追问daily | 体重减轻与大脑神经细胞有关；电极密度翻倍，信号会失真；ChatGPT在医学问答中错误率高达63%

█脑科学动态

Cell：TDP-43蛋白双重相变驱动渐冻症发病

中国创新减肥药：48周减重14%且副作用更低

激活一个记忆，连带加强关联记忆

新型AAV载体精准靶向脑血管内皮细胞

体重减轻与大脑神经细胞有关

公众对脑部疾病神经技术治疗的接受度调查

多尺度脑模拟AI框架"Orangutan"实现动态环境智能突破

多中心颅内脑电图数据集揭示视觉意识神经机制

█AI行业动态

Google发布Gemma三剑客：医疗AI、手语翻译与海豚语言研究

字节跳动开源多模态大模型BAGEL

雷·库兹韦尔人形机器人公司获1亿美元投资

阿里巴巴发布QwenLong-L1-32B

█AI驱动科学

从单域到多域：D-I-TASSER实现蛋白质结构预测全覆盖

电极密度翻倍，信号却失真

ChatGPT在开放式医学问答中错误率高达63%

AI血液检测4周预判疗效，胰腺癌治疗迎来快进键

数字心理健康工具需要人性化：真人参与显著提升情感共鸣

AI或将消耗全球数据中心半数电力，能源危机迫在眉睫

内存比速度更重要？MIT颠覆计算资源认知

脑科学动态

Cell：TDP-43蛋白双重相变驱动渐冻症发病

马克斯·普朗克分子细胞生物学与遗传学研究所（MPI-CBG）Anthony Hyman团队（博士后闫啸等人为第一作者）发现，TDP-43蛋白在应激颗粒内经历"相分离中的相分离"过程，揭示了渐冻症（ALS）和额颞叶痴呆（FTD）的关键致病机制。

研究团队通过多学科方法揭示了TDP-43聚集的双重触发机制：首先，应激颗粒内的"升浓缩"效应（up-concentration）使TDP-43浓度增加5倍以上；其次，氧化应激暴露半胱氨酸脆弱位点。这两个条件协同导致"凝聚物内部分离"（intra-condensate demixing），即在应激颗粒主结构内形成独立的TDP-43富集小液滴。机制研究发现，RNA识别基序1（RRM1）结构域局部解折叠促进分子间二硫键形成，同时C端结构域（CTD）疏水区（HP）因分子间距缩短而相互作用增强。这一过程最终导致液-固相变，形成不可逆的病理性聚集体。研究设计的C175V变体（锁定易氧化半胱氨酸）和△HP变体（删除疏水区）成功抑制了细胞内的TDP-43聚集。该现象在ALS小鼠模型和患者大脑样本中得到验证，为干预神经退行性疾病提供了新靶点。研究发表在 Cell 上。

#疾病与健康 #神经机制与脑功能解析 #蛋白质聚集 #相分离 #神经退行性疾病

阅读更多：

Yan, Xiao, et al. “Intra-Condensate Demixing of TDP-43 inside Stress Granules Generates Pathological Aggregates.” Cell, vol. 0, no. 0, May 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.04.039

中国创新减肥药：48周减重14%且副作用更低

肥胖已成为全球健康挑战，现有GLP-1类药物虽有效但存在副作用问题。北京大学人民医院纪立农、河南科技大学第一附属医院姜宏卫等团队在NEJM发表研究，证实中国自主研发的玛仕度肽（Mazdutide）具有优异减重效果和更高安全性。

这项名为GLORY-1的3期临床试验在中国招募610名肥胖或超重成年人，随机接受4mg、6mg玛仕度肽或安慰剂治疗48周。结果显示，6mg组在32周时平均减重12.55%（约11公斤），48周时达14.01%（约12公斤），49.5%的参与者减重超过15%。除显著减重外，该药物还改善多项代谢指标：腰围平均缩小10.7厘米，收缩压降低8.5 mmHg，尿酸下降36.7 μmol/L，甘油三酯降低29%。安全性方面，主要不良反应为轻度胃肠道症状（恶心、腹泻），6mg组因副作用停药率仅0.5%，显著低于司美格鲁肽和替尔泊肽等同类药物。研究证实玛仕度肽作为全球首个GLP-1/GCG（胰高血糖素样肽-1/胰高血糖素）受体双重激动剂，通过同时抑制食欲和促进脂肪分解实现协同减重效果。研究发表在 New England Journal of Medicine 上。

