顯示，Wan2.1-VACE在多個基準測試中表現優異，尤其在中文指令理解和處理方面具有顯著優勢。

#視頻生成 #多模態輸入 #擴散模型 #AI視頻編輯

閱讀更多：

https://www.xiaohu.ai/c/a066c4/wan2-1-vace

Hunyuan-TurboS：首個超大型混合Transformer-Mamba MoE模型

Google提出了一種新型人工智能算法“AlphaEvolve”，它能通過模擬生物進化過程優化神經網絡的結構和參數配置，從而在無需大規模人類干預的情況下，自動探索最優的深度學習模型。研究人員借助該算法，在圖像識別和語義理解任務中，成功設計出性能超越傳統模型的神經網絡架構。該方法強調“結構進化”和“參數自適應”的協同機制，展示出在通用智能系統設計中的潛力。

AlphaEvolve算法結合了進化策略（Evolution Strategies, 一種模擬自然選擇過程的優化方法）與神經結構搜索（Neural Architecture Search, 用于尋找最優神經網絡結構的技術）。該系統通過“生成-評估-選擇-變異”循環，使神經網絡架構和其參數能在不斷進化中趨于最優。

研究團隊構建了一個名為AlphaEvolve的系統，它不依賴于手動設定的模型結構，而是使用一個“種群”（population）來表示多個神經網絡個體。每個個體通過任務表現（如圖像識別準確率）進行評估。表現優異的模型將“繁殖”出新的候選結構，同時引入微小變異，如增加卷積層、調整激活函數等。該過程無需梯度信息，因此在復雜或不可微任務中也適用。

在CIFAR-10圖像分類和Language Modeling等標準任務中，AlphaEvolve設計出的網絡在準確率和泛化能力上超越了包括ResNet和Transformer在內的多個基線模型，驗證了結構自進化的有效性。例如，在CIFAR-10任務上，該系統進化出的模型準確率達到96.1%，超過傳統手工設計架構的95.5%。

#神經技術 #進化算法 #深度學習 #神經網絡搜索

閱讀更多：

https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/AlphaEvolve.pdf

AI 驅動科學

AI藥物設計師：1秒生成抗癌新藥分子

俄亥俄州立大學的Chen Ziqi、Bo Peng、Tianhua Zhai、Daniel Adu-Ampratwum和Xia Ning團隊開發了生成式AI系統DiffSMol，僅需1秒即可生成與FDA批準藥物性能相當的候選分子，將藥物發現時間從數年縮短至瞬間。

?DiffSMol 模型概覽。 Credit: Nature Machine Intelligence (2025).

研究團隊開發的DiffSMol采用"形狀條件擴散模型"技術：首先通過預訓練的形狀嵌入（shape embedding）編碼已知配體的3D結構特征，再通過擴散模型（diffusion model）逐步生成新分子。系統結合了兩種引導機制——形狀引導確保生成分子與目標配體相似，蛋白質口袋引導則優化結合親和力。實驗顯示，DiffSMol生成與配體形狀高度相似分子的成功率高達61.4%，遠超現有方法11.2%的水平。針對癌癥靶點CDK6和阿爾茨海默病靶點NEP的案例研究表明，生成分子的結合親和力（Vina評分）分別達到-6.970 kcal/mol和-11.953 kcal/mol，顯著優于已知配體。這些分子還具有優異的類藥特性：QED（藥物相似性指數）接近或高于0.8，毒性評分低至0.000-0.236，且完全符合Lipinski五規則。研究發表在 Nature Machine Intelligence 上。

#AI驅動科學 #個性化醫療 #藥物發現 #生成式AI #擴散模型

閱讀更多：

Chen, Ziqi, et al. “Generating 3D Small Binding Molecules Using Shape-Conditioned Diffusion Models with Guidance.” Nature Machine Intelligence, May 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s42256-025-01030-w

人工智能滿足自由意志條件——道德指南針成當務之急

生成式AI的自主決策是否意味著它們擁有自由意志？阿爾托大學的Frank Martela研究發現，當前AI系統已滿足自由意志的三大哲學條件。該研究通過分析Minecraft自主代理和軍用無人機案例，提出我們必須為具備自由意志的AI建立道德規范框架。

