追问daily | 为机器赋予人类触觉；为何有人患有阿尔茨海默病，却没有相关症状？反复练习如何形成记忆结晶？

█脑科学动态

反复练习，是如何在大脑中形成记忆结晶的？

经颅刺激和传统治疗相结合，治疗重度抑郁症效果显著

为何有些人患有阿尔茨海默病，却没有相关症状？

利用 tau 蛋白沉积模式预测阿尔茨海默病的严重程度

█AI行业动态

字节跳动发布豆包大模型家族

Jan Leike等人相继离职，超级对齐或成绝唱

Apple推出眼动追踪、车辆运动提示等多项无障碍功能

█AI研发动态

人工触觉系统为假肢手与机器人带来人类触感

RoboCA3T：利用机器人和计算机技术提升孤独症儿童的联合注意力和模仿能力

AI在睡眠医学中的潜力与挑战

ChatGPT可高效提取临床笔记中的数据

脑科学动态

反复练习，是如何在大脑中形成记忆结晶的？

加利福尼亚大学洛杉矶分校和洛克菲勒大学的研究团队最近进行了一项研究，揭示了大脑在重复练习过程中形成新的记忆路径的机制。这项研究由神经学家Peyman Golshani和洛克菲勒大学的Alipasha Vaziri共同领导。

研究人员让小鼠在两周内识别并记住一系列气味。通过一种新型定制显微镜，研究团队可以同时对多达73,000个神经元进行成像，跟踪小鼠在完成任务时的神经活动。实验过程中，研究人员使用光遗传技术在延迟后期和选择阶段抑制次级运动神经元，发现这种抑制显著影响了小鼠的任务表现。

通过大规模钙成像技术，研究人员观察到了次级运动皮层（M2）、后扣带皮层（RSA）和初级运动皮层（M1）的神经元群体活动。结果显示，随着小鼠学习任务，在M2中出现了许多延迟后期选择性神经元（late-delay-epoch-selective neurons），工作记忆在延迟后期的解码准确性显著提高。然而，在M1和RSA中并未观察到这种变化。进一步的体积钙成像显示，随着持续练习，延迟后期的工作记忆表征在M2中逐渐稳定。研究结果表明，通过重复练习，大脑的记忆模式逐渐从不稳定转变为稳定，形成所谓的“记忆结晶”。研究发表在 Nature 上。

#神经科学 #工作记忆 #大脑训练 #光遗传技术 #钙成像

阅读论文：

Bellafard, Arash, et al. “Volatile Working Memory Representations Crystallize with Practice.” Nature, May 2024, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-024-07425-w

经颅刺激和传统治疗相结合，治疗重度抑郁症效果显著

Harvard Review of Psychiatry发表了一项综述研究，探讨了将药物或心理治疗与经颅磁刺激（TMS）或经颅直流电刺激（tDCS）结合使用治疗重度抑郁症（MDD）的效果。该研究由波士顿马萨诸塞总医院神经治疗部门的研究主任Tina Chou和Darin Dougherty领导。

研究遵循系统综述和元分析的首选报告项目（PRISMA）指南，对截至2023年12月5日的相关文献进行了详细回顾。他们在PubMed、PsycInfo和Cochrane图书馆数据库中搜索，共纳入了58项研究，其中包括7项TMS结合心理治疗、32项TMS结合药物治疗、7项tDCS结合心理治疗和12项tDCS结合药物治疗。

研究发现，将正念减压训练与TMS结合使用，比单独使用正念训练或一般心理治疗更能有效减轻MDD症状。将标准的正念认知行为疗法与tDCS结合使用，比一般放松训练与tDCS结合使用更能显著减少MDD症状。在稳定药物剂量基础上添加TMS或tDCS可以减少MDD症状，但苯二氮卓类药物可能会干扰TMS和tDCS的治疗反应，抗精神病药物则可能干扰TMS的治疗效果。