#疾病与健康 #个性化医疗 #肥胖治疗 #GLP-1受体激动剂 #代谢疾病

阅读更多：

Ji, Linong, et al. “Once-Weekly Mazdutide in Chinese Adults with Obesity or Overweight.” New England Journal of Medicine, vol. 0, no. 0. Taylor and Francis+NEJM, https://doi.org/10.1056/NEJMoa2411528. Accessed 26 May 2025

激活一个记忆，连带加强关联记忆

已巩固的记忆能否通过再激活间接强化关联内容？分子生物学和神经科学研究所 (IFIByNE)-CONICET 和布宜诺斯艾利斯大学的Juan Cruz Beron、Luz Bavassi团队通过238人实验发现，当关联记忆共享原始习得环境时，目标记忆的再激活可同步提升周边记忆保留率。

▷本研究采用的基本实验方案。Credit: Communications Psychology (2025).

研究采用人脸-姓名对（目标记忆）和日常物品（周边记忆）的双任务范式。第一天参与者完成记忆编码；第二天实验组通过不完整提示（如模糊人脸）触发记忆再激活，对照组执行无关任务；第三天测试显示，相同情境下习得的周边记忆保留率显著提升（效应量d=0.62），而不同情境记忆无此效应。神经机制分析表明，海马体的模式完成功能可能通过重建原始编码环境实现关联强化。该发现解释了为何回忆毕业典礼可能连带强化派对记忆，但对异地发生的事件无效。研究为记忆巩固（memory consolidation）理论补充了环境依赖性的新证据，或有助于优化记忆干预策略。研究发表在 Communications Psychology 上。

#神经科学 #记忆机制 #情景记忆 #认知心理学 #脑功能解析

阅读更多：

Beron, Juan Cruz, et al. “Evidence for Indirect Strengthening through Reactivation of Contextually Bound Memories.” Communications Psychology, vol. 3, no. 1, Apr. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s44271-025-00250-5

新型AAV载体精准靶向脑血管内皮细胞

如何安全突破血脑屏障递送药物？加州大学欧文分校Xiangmin Xu团队与加州大学圣地亚哥分校、艾伦脑科学研究所合作，开发出基于基因组增强子的新型AAV载体，能高效靶向脑内皮细胞且副作用极小。

▷由徐实验室和神经回路绘图中心团队开发的 BEC 增强子 AAV 载体工具靶向脑内皮细胞（BEC）。病毒标记（绿色）与内皮细胞（洋红色）和脑血管蛋白标记（蓝色）重叠。Credit: Xu Lab

研究团队从单细胞表观遗传数据中鉴定出脑内皮细胞（BEC）特异的调控序列，将其整合到AAV-PHP.eB载体中。这种BEC增强型AAV通过静脉注射后，能像“分子特洛伊木马”一样穿越血脑屏障（BBB，保护大脑免受有害物质侵害的特殊血管系统），特异性标记脑内皮细胞。在阿尔茨海默病模型小鼠中测试显示，该载体转导效率达93%，且肝脏等外周器官的脱靶率低于5%。更令人振奋的是，即使在病理严重的AD模型中，载体仍保持高度特异性。相比需要开颅的传统方法，这种系统性给药方式创伤更小。研究还发现该载体可搭载Cre重组酶实现基因编辑，为开发针对脑血管的基因疗法奠定基础。研究发表在 Neuron 上。

#疾病与健康 #神经调控 #基因治疗 #跨学科整合 #个性化医疗

阅读更多：

Velazquez-Rivera, Eric, et al. “Specific Targeting of Brain Endothelial Cells Using Enhancer AAV Vectors.” Neuron, vol. 113, no. 10, May 2025, pp. 1562-1578.e6. www.cell.com, https://doi.org/10.1016/j.neuron.2025.03.031

体重减轻与大脑神经细胞有关

哥德堡大学萨尔格伦斯卡学院的Júlia Teixidor-Deulofeu、Linda Engström Ruud团队发现，背迷走神经复合体（DVC）中特定Adcyap1+神经元专门介导索马鲁肽的减重效果，且与副作用无关，为精准抗肥胖治疗提供新靶点。

▷Credit: Cell Metabolism (2025).