研究采用哲學解釋學方法，基于丹尼特的意向立場（intentional stance）和List的自由意志理論，建立功能性自由意志的三重標準：目標導向性、選擇真實性和行為可控性。通過分析Voyager代理（Minecraft中GPT-4驅動的自主AI）和Spitenik無人機（具備現代軍用無人機認知架構的虛構案例）發現，二者均能自主生成目標（如"探索多樣性"或"消滅目標"），在開放環境中做出差異化決策，并通過傳感器反饋調整行為路徑。關鍵證據顯示，若不以"AI具有意圖"為前提，人類觀察者無法有效預測其行為模式——這與我們理解人類心智的方式驚人相似。研究特別指出，最新ChatGPT因"奉承傾向"被下架的事件，證明簡單道德規則已不足以約束接近"成人"認知水平的AI系統。作者強調，開發者在設計自主AI時必須植入道德指南針（moral compass），且團隊需要具備道德哲學素養，才能教會AI在復雜情境中做出倫理選擇。研究發表在 AI and Ethics 上。

#AI驅動科學 #意圖與決策 #道德哲學 #大模型技術 #自主系統

閱讀更多：

Martela, Frank. “Artificial Intelligence and Free Will: Generative Agents Utilizing Large Language Models Have Functional Free Will.” AI and Ethics, May 2025. Springer Link, https://doi.org/10.1007/s43681-025-00740-6

世界上最小的自供電雙足機器人實現創紀錄速度

卡內基梅隆大學Steven Man、Soma Narita、Josef Macera、Aaron M. Johnson和Sarah Bergbreiter團隊開發出僅3.6厘米高的全自主雙足機器人Zippy，其速度打破所有尺寸雙足機器人紀錄，并具備復雜地形適應能力。

?Credit: Carnegie Mellon University, College of Engineering

研究團隊從前期開發的Mugatu機器人獲得靈感，采用被動動力學（passive dynamics）原理設計。Zippy通過圓足和單執行器（actuator，驅動裝置）實現自然步態：抬起前腿時重心前移，配合圓足產生的動量使后腿自然擺動。由于尺寸限制，創新性地用機械硬擋塊替代傳統伺服系統。測試顯示，這個25克重的“小個子”能以每秒10個腿長的速度（相當于成人19英里/小時）穩定行走，還可完成轉彎、跳躍和爬臺階等動作，續航達54分鐘。其速度表現超越所有已知雙足機器人，包括大型機器人Cassie（每秒4.1個腿長）。未來加裝傳感器后，多個Zippy可組成“機器人蜂群”執行危險環境搜救任務。

#自動化科研 #跨學科整合 #微型機器人 #仿生設計 #救援技術

閱讀更多：

Man, Steven, et al. Zippy: The Smallest Power-Autonomous Bipedal Robot. 1, arXiv:2505.05686, arXiv, 8 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.05686

AI助力中風預防：腦部掃描揭示隱藏心臟病風險

心房顫動（AF）是導致中風的常見但難以診斷的病因。墨爾本腦中心與墨爾本大學的Angelos Sharobeam、Bernard Yan等研究人員開發了一種AI系統，通過分析常規中風患者的MRI圖像，成功識別出潛在的AF病例。

?可視化結果支持了假設：機器學習算法可以根據梗塞區域的模式和特征，區分房顫或左心耳引起的中風。Credit: Karger Publishers

研究團隊收集了235名中風患者的MRI數據，其中97人確診AF。他們訓練了一個3D卷積神經網絡（ConvNeXt，一種能自動提取圖像特征的深度學習模型），通過分析腦梗塞區域的空間分布模式來區分AF與非AF引起的中風。模型在五折交叉驗證中表現出色，最佳AUC達0.88，整體性能穩定在0.81。特別值得注意的是，AI識別出AF相關中風的特征性模式——多腦區同時發生的梗塞，這與臨床已知的AF導致血栓分散的病理機制吻合。相比傳統需要長期心臟監測的方法，該技術僅利用患者已有的MRI數據，無需額外檢查或侵入性操作，且成本僅為傳統方法的1/5。研究發表在 Cerebrovascular Diseases 上。

#疾病與健康 #預測模型構建 #AI驅動科學 #個性化醫療 #中風預防

閱讀更多：

Sharobeam, Angelos, et al. “Detecting Atrial Fibrillation by Artificial Intelligence-Enabled Neuroimaging Examination.” Cerebrovascular Diseases, Feb. 2025. Silverchair, https://doi.org/10.1159/000543042

數據交易實驗：43%的人死守這個隱私

麻省理工學院感知城市實驗室的Martina Mazzarello、Fàbio Duarte團隊通過創新卡牌游戲"數據槽"發現，人們對隱私的評估會隨使用場景顯著變化，當數據應用帶來明確收益時，隱私擔憂可降低53%。

