追问daily | 心灵之眼有不同于感知的大脑地图；不同的叙事策略有不同的记忆通道；

█ 脑科学动态

脑电波如雷达般扫描皮层，读取工作记忆信息

快处理声音，慢品味意义：研究揭示大脑处理语言的时间层级性

事实学习的大脑地图：楔前叶与前颞叶的表征质量决定记忆成败

故事怎么讲，记忆怎么存：大脑为不同叙事方式开启专属“记忆通道”

长期记忆中的心理图像处理不依赖于感知系统

肠道菌群产血清素有望治疗肠易激综合症

散射测量技术结合机器学习，将神经元三维成像精度提升十倍

解码幻听之谜：大脑预测功能障碍导致“心声”外化

█ AI行业动态

Anthropic 推出生命科学版 Claude：用 AI 连接科研生态系统

深度求索发布OCR新系统，视觉压缩技术突破LLM记忆瓶颈

█ AI驱动科学

意念控制假肢新进展：虚拟任务揭示大脑如何重新校准运动

AI病理诊断系统SmartPath，提升癌症诊疗效率与精度

AI新模型实现密集功能对应，提升机器人工具使用能力

人工智能精准重编程，诱导顽固癌细胞自毁

电子眼植入物结合AR眼镜可恢复晚期黄斑变性患者的阅读视力

大语言模型学会“察言观色”：实时心率数据赋予AI生理感知能力

脑科学动态

脑电波如雷达般扫描皮层，读取工作记忆信息

我们如何从短暂的记忆中快速准确地提取信息？麻省理工学院皮科威学习与记忆研究所的 Earl K. Miller、首尔国立大学的 Hio-Been Han 及同事发现，大脑中的一种θ频段脑波扮演了关键角色，它像雷达一样，以行进波的形式自上而下地扫描大脑皮层，从而读取工作记忆中的信息。

▷ FEF θ波调节工作记忆任务表现。Credit: Hio-Been Han et al

研究团队通过一项视觉记忆任务揭示了这一机制。在该任务中，动物需要记住屏幕上的一组色块，并在其再次出现时找出颜色变化的那一个。通过记录大脑额叶眼区（frontal eye fields, FEF，一个负责映射视野的脑区）的神经活动，研究人员发现动物的反应速度和准确性与一个关键因素紧密相关：当变化色块出现时，θ波（theta wave，频率为3-6赫兹）所处的相位。更重要的是，能带来最佳表现的θ波相位，会随着目标色块在屏幕上位置的降低而系统性地推迟。这一现象有力地证明了θ波并非静止不变，而是像一道行进波，以固定的节奏从上至下“扫描”整个视觉空间，以读取相应位置的记忆信息。如果信息读取的“指令”（变化的色块出现）恰好与扫描波到达该位置的“节拍”同步，任务表现就更好。研究还发现，θ波会协调其他脑波的活动，在兴奋期抑制β波以允许感官信息流入，在抑制期则增强β波以维持任务规则。研究发表在 Neuron 上。

阅读更多：

Han, Hio-Been, et al. “Working Memory Readout Varies with Frontal Theta Rhythms.” Neuron, vol. 0, no. 0, Oct. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.09.031

快处理声音，慢品味意义：研究揭示大脑处理语言的时间层级性

人脑如何同时处理连续语音中的声音和意义等多个信息层次？纽约大学和斯坦福大学的Laura Gwilliams、Alec Marantz、David Poeppel及Meta公司的Jean-Rémi King等人通过研究揭示，大脑通过一种动态编码机制，让信息在不同脑区间移动，从而并行处理多重任务。

▷ 图示展示了大脑如何随时间解码词语的不同方面，首先且最快处理的是语音（即声音），而语义意义则稍后出现，耗时更长。Credit: Laura Gwilliams

研究团队通过脑磁图技术，记录了21名参与者在听取有声读物时的大脑活动，并利用机器学习模型解码了从声音到意义的多个语言信息层次。研究发现，大脑处理语言的方式并非将特定功能固定在某个区域，而是采用一种名为层次动态编码（Hierarchical Dynamic Coding, HDC）的机制。该机制如同一个高效的地铁系统：不同层级的语言信息（如语音、词义）就像不同的列车，在多个脑区之间动态传递和处理。当一个信息处理完毕后，便会“驶向下一站”，为新的信息腾出“站台”，从而实现多任务并行处理且互不干扰。研究还揭示，这种信息传递的速度与内容的抽象程度有关：基础的语音信息处理速度快、持续时间短，而更抽象的语义信息则处理得更慢，并在大脑中停留更长时间以便整合。这一发现颠覆了过去认为大脑功能区“一对一”的静态观点，为理解大脑如何实时、高效地理解语言提供了全新的动态视角。研究发表在 PNAS 上。