研究通过光遗传学激活和化学遗传学消融技术，精确操控小鼠DVC脑区的Adcyap1+神经元（表达垂体腺苷酸环化酶激活多肽的神经细胞）。实验显示，仅刺激这些神经元即可复制索马鲁肽的减重效果：肥胖小鼠食物摄入减少40%，脂肪流失显著，而肌肉损失仅为对照组的1/3。关键发现是，当消融这些神经元后，药物减脂效果下降67%，但条件性味觉厌恶（CTA，恶心行为的指标）仍保持85%强度，证明疗效与副作用分属不同神经通路。进一步机制研究表明，Adcyap1+神经元通过激活孤束核（NTS）的饱食信号通路发挥作用，且其上游受表达GLP-1受体的极后区（AP）神经元调控。该发现不仅解释了索马鲁肽的脑内作用路径，更提供了“精准减肥”的治疗思路：未来或可开发仅靶向Adcyap1+通路的药物。研究发表在 Cell Metabolism 上。

#疾病与健康 #神经调控 #个性化医疗 #肥胖治疗 #GLP-1R激动剂

阅读更多：

“Semaglutide Effects on Energy Balance Are Mediated by Adcyap1+ Neurons in the Dorsal Vagal Complex.” Cell Metabolism, May 2025. www.sciencedirect.com, https://doi.org/10.1016/j.cmet.2025.04.018

公众对脑部疾病神经技术治疗的接受度调查

神经技术治疗脑部疾病时，公众最关心什么？麻省总医院布里格姆的Rémy A. Furrer、Amanda R. Merner团队通过千人调查发现，治疗方式的侵入性和症状类型共同塑造公众选择——运动症状治疗比情绪治疗更易被接受，而需要开颅的深部脑刺激尽管被认为有效，却因高风险导致使用意愿最低。

研究让参与者对比评估四种神经技术：需植入电极的深部脑刺激（DBS）、无创的磁共振引导聚焦超声（MRgFUS，利用高频声波靶向治疗）、经颅磁刺激（TMS，通过头皮磁脉冲刺激神经）和传统药片。结果显示技术接受度与侵入性成反比：61%愿考虑药片，仅21%接受DBS。值得注意的是，针对运动症状（如帕金森震颤）的技术比治疗情绪症状（如抑郁）的评分高23%，后者被认为更可能“改变一个人的本质”。研究还发现“认知矛盾”——DBS虽被视为第二有效的治疗方式（仅次于药片），但因其高风险和强侵入性成为最不愿选择的技术。这种权衡提示临床沟通需同时强调疗效和安全性。该结果为神经技术开发者提供了重要洞察：非侵入式设计和针对运动症状的应用可能更容易被公众接受。研究发表在 Device 上。

#疾病与健康 #神经调控 #心理健康与精神疾病 #个性化医疗 #公众认知

阅读更多：

Furrer, Rémy A., et al. “Public Perceptions of Neurotechnologies Used to Target Mood, Memory, and Motor Symptoms.” Device, vol. 0, no. 0, May 2025. www.cell.com, https://doi.org/10.1016/j.device.2025.100804

多尺度脑模拟AI框架"Orangutan"实现动态环境智能突破

如何突破现有AI在动态环境中的适应局限？Yong Xie开发了名为"Orangutan"的多尺度脑模拟AI框架，该框架通过整合从神经元到脑区的多层次生物机制，在基础认知任务中展现出类脑的适应性表现。