具体而言，将西酞普兰（citalopram）以20-40毫克/天的剂量与TMS结合使用，可以在治疗开始一到两周内加速症状减轻，这种减轻效果可持续到治疗结束。将50毫克/天的舍曲林（sertraline）与30分钟的tDCS结合使用，对于症状较重的患者，可以显著减少MDD症状。研究发表在Harvard Review of Psychiatry上。

#大脑健康 #重度抑郁症 #经颅磁刺激 #经颅直流电刺激 #心理治疗

阅读论文：

Kochanowski, Brian, et al. “A Review of Transcranial Magnetic Stimulation and Transcranial Direct Current Stimulation Combined with Medication and Psychotherapy for Depression.” Harvard Review of Psychiatry, vol. 32, no. 3, June 2024, p. 77. journals.lww.com, https://doi.org/10.1097/HRP.0000000000000396.

为何有些人患有阿尔茨海默病，却没有相关症状？

荷兰神经科学研究所Luuk de Vries、Dick Swaab和Inge Huitinga等人，利用荷兰脑库的脑组织样本，研究了一部分虽然大脑内有阿尔茨海默病（AD）病理变化，但生前未表现出任何临床症状的个体。这项研究揭示了这些韧性（resilient）个体在分子和细胞层面上的独特变化。

研究团队对一组认知和病理明确的阿尔茨海默病患者、韧性个体和年龄匹配的对照组（每组11-12人）进行了基因表达变化的全局分析。结果显示，在阿尔茨海默病患者和对照组之间有897个基因显著变化，韧性个体和对照组之间有1121个基因显著变化，而韧性个体和阿尔茨海默病患者之间只有6个基因显著变化。

基因集富集分析（GSEA）显示，韧性个体中金属硫蛋白（metallothionein，MT）和与线粒体功能相关的基因表达较高。加权基因共表达网络分析（WGCNA）进一步识别出与未折叠蛋白反应（UPR）、线粒体过程和突触信号传导相关的基因模块，这些模块在韧性或痴呆之间有不同的关联。

免疫组织化学结果表明，韧性个体的星形胶质细胞（astrocytes）中金属硫蛋白显著增加。此外，韧性个体的大脑细胞中，线粒体基因MT-CO1的细胞外比例较高，而阿尔茨海默病患者中热休克蛋白70（HSP70）和X盒结合蛋白1剪接体（XBP1s）水平较高。研究还发现韧性存在性别差异，女性与男性在自噬（autophagy）相关的基因表达上存在差异。研究发表在Acta Neuropathologica Communications上。

#大脑健康 #阿尔茨海默病 #韧性机制 #线粒体 #未折叠蛋白反应

阅读论文：

de Vries, Luuk E., et al. “Gene-Expression Profiling of Individuals Resilient to Alzheimer’s Disease Reveals Higher Expression of Genes Related to Metallothionein and Mitochondrial Processes and No Changes in the Unfolded Protein Response.” Acta Neuropathologica Communications, vol. 12, no. 1, Apr. 2024, p. 68. BioMed Central, https://doi.org/10.1186/s40478-024-01760-9.

利用tau蛋白沉积模式预测阿尔茨海默病病情

阿尔茨海默病的病理过程中，tau蛋白在大脑中的积累和传播是关键过程。华盛顿大学圣路易斯医学院的研究团队，包括放射学助理教授Aristeidis Sotiras和计算与数据科学系Tom Earnest，开发了一种新方法，通过分析脑部扫描中的tau蛋白沉积模式来评估阿尔茨海默病的严重程度。

研究团队选取了418人的发现队列和132人的复制队列，使用flortaucipir成像技术（用于检测tau蛋白沉积）。他们应用非负矩阵分解（NMF）技术，识别出八种tau蛋白共变模式。这些模式与阿尔茨海默病的严重程度高度相关，包括痴呆状态和神经心理表现。研究结果表明，这些flortaucipir共变模式是可重复的，并与阿尔茨海默病相关基因表达图谱重叠。通过与淀粉样蛋白负荷和灰质损失的比较，研究进一步验证了他们的tau进展模型。该研究提出了一种基于数据驱动的flortaucipir分期系统，为现有系统提供了新的补充框架。研究发表在Alzheimer's and Dementia期刊上。