阅读更多：

Gwilliams, Laura, et al. “Hierarchical Dynamic Coding Coordinates Speech Comprehension in the Human Brain.” Proceedings of the National Academy of Sciences, vol. 122, no. 42, Oct. 2025, p. e2422097122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2422097122

事实学习的大脑地图：楔前叶与前颞叶的表征质量决定记忆成败

大脑如何学习与个人经历无关的新知识？特伦托大学的 Scott Fairhall、Silvia Ubaldi 和 Giuseppe Rabini 团队利用功能性磁共振成像技术，研究了人们学习虚构事实时的大脑活动，发现学习成功与否取决于特定脑区语义表征的质量而非激活强度，揭示了与传统情景记忆不同的事实学习机制。

研究团队让29名参与者学习关于三个虚构文明的120个事实，内容涉及不同的人物和地点，并在约一天半后测试他们的记忆效果。在学习过程中，功能性磁共振成像实时监测了参与者的大脑活动。研究发现，能否成功记住一个新事实，并不取决于大脑激活的剧烈程度，而是取决于高级皮层区域中信息表征的质量。具体来说，楔前叶（precuneus）和左侧前颞叶外侧（lateral anterior temporal lobe）对语义内容的表征强度，是预测记忆成功的关键指标。这意味着，大脑在编码新知识时，如果能形成更丰富、更清晰的语义表征，那么这些知识就更有可能被长久记住。这一发现揭示了一条与依赖内侧颞叶的传统情景记忆（如回忆个人经历）不同的皮层学习路径，并强调了将新知识与已有概念体系整合的重要性。研究发表在 Journal of Neuroscience 上。

阅读更多：

Ubaldi, Silvia, et al. “Semantic Representational Strength in the Precuneus and Lateral ATL Predicts Successful Factual Learning.” Journal of Neuroscience, Oct. 2025. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.1126-25.2025

故事怎么讲，记忆怎么存：大脑为不同叙事方式开启专属“记忆通道”

人们听到一个事件的方式是否会塑造其记忆？来自麦吉尔大学的 Signy Sheldon 及其同事通过研究发现，不同的叙事策略会调用大脑中不同的记忆网络来编码信息。具体而言，侧重于情感和解读的“概念性”故事与侧重于感官观察的“感知性”故事，在被我们听到时，会通过不同的海马体神经网络通路来塑造最终的记忆。

研究团队让35名参与者收听具有相同核心情节但细节类型不同的故事，并通过功能性磁共振成像（fMRI，一种通过监测血流变化来测量大脑活动的技术）进行扫描。一类故事富含概念性细节（如角色的感受），另一类则富含感知性细节（如场景的具体样貌）。结果发现，在记忆编码阶段，不同类型的故事激活了不同的海马体连接网络。概念性故事增强了前海马体与默认模式网络的连接。而感知性故事则激活了前海馬体与顶叶和外侧颞叶等区域的连接。更重要的是，这些在聆听故事时形成的特定大脑连接模式，能够准确预测参与者日后对故事核心情节的回忆效果。这一发现表明，我们可以通过调整信息的呈现方式来优化记忆，例如为更偏好概念性思维的老年人提供富含情感解读的信息，从而提升沟通与学习效率。研究发表在 JNeurosci 上。

阅读更多：

Ferris, Charles, et al. “Hippocampal-Cortical Networks Predict Conceptual versus Perceptually Guided Narrative Memory.” Journal of Neuroscience, Oct. 2025. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.1936-24.2025

长期记忆中的心理图像处理不依赖于感知系统

人们如何在大脑中探索想象出的画面，这与我们观察真实世界时使用的注意力机制是否相同？来自巴黎高等师范学院的 Anthony Clément 和 Catherine Tallon-Baudry 通过研究发现，大脑在处理来自长期记忆的心理图像时，调动的是与处理真实视觉不同的额叶区域，这一发现挑战了想象与感知共享神经机制的传统观点。