研究团队构建的"Orangutan"框架实现了前所未有的多尺度整合：在微观尺度模拟神经元形态和神经兴奋传递过程；在介观尺度复现神经突触、微环路和皮层柱结构；在宏观尺度建模新皮质脑区及其投射关系。框架还整合了促进、前馈抑制等生物化学过程，以及群体编码、注意竞争等高级认知机制。基于此开发的扫视眼动模型在手写数字观察任务中验证了算法的生物合理性。研究发表在 Scientific Reports 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 #多尺度整合 #类脑计算

阅读更多：

Xie, Yong. “A Multiscale Brain Emulation-Based Artificial Intelligence Framework for Dynamic Environments.” Scientific Reports, vol. 15, no. 1, May 2025, p. 17569. www.nature.com, https://doi.org/10.1038/s41598-025-01431-2

多中心颅内脑电图数据集揭示视觉意识神经机制

由Alia Seedat、Alex Lepauvre、Jay Jeschke等组成的国际团队通过多中心合作，建立了首个标准化颅内脑电图（iEEG）数据集，包含38名癫痫患者的全脑记录与行为数据，为验证意识理论提供了关键资源。

研究团队在三家医疗中心采用统一实验协议，记录癫痫患者执行视觉任务时的神经活动。参与者需辨别四类视觉刺激（面孔/物体/字母/假字体），这些刺激呈现不同方向（前/左/右）和时长（0.5/1.0/1.5秒）。通过Go/No-Go目标检测任务设计，同一刺激在不同区块可能成为任务相关或无关目标，从而分离意识相关神经活动。数据集采用脑成像数据结构（BIDS）标准整理，包含电极重建、眼动追踪、临床信息等多元数据，并附预处理代码。特别值得注意的是，该研究源自全球神经元工作空间理论（GNWT）与整合信息理论（IIT）的对抗性合作，通过精心设计的实验范式可直接验证两种理论的关键分歧点。数据集已实现去标识化处理，其高质量与标准化程度为未来意识研究树立了新标杆。研究发表在 Scientific Data 上。

#意识与脑机接口 #神经机制与脑功能解析 #跨学科整合 #计算模型与人工智能模拟

阅读更多：

Seedat, Alia, et al. “Open Multi-Center Intracranial Electroencephalography Dataset with Task Probing Conscious Visual Perception.” Scientific Data, vol. 12, no. 1, May 2025, p. 854. www.nature.com, https://doi.org/10.1038/s41597-025-04833-z

AI 行业动态

Google发布Gemma三剑客：医疗AI、手语翻译与海豚语言研究

Google近日推出Gemma系列三大创新模型——MedGemma、SignGemma和DolphinGemma，分别瞄准医疗AI、辅助技术与跨物种通信领域。MedGemma作为医疗多模态模型，包含4B参数的多模态版本和27B参数的文本推理版本，支持医学图像分类、报告生成及临床决策辅助，虽未达临床级标准，但为开发者提供了高效微调与代理系统集成的灵活框架。SignGemma专注于美式手语（ASL）到英文的翻译，旨在提升听障群体的数字包容性，预计年内发布并开放测试。DolphinGemma则突破性地模拟海豚声音，通过分析40年声学数据生成仿生音频，甚至尝试建立人豚交互词汇系统，为跨物种交流研究迈出关键一步。

这三款模型体现了Google在垂直领域AI应用的深度探索。MedGemma强调医疗数据的隐私合规与实用落地；SignGemma延续了科技普惠的使命；DolphinGemma则颠覆传统，将语言模型（LLM）拓展至动物行为学。研究人员指出，这些项目均需社区协作完善——医疗模型需临床验证，手语翻译依赖用户反馈，而海豚研究更需长期生态观察。

从技术架构看，三款模型均基于Gemma轻量化设计，兼顾性能与可访问性。MedGemma支持单GPU部署；SignGemma整合多语言手语方言；DolphinGemma则首创“音频预测”范式。尽管应用场景迥异，它们共同指向AI的未来趋势：专业化、包容性与跨学科创新。