#大脑健康 #阿尔茨海默病 #tau蛋白 #机器学习 #脑部成像

阅读论文：

Earnest, Tom, et al. “Data-Driven Decomposition and Staging of Flortaucipir Uptake in Alzheimer’s Disease.” Alzheimer’s & Dementia, vol. n/a, no. n/a. Wiley Online Library, https://doi.org/10.1002/alz.13769. Accessed 16 May 2024.

AI 行业动态

字节跳动发布豆包大模型家族

字节跳动旗下的火山引擎近日正式发布了其全新豆包大模型家族，一次性推出了9个大模型成员。核心产品为豆包通用模型，提供了两种版本：响应速度更快的“lite”版和窗口尺寸达128K的“pro”版。这些模型的价格远低于行业标准，例如128K窗口尺寸的模型每千tokens仅需0.005元，低于行业平均价格95.8%。

发布会上，火山引擎未使用传统的榜单分数或参数规模，而是强调了实际使用效果。豆包大模型已经在抖音、今日头条等50多个场景中验证和应用，日均处理token数高达1200亿，日均生成图片数量为3000万张。

除了文本对话，豆包大模型在语音合成、声音复刻和语音识别方面也表现出色。例如，其语音合成效果已逼近真人水平，能够根据上下文调整说话的情绪和停顿。声音复刻技术则只需5秒即可克隆原声，并能表现出复杂的人类情绪。此外，豆包大模型的角色扮演功能使用户可以与虚拟角色进行更自然和个性化的对话。

火山引擎还推出了一站式AI应用开发平台“扣子（coze）”，支持无编程背景的用户简单高效地创建AI应用。扣子平台的Function Call模型和向量化模型能快速实现用户需求。

#豆包大模型 #火山引擎 #语音合成 #AI应用 #大模型创新

Jan Leike等人相继离职，超级对齐或成绝唱

2024年5月15日，OpenAI创始成员之一Ilya Sutskever宣布离职，紧随其后，RLHF（人类反馈强化学习）技术的发明者之一Jan Leike也宣布离职。

Jan Leike曾参与领导GPT-4项目的对齐工作，并在AI安全领域作出巨大贡献。其离职理由源于对OpenAI能否在AGI时代负责任地行动失去信心。这一系列的离职潮反映出OpenAI内部对于AI安全和监管的分歧和矛盾。

除了Ilya和Jan的离开，超级对齐团队的其他成员如William Saunders和Daniel Kokotajlo也已先后离职，后者甚至在Less Wrong论坛上公开表达了对当前AI监管措施的失望，认为这些措施容易被大公司钻空子，反而导致了“选择性暂停”。

#OpenAI #AI安全 #离职潮 #超级对齐 #AGI

Apple推出眼动追踪、车辆运动提示等多项无障碍功能

苹果公司近日宣布，将于今年晚些时候推出一系列新的无障碍功能，包括眼动追踪、音乐触觉反馈和语音快捷方式等。

其中，眼动追踪功能使得身体有障碍的用户可以通过眼睛控制iPad或iPhone。通过前置摄像头和设备上的机器学习，用户可以在几秒钟内完成设置和校准，所有数据都保存在设备上，确保隐私安全。音乐触觉反馈功能则为听力障碍用户提供了一种全新的音乐体验，通过iPhone的Taptic Engine播放触感和振动，让用户“感受”音乐。此外，语音快捷方式允许用户设定自定义语音指令，通过Siri执行复杂任务，提高设备的可操作性。