研究团队通过记录28名健康参与者在执行任务时的脑电图，对比了他们在处理心理图像和真实视觉时的神经差异。在心理图像任务中，参与者被要求在脑中想象法国地图，并将注意力集中于地图的左侧或右侧，随后判断屏幕上出现的两个城市中哪一个离巴黎更近。结果显示，虽然空间注意力在两种情境下都能提升反应速度，但其背后的神经机制截然不同。当处理屏幕上的真实视觉时，大脑依赖于后部区域，特别是顶枕叶α波（parieto-occipital alpha-band activity，一种与视觉处理抑制相关的脑电波）的活动；然而，当探索“心灵之眼”中的心理地图时，大脑调动的却是额叶区域的α波活动。这表明，探索长期记忆中的心理图像并非简单地重用视觉感知系统，而是依赖一套独立的、基于额叶的神经机制。该发现为我们理解记忆、思维和意识等内部体验的独特性质提供了新的神经科学证据。研究发表在 Journal of Neuroscience 上。

阅读更多：

Clément, Anthony, and Catherine Tallon-Baudry. “Mental Images from Long-Term Memory Differ from Perception: Evidence for Distinct Spatial Formats and Distinct Mechanisms of Spatial Attention Orientation.” Journal of Neuroscience, Oct. 2025. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.0691-25.2025

肠道菌群产血清素有望治疗肠易激综合症

肠易激综合症（IBS）的病因复杂，肠道菌群与关键神经递质血清素被认为是重要因素。瑞典哥德堡大学的 Chiara H. Moretti、Fredrik Bäckhed 和 Magnus Simrén 等人进行的研究首次证实，特定肠道细菌组合能够直接产生具有生物活性的血清素，这一发现为开发IBS新疗法开辟了新途径。

▷ Credit: Cell Reports (2025).

研究团队发现，两种肠道细菌——*Limosilactobacillus mucosae和Ligilactobacillus ruminis——能够协同产生血清素。为了验证其生理功能，研究人员将这两种细菌引入缺乏血清素的无菌小鼠体内。结果显示，小鼠肠道内的血清素水平显著回升，结肠的神经细胞密度增加，肠道传输时间也恢复正常，证明了细菌源血清素的生物活性。此外，通过对比人类样本，研究发现IBS患者粪便中的L. mucosae*细菌水平显著低于健康对照组，且该细菌恰好拥有合成血清素所需的关键酶。这一系列证据表明，某些肠道细菌是生物活性血清素的直接来源，它们在维持肠道健康中扮演着重要角色，也解释了肠道菌群影响“肠-脑”轴的新机制。研究发表在 Cell Reports 上。

阅读更多：

Moretti, Chiara H., et al. “Identification of Human Gut Bacteria That Produce Bioactive Serotonin and Promote Colonic Innervation.” Cell Reports, vol. 0, no. 0, Oct. 2025. www.cell.com, https://doi.org/10.1016/j.celrep.2025.116434

散射测量技术结合机器学习，将神经元三维成像精度提升十倍

如何无创、清晰地“看”清大脑中单个神经元的精细结构，是解开记忆之谜的关键。为突破传统显微技术的瓶颈，筑波大学的 Suguru Iwata、Tetsuya Hoshino、Sadao Aoki、Yosuke Takei 和 Masahide Itoh 团队将半导体领域的精密测量技术与人工智能相结合，开发出一种全新的神经元三维成像方法，将成像分辨率和速度提升了十倍以上。

▷ 散射测量系统示意图。Credit: Optics Express (2025).