#医疗AI #辅助技术 #跨物种通信 #多模态模型 #GoogleGemma

阅读更多：

https://blog.google/technology/ai/dolphingemma/

字节跳动开源多模态大模型BAGEL：统一架构实现图文生成与推理，挑战GPT-4o

字节跳动推出的开源多模态大模型BAGEL（Batched Attention Generalist for Emergent Learning）旨在成为GPT-4o和Gemini 2.0的开源替代方案。该模型采用统一架构，可同时处理文本、图像、视频的输入与输出，支持图像编辑、推理、组合建模等复杂任务。其核心创新是“推理链机制”（Reasoning Chain），在执行任务前会通过内部文字思考步骤，例如先识别图像中的物体再执行编辑，从而提升生成精度。

BAGEL的功能覆盖多模态聊天、图像生成与编辑、导航与世界建模等场景。例如，它能根据自然语言生成高质量图像，支持任意尺寸输出；还能模拟物理世界演化，预测视频帧或转换3D视角。技术层面，BAGEL采用混合专家模型（MoT），结合视觉编码器（ViT）和变分自编码器（VAE）处理图像，并通过5.6万亿token的训练数据分阶段提升能力。

评估显示，BAGEL在图文理解、生成、编辑等任务中超越多数开源模型，部分表现接近GPT-4o和Gemini 1.5 Pro。尤其在中文多模态理解和推理型生成任务中表现突出，成为当前最强的开源多模态模型之一。其能力随训练数据量增长而“涌现”，展现出从基础生成到复杂推理的跃迁潜力。

#多模态大模型 #开源AI #图文生成 #推理链 #字节跳动

阅读更多：

https://github.com/bytedance-seed/BAGEL

雷·库兹韦尔人形机器人公司获1亿美元投资

由著名人工智能未来学家雷·库兹韦尔（Ray Kurzweil，以预测“技术奇点”闻名）共同创立的Beyond Imagination公司宣布，风险投资公司Gauntlet Ventures将独家注资1亿美元，助其完成B轮融资，公司估值达5亿美元。Beyond Imagination开发的人形机器人Beyond Bot及配套AI模型，计划应用于工厂、制药厂和芯片制造等工业场景，旨在解决全球技术工人短缺问题。库兹韦尔曾预言2045年人工智能将超越人类，如今这一愿景正逐步接近现实。

随着AI技术快速发展，英伟达、Meta、特斯拉等科技巨头纷纷布局人形机器人领域，试图将语言模型的突破延伸至物理世界。然而，机器人研发仍面临挑战，例如语言AI的进步并未直接转化为对现实环境的理解，许多公司不得不投入巨资收集真实世界数据以训练模型。Beyond Imagination另辟蹊径，开发了智能制造通用操作系统Aura，试图整合人类、机器与传统设备，打造协同工作生态。

Beyond Imagination的顾问团队阵容豪华，包括前高通CEO Paul Jacobs和派拉蒙影业前董事长Jim Gianopulos，显示出业界对其前景的看好。公司目前正与大型企业洽谈部署机器人，若成功，或将成为制造业自动化的重要推手。

#人形机器人 #AI革命 #制造业自动化 #技术奇点 #BeyondImagination

阅读更多：

https://www.reuters.com/technology/ray-kurzweils-humanoid-robot-startup-talks-100-million-investment-2025-05-20/

阿里巴巴发布QwenLong-L1-32B

阿里巴巴发布了QwenLong-L1-32B，这是首个专为长上下文推理任务设计的强化学习大型语言模型。该模型在七项长文档问答基准测试中表现优异，超越了OpenAI的o3-mini和Qwen3-235B-A22B等旗舰模型，性能媲美Claude-3.7-Sonnet-Thinking，标志着在处理信息密集型任务方面取得了重要进展。