研究團隊開發了包含12種數據類型（如健康數據、位置信息）的交互式卡牌游戲"數據槽"（Data Slots），玩家在家庭、工作、公共空間三種場景中進行數據交易與方案投資。全球92個國家2,000多名參與者的行為數據顯示：個人移動數據最受重視（玩家保留率43%），而動物健康數據關注度最低（僅10%）。通過組合分析（combinatorial analysis，量化多因素交互影響的方法）發現，當數據使用附帶明確收益時（如用健康數據改善辦公環境），隱私擔憂平均下降53%。研究首次提出"數據價值四維模型"——價值取決于數據組合方式、應用場景、效益交換條件和文化背景。例如在職場場景中，62%玩家愿意共享環境數據以換取健康改善，但相同數據在家庭場景的共享意愿僅28%。這些發現為制定動態隱私政策提供了實證依據，特別適用于智慧城市（smart city）建設中的數據治理。研究發表在 Humanities and Social Sciences Communications 上。

#跨學科整合 #預測模型構建 #數據隱私 #行為經濟學 #智慧城市

閱讀更多：

Mazzarello, Martina, et al. “Data Slots: Trade-Offs between Privacy Concerns and Benefits of Data-Driven Solutions.” Humanities and Social Sciences Communications, vol. 12, no. 1, May 2025, pp. 1–12. www.nature.com, https://doi.org/10.1057/s41599-025-04776-1

AI驅動肺部3D重建系統顯著提升手術規劃精度

北大人民醫院、同濟大學附屬醫院等機構的Xiuyuan Chen、Chenyang Dai等研究人員開發了AI驅動的3D重建系統，顯著提高了手術規劃的準確性和效率。該系統將解剖變異識別準確率提升8%，錯誤減少41%，并榮獲99%的用戶滿意度。

研究采用多中心多閱片人多病例（MRMC）設計，納入450名患者中的140例，由10位胸外科醫生進行評估。AI-3D系統通過兩階段交叉設計進行測試，結果顯示：在解剖變異識別方面，中位準確率從0.78提升至0.87（p<0.01），對應錯誤減少41%。手術程序選擇準確率從0.77提高到0.85，錯誤率降低35%，其中不足切除風險顯著降低51%。系統還將術前規劃時間減少25%（63秒），特別在復雜病例中效果更明顯。全面的誤差分析證實了系統的穩定性，不同經驗水平的外科醫生均能獲益。研究發表在 Nature Communications 上。

#AI驅動科學 #預測模型構建 #個性化醫療

閱讀更多：

Chen, Xiuyuan, et al. “Artificial Intelligence Driven 3D Reconstruction for Enhanced Lung Surgery Planning.” Nature Communications, vol. 16, no. 1, May 2025, p. 4086. www.nature.com, https://doi.org/10.1038/s41467-025-59200-8

AI破解蛋白質聚集密碼：10萬實驗數據訓練出可解釋預測模型

蛋白質聚集導致阿爾茨海默病等50多種疾病，但預測方法受限于小規模數據。西班牙巴塞羅那科學技術研究院（BIST）的Mike Thompson、Mariano Martín團隊通過量化超10萬條蛋白質序列，開發出新型神經網絡CANYA，其預測準確率顯著超越現有方法，同時保持可解釋性。

研究團隊首先開發了大規模并行選擇分析方法，實驗量化了100,000多個完全隨機序列肽段的聚集狀態，創建了首個無偏數據集。評估發現現有方法（如CamSol）在新數據集上表現有限（最大AUROC僅0.673）。為此，團隊構建了卷積-注意力混合神經網絡CANYA（Convolution Attention Network for amYloid Aggregation），其架構結合了卷積層（識別短序列基序）和注意層（理解基序相互作用）。模型僅含三層17,491個參數，在普通CPU上訓練不到1小時，卻在三個獨立測試集中平均AUROC達到0.710-0.769，顯著優于基線。通過基因組神經網絡可解釋性分析，研究人員發現CANYA能智能調整評分策略（如在疏水序列中考慮破壞性殘基影響），并識別出富含半胱氨酸或天冬酰胺的聚集特征序列。這些發現不僅提供了實用的預測工具，更揭示了蛋白質聚集的"語法規則"。研究發表在 Science Advances 上。

#AI驅動科學 #預測模型構建 #蛋白質聚集 #神經退行性疾病 #生物技術

閱讀更多：

Thompson, Mike, et al. “Massive Experimental Quantification Allows Interpretable Deep Learning of Protein Aggregation.” Science Advances, vol. 11, no. 18, Apr. 2025, p. eadt5111. science.org (Atypon), https://doi.org/10.1126/sciadv.adt5111

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。如果您有進一步想要討論的內容，歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、等。