研究团队将散射测量技术（scatterometry）应用于神经元成像。这项技术通过分析光线穿过细胞后产生的衍射图案来重建其三维结构，完全无需荧光标记，避免了传统方法的生物毒性和标记困难。为解决散射测量技术传统上只能分析周期性结构的难题，团队开发了新的计算和分析方法，并引入深度学习模型来半自动解析神经元这种独立的、不规则的细胞形状。研究人员使用严格耦合波分析（Rigorous Coupled-Wave Analysis, RCWA，一种精确计算光衍射的数值方法）对衍射数据进行解码，最终获得了高精度的三维结构信息。结果显示，对于直径为2微米的细胞，该方法的测量精度可达0.2微米，且成像速度和分辨率均比传统光学显微镜提升了一个数量级。这项技术未来有望在毫秒级的时间尺度上捕捉到神经元内部的动态变化，为深入探索记忆机制提供了前所未有的工具。研究发表在 Optics Express 上。

阅读更多：

Moretti, Chiara H., et al. “Identification of Human Gut Bacteria That Produce Bioactive Serotonin and Promote Colonic Innervation.” Cell Reports, vol. 0, no. 0, Oct. 2025. www.cell.com, https://doi.org/10.1016/j.celrep.2025.116434

解码幻听之谜：大脑预测功能障碍导致“心声”外化

精神分裂症患者为何会“听到声音”？这一长期存在的谜题可能源于大脑无法识别自己的内心想法。新南威尔士大学的 Thomas Whitford 及其团队通过脑电波研究发现，幻听患者的大脑在处理自身“心声”时出现异常，无法像健康人一样进行抑制，反而将其当作外部声音处理，为这一经典理论提供了迄今最强的证据。

研究团队利用脑电图来探究大脑如何处理内心言语。他们招募了三组参与者：近期经历幻听的精神分裂症患者（55人）、无近期幻听的患者（44人）和健康对照者（43人）。实验中，参与者被要求在听到某个音节的同时，在脑海中想象说出相同或不同的音节。研究聚焦于听觉诱发电位的N1波成分（一个反映早期听觉处理的脑电波信号），其振幅减弱通常代表大脑对可预测声音的抑制效应。结果显示，健康对照组在想象的音节与听到的音节匹配时，N1波振幅显著降低，表明大脑成功预测并“静音”了自身想法。然而，幻听患者组的结果截然相反：在相同条件下，他们的N1波振幅反而显著增强。这表明他们的大脑将本应被识别为“自己人”的内心言语当作了意外的“外来声音”，从而导致了幻听的产生。这一发现不仅揭示了幻听的关键神经机制，也为开发精神分裂症的客观生物标志物提供了新方向。研究发表在 Schizophrenia Bulletin 上。

阅读更多：

Whitford, Thomas J., et al. “Corollary Discharge Dysfunction to Inner Speech and Its Relationship to Auditory Verbal Hallucinations in Patients with Schizophrenia Spectrum Disorders.” Schizophrenia Bulletin. academic.oup.com, https://doi.org/10.1093/schbul/sbaf167. Accessed 21 Oct. 2025

AI 行业动态

Anthropic 推出生命科学版 Claude：用 AI 连接科研生态系统

Anthropic 正式宣布推出 Claude for Life Sciences，这是一个专为生命科学研究人员打造的版本，旨在将 Claude 定位为覆盖早期发现、研究开发、临床合规乃至商业化完整流程的智能研究伙伴。该模型建立在性能提升的 Claude Sonnet 4.5 基础上，在实验协议理解和方法审查等生物科研任务中展现出接近专家级的性能。此次升级的核心在于引入了“科学连接器”，通过 MCP协议，使研究人员能够通过 Claude 一站式访问和查询主流科研生态系统。这些连接器允许 Claude 直接访问如 PubMed、Benchling等核心工具，并通过自然语言进行大规模生物信息学数据分析（如通过 Databricks）或查询大型数据库（如通过 Snowflake）。Anthropic 期望此举能让 Claude 从一个简单的语言模型，转变为可以“连接科研生态系统”的智能研究操作平台，从而大幅减少研究人员在多个平台之间切换的耗时。

为了进一步提升专业化水平，Anthropic 同步推出了 Agent Skills（Agent 技能包，包含特定科研指令和脚本的模块化文件夹，用于标准化和重复性任务）。这些技能确保 Claude 在执行任务时能够遵循固定的实验流程和标准化分析管线，保证结果的可重复性与一致性。例如，官方已发布用于单细胞 RNA 测序数据质量控制的首个技能。此外，研究机构还可以利用定制连接器接入其内部系统或私有数据，例如 LIMS（实验室信息管理系统）。目前，Claude for Life Sciences 已经在药物发现、临床研究和个性化医疗等多个关键领域得到应用。该平台已被 Amgen、Recursion、Bristol Myers Squibb 和 Sanofi 等全球顶尖制药公司和研究机构采用，表明其已逐步成为生物医药企业级 AI 平台的核心组件。