QwenLong-L1-32B的训练框架包括三个关键阶段。首先，通过监督微调（Supervised Fine-Tuning，SFT）阶段建立初始策略，确保模型在短上下文任务中的稳健性。接着，采用课程引导的强化学习（Curriculum-Guided Reinforcement Learning）方法，逐步扩展上下文长度，稳定地将模型适应到长上下文任务中。最后，利用难度感知的回顾性采样策略（Difficulty-Aware Retrospective Sampling），根据任务复杂度调整训练样本，激励模型探索更有效的推理路径。在训练过程中，结合了GRPO和DAPO等强化学习算法，并引入了基于规则和模型的混合奖励函数，以平衡精确性和召回率。实验结果显示，QwenLong-L1-32B在七项长文档问答基准测试中均取得领先成绩，显示出在处理复杂推理任务中的强大能力。

#神经技术 #大语言模型 #强化学习 #长上下文推理

阅读更多：

https://huggingface.co/Tongyi-Zhiwen/QwenLong-L1-32B

AI 驱动科学

从单域到多域：D-I-TASSER实现蛋白质结构预测全覆盖

蛋白质结构预测是生物学重大挑战，AlphaFold2虽取得突破但仍存在多结构域预测等局限。南开大学郑伟联合新加坡国立大学张阳、密歇根大学安娜堡分校及密歇根州立大学研究人员开发了D-I-TASSER模型，在CASP15比赛中表现优异，对人类蛋白质组的预测覆盖率创纪录。

研究团队开发了D-I-TASSER（deep-learning-based iterative threading assembly refinement）模型，将深度学习与基于经典物理学的折叠模拟相结合。模型整合了AlphaFold2的距离图谱（distance map）、自主研发的DeepPotential接触图谱和AttentionPotential氢键网络，通过蒙特卡洛模拟在能量场中进行结构优化。特别设计的自动切割-独立预测-动态组装流程有效解决了多结构域蛋白质的预测难题。在权威的CASP15盲测中，D-I-TASSER对困难靶标的预测精度比AlphaFold2高出29.2%，域内精度达到0.858（提升2.8%），域间取向误差降低17%。大规模应用显示，该模型能够折叠人类蛋白质组中81%的结构域和73%的全长序列，新增3020个AlphaFold数据库未包含的独有模型。研究还成功解析了超过3000个氨基酸残基的超大蛋白质，如新冠病毒刺突蛋白的双构象。研究发表在 Nature Biotechnology 上。

#AI驱动科学 #预测模型构建 #蛋白质结构预测 #深度学习 #生物物理学

阅读更多：

Zheng, Wei, et al. “Deep-Learning-Based Single-Domain and Multidomain Protein Structure Prediction with D-I-TASSER.” Nature Biotechnology, May 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41587-025-02654-4

电极密度翻倍，信号却失真

植入式神经技术面临信号保真度挑战——高密度电极阵列中紧密排布的互连线路导致信号串扰（crosstalk）。Maria F. Porto Cruz、Elena Zucchini等跨国团队通过建立新型电路模型和开发校正算法，首次量化了串扰对脑电信号的污染程度，并成功还原更接近真实的神经活动信号。

研究团队首先在麻醉大鼠模型上记录皮层电图（ECoG），发现300Hz以上高频信号中，物理线路相邻的通道间存在异常相干性，这种相关性与其皮层电极的实际距离无关，强烈提示串扰干扰。通过阻抗谱测量，团队建立了包含电极-组织界面、互连线路、连接器等六个模块的等效电路模型，首次完整量化了从生物源到放大器的信号失真路径。基于此开发的串扰反向校正算法，通过数学反卷积消除耦合效应，使相邻通道间的信号相干性平均下降37%，验证了模型准确性。值得注意的是，研究区分了电阻性耦合（与频率无关）和电容性耦合（随频率升高而增强）的不同影响，为不同频段神经信号解读提供了校准标准。该成果为高密度神经接口的数据质量控制建立了新范式，避免因信号混淆导致错误神经解码。研究发表在 Nature Communications 上。

#疾病与健康 #大脑信号解析 #神经调控 #计算模型与人工智能模拟 #脑机接口

阅读更多：

Porto Cruz, Maria F., et al. “Bridging Circuit Modeling and Signal Analysis to Understand the Risk of Crosstalk Contamination in Brain Recordings.” Nature Communications, vol. 16, no. 1, May 2025, p. 4744. www.nature.com, https://doi.org/10.1038/s41467-025-59391-0