苹果还推出了车辆运动提示功能，帮助减少用户在行驶中的晕车感。该功能通过屏幕边缘的动画点来提示车辆的运动变化，减少感官冲突。此外，CarPlay也进行了无障碍功能更新，包括语音控制、色彩滤镜和声音识别等，使驾乘体验更加友好。

在新系统visionOS中，苹果还将引入全系统的实时字幕，帮助听力障碍用户更好地参与对话和使用应用。新功能还包括减少透明度、智能反转和减少闪光灯等，为低视力用户提供更好的视觉体验。

#苹果 #无障碍技术 #眼动追踪 #音乐触觉 #语音快捷方式

阅读更多：

https://www.apple.com/newsroom/2024/05/apple-announces-new-accessibility-features-including-eye-tracking/

AI 研发动态

人工触觉系统为假肢手与机器人带来人类触感

乌普萨拉大学Zhi-Bin Zhang和卡罗林斯卡医学院的研究团队开发了一种人工触觉系统，旨在使假肢手和机器人能够像人手一样感觉触摸。该系统主要由电子皮肤（e-skin）、人工神经元和处理器三部分组成。电子皮肤具有压力传感功能，人工神经元将模拟触觉信号转换为电脉冲，处理器则处理这些信号并识别物体。

传统电子皮肤在与物体接触时生成触觉信号帧，但不适合高效编码时间信息和快速特征提取。该研究的神经形态触觉系统使用尖峰时间，特别是首次尖峰时间，来编码动态触觉信息。这使得系统能够以与生物神经系统相当的毫秒级时间分辨率无缝编码信息，实现触觉特征的动态提取。

在测试中，研究人员使用了22种不同的抓握物体和16种不同的触摸表面。系统在接触物体的初期阶段就能快速分类它们，这为神经机器人和神经假肢所需的快速触觉反馈铺平了道路。研究发表在Science上。

#神经技术 #人工触觉 #电子皮肤 #假肢手 #触觉反馈

阅读论文：

Chen, Libo, et al. “Spike Timing–Based Coding in Neuromimetic Tactile System Enables Dynamic Object Classification.” Science, vol. 384, no. 6696, May 2024, pp. 660–65. science.org (Atypon), https://doi.org/10.1126/science.adf3708.

RoboCA3T：利用机器人和计算机技术提升孤独症儿童的联合注意力和模仿能力

该研究由巴基斯坦国家科技大学Sara Ali团队进行，旨在开发一种新的机器人启发的计算机辅助孤独症治疗方法（RoboCA3T）。孤独症谱系障碍（ASD）儿童对技术和机器人的天然亲和力为此研究提供了基础。RoboCA3T通过网络解决方案将机器人虚拟形象与计算机辅助治疗相结合，提供了个性化和基于人工智能的治疗方式。

研究涉及11名ASD儿童，在8个月内进行了30个疗程，每个模块分为两个阶段，总共660次实验试验，110次熟悉和110次跟踪测试。在联合注意力模块中，研究使用WebGazer进行注视检测，通过四个逐步增加的机器人生成提示评估受试者的注视模式。模仿模块则利用机器人生成的姿态，通过Tensorflow Lite进行姿态估计，比较受试者的模仿动作。

研究结果显示，通过比较干预前后的儿童自闭症评定量表（CARS）评分，RoboCA3T显著提高了联合注意力和模仿能力。第一和第二阶段之间的显著改善通过Wilcoxon符号秩检验（p<0.01）和Spearman相关分析得到验证，表明该方法在提高ASD儿童关键技能方面的有效性。研究发表在Journal of Computer Assisted Learning上。

#大脑健康 #自闭症治疗 #机器人辅助 #计算机辅助治疗 #人工智能

阅读论文：

Zahid, Zunera, et al. “RoboCA3T: A Robot-Inspired Computer-Assisted Adaptive Autism Therapy for Improving Joint Attention and Imitation Skills through Learning and Computing Innovations.” Journal of Computer Assisted Learning, May 2024. onlinelibrary.wiley.com, https://doi.org/10.1111/jcal.12990.