阅读更多：

https://www.anthropic.com/news/claude-for-life-sciences

深度求索发布OCR新系统，视觉压缩技术突破LLM记忆瓶颈

深度求索团队推出了 DeepSeek-OCR，这是一种新型的光学字符识别（OCR，图像识字）和文档理解系统，旨在解决大语言模型在处理超长文本时面临的计算复杂度高和记忆效率低的两大根本性问题。研究人员提出了“上下文光学压缩”（Context Optical Compression）的创新理念，其核心在于将长篇文档或对话历史渲染成图像，随后通过 DeepEncoder 将其编码为极少量的高级语义“视觉 token”，再由语言模型进行解码。这种机制赋予了人工智能一个高效的“视觉记忆压缩”系统。实验证明，DeepSeek-OCR 能够以高达 10 倍的压缩率恢复接近 97% 的原文信息，几乎实现无损压缩。在标准的 OCR 测试中，该系统在使用最少视觉 token 的前提下，仍能达到当前最先进的性能水平，性能表现超越了 GPT-4o 等多模态大模型。

DeepSeek-OCR 的能力远超传统 OCR 系统的简单字符识别，它被设计为一个结构化的视觉语言解析器，具备强大的视觉语言协同理解能力。它不仅支持上百种语言，还能深度解析文档中的复杂结构，包括识别图表、公式、几何图形，并将非结构化的图像输入转化为结构化的数据输出，如 Markdown 或 JSON 格式。在技术构成上，解码器采用了参数总量约 3B 的 DeepSeek3B-MoE，使其能以较低的推理成本获取强大的表达能力。研究人员指出，这项“光学压缩”技术不仅是工程上的突破，更具有深远的理论意义，它可以类比人类的记忆机制——将旧的上下文信息压缩为低保真的图像进行存储，从而为解决 LLM 的“记忆上限”问题、实现超长上下文推理以及构建节能型记忆系统提供了可行路径。

阅读更多：

https://github.com/deepseek-ai/DeepSeek-OCR

AI 驱动科学

意念控制假肢新进展：虚拟任务揭示大脑如何重新校准运动

大脑如何学习通过脑机接口控制假肢，以及额叶和顶叶皮层在此过程中的具体功能尚不明确。德国灵长类动物中心（DPZ）的Enrico Ferrea、Pierre Morel和Alexander Gail等研究人员通过对猴子的研究发现，额叶和顶叶皮层共同编码修正后的运动指令，挑战了二者功能分离的传统观点。

研究团队训练恒河猴仅凭意念通过脑机接口在三维虚拟环境中移动光标。为了研究大脑的学习过程，研究人员在解码算法中引入了系统性偏差，使得猴子在屏幕上看到的光标运动与其真实意图不符，从而迫使大脑不断调整神经活动以纠正错误。团队同步记录了其额叶和顶叶皮层的神经活动。研究发现，大脑能够通过调用已有的运动指令库进行快速调整，而无需大规模重组神经网络，这对于假肢学习非常有利。关键发现颠覆了传统认知：以往认为顶叶皮层主要反映运动的预期感觉结果，而额叶皮层发出运动指令。但数据显示，这两个脑区共同编码了经过修正的运动指令，表明它们在运动规划中的功能划分并不明确。这种广泛、统一的适应机制揭示了大脑在应对变化时的高度可塑性，为开发更智能、更易于学习的神经假体铺平了道路。研究发表在 PLOS Biology 上。

阅读更多：

Ferrea, Enrico, et al. “Frontal and Parietal Planning Signals Encode Adapted Motor Commands When Learning to Control a Brain–Computer Interface.” PLOS Biology, vol. 23, no. 9, Sept. 2025, p. e3003408. PLoS Journals, https://doi.org/10.1371/journal.pbio.3003408

香港科技大学开发AI病理诊断系统SmartPath，提升癌症诊疗效率与精度

如何提升癌症诊断的效率和准确性是临床病理学面临的挑战。香港科技大学的Chen Hao教授团队联合南方医科大学南方医院的Liang Li教授团队等开发了一套名为SmartPath的综合人工智能系统。该系统旨在变革从诊断到治疗的全流程病理学工作，为癌症患者提供更快速、更精准的个性化诊疗方案。

▷ 可推广病理学基础模型概述。Credit: Nature Biomedical Engineering (2025).