AI医疗诊断陷困境：ChatGPT在开放式医学问答中错误率高达63%

滑铁卢大学Troy Zada、Sirisha Rambhatla团队联合多伦多大学和圣迈克尔医院研究人员发现，ChatGPT-4.0在模拟真实场景的医疗问答中错误率高达63%，且多数回答不够清晰。研究呼吁公众谨慎使用AI进行自我诊断。

研究团队开发了EvalPrompt评估方法，将医师执照考试中的94道多选题改编为开放式问题，模拟患者可能向ChatGPT咨询的症状描述。实验分为两个阶段：首先测试完整信息下的回答质量，其次通过句子丢弃（sentence dropout）方法模拟信息缺失场景。由医学院学生和专家共同评估显示，仅31%（29/94）的回答正确，34%（32/94）的回答达成评估共识。典型案例中，模型将殡葬学学生因乳胶手套引起的皮疹错误归因于新洗衣液。虽然模型在信息缺失测试中表现出61%（92/152）的稳健性，但远低于医疗诊断所需的可靠性标准。研究强调，LLMs目前仍存在传播医疗错误信息的风险，尤其当回答包含细微错误时更难被非专业人士识别。研究发表在 JMIR Formative Research 上。

#AI驱动科学 #大模型技术 #预测模型构建 #医疗错误信息 #自我诊断

阅读更多：

Zada, Troy, et al. “Medical Misinformation in AI-Assisted Self-Diagnosis: Development of a Method (EvalPrompt) for Analyzing Large Language Models.” JMIR Formative Research, vol. 9, no. 1, Mar. 2025, p. e66207. formative.jmir.org, https://doi.org/10.2196/66207

AI血液检测4周预判疗效，胰腺癌治疗迎来快进键

胰腺癌治疗面临"时间就是生命"的挑战，传统影像监测存在滞后问题。约翰霍普金斯大学金梅尔癌症中心的Carolyn Hruban、Victor E. Velculescu团队开发了人工智能血液检测技术ARTEMIS-DELFI，能在治疗开始后4周内判断疗效，帮助患者及时调整治疗方案。

研究团队在CheckPAC和PACTO两项临床试验中，对比了两种检测方法：WGMAF需要匹配肿瘤样本进行全基因组突变分析（whole-genome MAF），而ARTEMIS-DELFI仅需血液样本，通过机器学习分析数百万cfDNA碎片模式（fragmentation profiles）。结果显示，ARTEMIS-DELFI组治疗后低分患者中位生存期比高分患者延长61天，风险比低至0.12。该方法突破性地实现了四大优势：检测周期缩短75%（4周vs传统16周）、无需侵入性肿瘤取样、适用于100%患者（WGMAF受限于33%患者缺乏合格样本）、且成本更低。特别在免疫治疗场景中，其准确率显著优于易受免疫细胞干扰的CT检查。研究证实这种"快速失败"策略可使无效治疗患者尽早转换方案，避免宝贵时间浪费。研究发表在 Science Advances 上。

#疾病与健康 #个性化医疗 #AI驱动科学 #癌症监测 #液体活检

阅读更多：

Hruban, Carolyn, et al. “Genome-Wide Analyses of Cell-Free DNA for Therapeutic Monitoring of Patients with Pancreatic Cancer.” Science Advances, vol. 11, no. 21, May 2025, p. eads5002. science.org (Atypon), https://doi.org/10.1126/sciadv.ads5002

数字心理健康工具需要人性化：真人参与显著提升情感共鸣

全球精神健康服务面临巨大缺口，数字干预工具能否保持传统治疗的核心优势？雷丁大学的Thomas J. Nyman团队通过对比实验发现，即使采用标准化脚本，真人参与的在线心理访谈仍比全自动化系统更能激发用户情感投入和同理心感知。