AI在睡眠医学中的潜力与挑战

美国睡眠医学学会（AASM）的人工智能睡眠医学委员会在一篇新评论中探讨了AI在睡眠医学领域的潜力和挑战。一作Anuja Bandyopadhyay及其团队通过战略分析，审视了AI在睡眠医学中的进展，并强调其在临床应用、生活方式管理和群体健康三个关键领域的革命性潜力。研究也指出了使用AI技术面临的障碍和挑战。

在临床应用方面，AI驱动的技术提供了全面的数据分析、复杂的模式识别和诊断自动化，这对于解决诸如睡眠呼吸障碍等慢性问题具有重要意义。尽管AI在睡眠医学中的应用尚处于初期阶段，但其利用AI可以提高效率和患者的就医机会，从而减少医护人员的职业倦怠。在生活方式管理方面，AI技术通过消费者睡眠设备，如健身手环、智能手机应用和智能戒指，提供了清晰的睡眠健康跟踪和改善方法。这些设备可以使患者积极管理自己的健康，AASM的一项调查显示，68%使用过睡眠追踪器的成年人表示，他们根据所学到的信息改变了行为。在群体健康方面，AI技术能够综合环境、行为和生理数据，促进群体层面的干预，弥合现有的医疗差距。

然而，AI在睡眠医学中的整合也存在数据隐私、安全性、准确性和可能强化现有偏见等问题。Bandyopadhyay强调，AI旨在加强睡眠障碍的评估和管理，而非取代专业医师的专业知识。她指出，导航这一新兴领域需要全面的验证和标准化协议，以负责任和伦理地实施AI技术。研究发表在 Journal of Clinical Sleep Medicine 上。

#神经技术 #人工智能 #睡眠医学 #临床应用 #健康管理

阅读论文：

Bandyopadhyay, Anuja, et al. “Strengths, Weaknesses, Opportunities and Threats of Using AI-Enabled Technology in Sleep Medicine: A Commentary.” Journal of Clinical Sleep Medicine, vol. 0, no. 0, p. jcsm.11132. jcsm.aasm.org (Atypon), https://doi.org/10.5664/jcsm.11132.

ChatGPT可高效提取临床笔记中的数据

UT西南医学中心的研究团队发现，ChatGPT可以有效地从医生的临床笔记中提取数据，用于研究目的。研究团队主要致力于开发和使用数据科学及人工智能（AI）工具来改进生物医学研究和医疗服务。

研究团队开发了一种基于大型语言模型（LLM）的工作流程，利用系统工程方法和螺旋式提示工程过程，通过OpenAI的API批量查询ChatGPT。他们使用超过1000份肺癌病理报告和191份儿科骨肉瘤病理报告的数据集，比较了ChatGPT-3.5（gpt-3.5-turbo-16k）的输出与专家精心整理的结构化数据。

结果显示，ChatGPT-3.5在肺癌数据集上的整体准确率为89%，优于两种传统的自然语言处理方法。其表现受提示设计的影响较大。案例分析表明，大多数误分类是由于缺乏高度专业化的病理学术语和TNM分期规则的错误解释。在儿科骨肉瘤数据集中，ChatGPT-3.5准确分类了分级和边缘状态，准确率分别为98.6%和100%。研究发表在npj Digital Medicine上。

#人工智能 #临床研究 #数据提取 #自然语言处理 #医学笔记

阅读论文：

Huang, Jingwei, et al. “A Critical Assessment of Using ChatGPT for Extracting Structured Data from Clinical Notes.” Npj Digital Medicine, vol. 7, no. 1, May 2024, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41746-024-01079-8.

整理｜ChatGPT

编辑｜丹雀 & 存源

追问互动

○如果您对本期内容有进一步想要追问的问题或者讨论的内容，欢迎在评论区留言，或者扫描二维码添加追问微信号，发送自我介绍，加入我们的社群参与互动。如需转载，还请留言。