研究团队基于一个包含超过50万张病理切片图像的大规模数据集，开发了SmartPath系统。该系统由两个核心AI模型驱动：可泛化病理学基础模型（Generalizable Pathology Foundation Model, GPFM）和多模态知识增强型全切片病理学基础模型（mSTAR）。GPFM通过创新的统一知识蒸馏框架学习，能够精准识别不同癌症组织的肿瘤、进行亚型分类和量化生物标志物。mSTAR则融合了病理图像与报告、基因转录组学等多维数据，实现了分钟级自动生成综合病理报告和可视化问答功能。在多中心临床验证中，SmartPath表现卓越，对肺癌、乳腺癌等多种癌症的诊断准确率超过95%。在其核心模型GPFM的基准测试中，该系统在72项任务中的42项排名第一，显著优于现有模型，证明了其在提升诊断效率和精度方面的巨大潜力。研究发表在 Nature Biomedical Engineering 上。

阅读更多：

Ma, Jiabo, et al. “A Generalizable Pathology Foundation Model Using a Unified Knowledge Distillation Pretraining Framework.” Nature Biomedical Engineering, Sept. 2025, pp. 1–20. www.nature.com, https://doi.org/10.1038/s41551-025-01488-4

AI新模型实现密集功能对应，提升机器人工具使用能力

当前AI虽能识别物体，却难以理解其功能，限制了机器人泛化使用工具的能力。为解决此问题，斯坦福大学的Stefan Stojanov、Linan Zhao、Jiajun Wu及同事开发出一种创新的计算机视觉模型。该模型能识别不同物体的功能部件并建立像素级的“功能对应”，有望让机器人通过类比推理更智能地选择和使用工具。

▷ Credit: arXiv (2025).

研究团队致力于解决计算机视觉中最具挑战性的问题之一：功能对应（functional correspondence），即理解并匹配不同物体上功能相似的部分。由于手动进行像素级标注不切实际，团队提出了一种高效的弱监督学习方法。他们首先利用视觉语言模型自动为物体的功能区域生成伪标签，再结合基于预训练模型DINOv2的密集对比学习框架，将功能性和空间性知识整合到一个新模型中。该模型能够成功建立跨物种类的密集功能对应，例如，能将茶壶壶嘴的每一个像素精确地映射到玻璃瓶瓶口对应的像素上。这种从结构推断功能的能力，超越了传统的模式识别，使AI能够理解物体的真实用途。实验证明，该模型的性能优于现有基线方法，为机器人实现工具使用的泛化和技能迁移奠定了基础。

阅读更多：

Stojanov, Stefan, et al. “Weakly-Supervised Learning of Dense Functional Correspondences.” arXiv:2509.03893, arXiv, 4 Sept. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2509.03893

人工智能精准重编程，诱导顽固癌细胞自毁

癌症干细胞因其强大的隐匿、耐药和再生能力，成为癌症治疗的“圣杯”难题。为攻克这一难题，加州大学圣地亚哥分校的 Pradipta Ghosh、Saptarshi Sinha 及同事开发了一款名为 CANDiT 的人工智能工具，通过识别特定基因网络中的薄弱环节，找到能够精准“策反”癌细胞的药物靶点，最终诱导这些顽固细胞自我毁灭。

▷ 这幅图展示了患者来源的肿瘤类器官在治疗前（上）和治疗后（下）的形态。颜色显示了癌症干细胞中与细胞分化相关的通路的激活情况。拍摄这些图像后不久，癌症干细胞就自发性崩溃了。Credit: Pradipta Ghosh/HUMANOID

研究团队首先开发了一个名为 CANDiT 的机器学习框架，它能基于肿瘤独特的基因信息寻找新的治疗靶点。研究人员以结直肠癌中一个关键的抑癌基因 CDX2 为切入点，利用 CANDiT 分析了超过 4600 个肿瘤样本，最终锁定了一个意想不到的靶点：一个帮助细胞应对压力的蛋白 PRKAB1。随后，团队使用一种已有的药物来激活该蛋白，并在患者来源的类器官等模型中进行测试。结果显示，该药物不仅成功恢复了 CDX2 基因的功能，使癌干细胞的行为变得更像正常细胞，更出乎意料的是，这些被“重编程”的细胞随后竟触发了自我毁灭程序。为评估其临床潜力，团队还开发了一种基因特征来预测哪些患者最能受益，计算机模拟临床试验表明，该疗法可将高危患者的复发和死亡风险降低约50%。研究发表在 Cell Reports Medicine 上。