研究设计三种在线访谈模式：半脚本真人互动（访谈者可适度调整对话）、全脚本真人互动（严格按脚本执行）、预录视频自动化互动（模拟AI对话）。通过面部情绪识别技术客观记录75名参与者的微表情，同时收集主观评价。数据显示，两种真人互动组中，参与者"喜悦"表情出现频率比自动化组高47%，且自我报告的同理心感知评分显著提升（p<0.001）。值得注意的是，完全脚本化的真人互动仍比自动化视频引发更强情感共鸣，说明人类存在本身具有独立于对话灵活性的心理效应。研究还发现感知同理心与情绪表达强度呈中度正相关（r=0.35），这为未来开发能模拟人类特质的心理健康AI提供了量化标准。研究发表在 PLOS One 上。

#认知科学 #心理健康与精神疾病 #数字医疗干预 #情感计算 #人机交互 #治疗联盟

阅读更多：

Nyman, Thomas J., et al. “Emotional Engagement and Perceived Empathy in Live vs. Automated Psychological Interviews.” PLOS ONE, vol. 20, no. 5, May 2025, p. e0323490. PLoS Journals, https://doi.org/10.1371/journal.pone.0323490

AI或将消耗全球数据中心半数电力，能源危机迫在眉睫

人工智能的能源需求究竟有多大？阿姆斯特丹自由大学环境研究所的Alex de Vries-Gao通过供应链分析发现，2025年AI用电量可能相当于瑞士全国耗电量，若趋势持续，AI将很快吞噬数据中心半数电力供应，引发能源价格波动和环境污染连锁反应。

研究团队首先追踪了AI硬件核心——英伟达等公司使用的芯片主要制造商台积电（TSMC）的生产数据，结合行业分析师预测、企业财报和设备采购记录，构建了AI硬件规模的评估模型。通过整合这些硬件在运行大型语言模型时的公开能耗参数与典型利用率数据，计算出2025年全球AI应用将消耗82太瓦时（TWh）电力，相当于一个中等发达国家全年用电量。更严峻的是，模型显示若当前需求增速保持，AI耗电量将在年内翻倍，届时将占全球数据中心总用电量的50%。研究者特别指出，由于多数电网仍依赖化石燃料，这种增长可能导致温室气体排放量激增，加剧气候变化。该研究为政策制定者提供了量化依据，呼吁加强AI行业的能耗透明度和可持续发展规范。研究发表在 Joule 上。

#AI驱动科学 #能源与环境 #可持续发展 #计算基础设施 #气候政策

阅读更多：

Vries-Gao, Alex de. “Artificial Intelligence: Supply Chain Constraints and Energy Implications.” Joule, vol. 0, no. 0, May 2025. www.cell.com, https://doi.org/10.1016/j.joule.2025.101961

内存比速度更重要？MIT颠覆计算资源认知

计算复杂性理论中，时间与空间的关系是持续50年的核心难题。麻省理工学院的Ryan Williams突破理论僵局，证明空间资源在理论上显著优于时间资源，为P与PSPACE关系问题提供新证据。

研究基于Cook与Mertz提出的"柔性石子"（squishy pebbles）算法创新。Williams将图灵机计算过程分解为t/b个"计算块"(computation blocks)，构造隐式定义的树评估问题(TEP)实例。通过将参数b设为√t，利用Cook-Mertz算法的空间效率，最终实现O(√t log t)的空间复杂度。这一突破性模拟方法证明：任何时间t的算法都可转化为空间显著更小的形式，比1975年Hopcroft等人的O(t/log t)结果有质的飞跃。研究还首次获得时间-空间的"真正多项式"分离，证明存在需O(n)空间但需n²⁻ᵉ时间解决的问题。这一成果不仅推进了复杂性理论的基础认知，还为电路评估、上下文敏感语言等领域带来重要推论。

#计算模型与人工智能模拟 #跨学科整合 #复杂性理论 #算法优化

阅读更多：

Williams, R. Ryan. Simulating Time With Square-Root Space. arXiv:2502.17779, arXiv, 25 Feb. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2502.17779

整理｜ChatGPT

编辑｜丹雀、存源

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。如果您有进一步想要讨论的内容，欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、等。