阅读更多：

Sinha, Saptarshi, et al. “CANDiT: A Machine Learning Framework for Differentiation Therapy in Colorectal Cancer.” Cell Reports Medicine, vol. 0, no. 0, Oct. 2025. www.cell.com, https://doi.org/10.1016/j.xcrm.2025.102421

电子眼植入物结合AR眼镜可恢复晚期黄斑变性患者的阅读视力

地图状萎缩（geographic atrophy）是干性年龄相关性黄斑变性（AMD）的晚期阶段，它会导致不可逆的中心视力丧失且目前无有效疗法。由波恩大学的 Frank G. Holz 和伦敦大学学院的 Mahi Muqit 等人领导的一个国际研究团队，通过临床试验证明一种名为PRIMA的电子眼植入系统，能够成功帮助多数失明患者恢复有意义的阅读视力。

▷ 患者眼内芯片图像。Credit: Science Corporation

这项研究为38名因地图状萎缩导致中心视力完全丧失的患者植入了PRIMA系统。该系统包含一个仅2毫米宽、30微米厚的无线光伏微芯片，通过外科手术植入患者的视网膜下方。患者佩戴一副集成了摄像头的增强现实眼镜，眼镜捕捉外部影像，通过一个腰带式小型计算机中的人工智能算法处理后，将视觉信息以近红外光的形式投射到视网膜下的芯片上。芯片如同微型太阳能板，将光信号转化为电信号，刺激剩余的视网膜神经细胞，最终由大脑解析为视觉。在为期12个月的随访中，81%的患者视力获得了具有临床意义的显著改善，平均能够读出视力表的五行。多数参与者重获阅读字母和单词的能力，且原有周边视力未受影响。研究发表在 The New England Journal of Medicine 上。

阅读更多：

Holz, Frank G., et al. “Subretinal Photovoltaic Implant to Restore Vision in Geographic Atrophy Due to AMD.” New England Journal of Medicine, vol. 0, no. 0. Taylor and Francis+NEJM, https://doi.org/10.1056/NEJMoa2501396. Accessed 21 Oct. 2025

大语言模型学会“察言观色”：实时心率数据赋予AI生理感知能力

大型语言模型的交互局限于文本，无法感知用户的真实生理状态。为了打破这一局限，来自德国波鸿鲁尔大学和瑞士苏黎世大学的 Morris Gellisch 与 Boris Burr 开发了一套技术接口，成功将实时心脏数据接入大模型，让AI能够“感知”用户情绪与压力，为更智能的医疗和护理应用开辟了新道路。

研究团队通过一个佩戴在胸前的传感器来测量心率变异性（Heart Rate Variability, HRV，指心跳间隔时间的自然波动），并以此作为反映自主神经系统活动的指标。传感器采集的原始数据通过蓝牙传输，由一个定制的Python脚本进行实时解码和处理，计算出多个核心HRV指标，例如反映放松与恢复状态的RMSSD（连续差值的均方根），以及代表整体自主神经调节能力的SDNN（NN间隔的标准差）。这些处理后的生理数据通过一个技术后端被实时输入到GPT-4语言模型中。实验结果表明，这套系统成功实现了概念验证。GPT-4不仅能直接对接收到的心率数据进行分析、制表和可视化，更关键的是，它能够根据用户的生理变化做出动态响应。例如，在认知压力测试中，AI能识别出用户在面对不同难度任务时的心率模式差异，并相应地调整其反馈内容和语气。研究发表在 Frontiers in Digital Health 上。

阅读更多：

Gellisch, Morris, and Boris Burr. “Establishing a Real-Time Biomarker-to-LLM Interface: A Modular Pipeline for HRV Signal Acquisition, Processing, and Physiological State Interpretation via Generative AI.” Frontiers in Digital Health, vol. 7, Sept. 2025. Frontiers, https://doi.org/10.3389/fdgth.2025.1670464

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。