追问daily | Nature：疼痛神经元是过敏反应的幕后推手；OpenAI打造健康助手

█ 脑科学动态

Nature：大脑如何通过独立神经元群协同编码内容与情境

Nature：疼痛神经元竟是过敏反应的“幕后推手”

Nature：告别阿片类药物成瘾，揭示无副作用止痛新蓝图

Nature：细胞间的能量充电宝

假装游戏的社会化力量：从玩偶互动看儿童亲社会能力

深部脑刺激与聚焦超声结合有望突破帕金森病治疗瓶颈

像人眼一样观察：利用AI将大脑绘图速度提升七倍

衰老脊髓的自我防御：小胶质细胞通过TGF-β信号防止髓鞘损伤

█ AI行业动态

OpenAI发布ChatGPT Health，打造隐私至上的个人AI健康助手

Meta收购案生变：商务部介入调查Manus技术出海合规性

权威榜单遭质疑：LMArena被指沦为AI界的“选美比赛”

█ AI驱动科学

MIT发现AI基础模型正在学习物质的“通用语言”

AI驱动的“代谢性BMI”揭示隐性健康风险：体重正常也可能面临五倍疾病威胁

AI读懂人类行踪：RHYTHM模型利用大语言模型精准预测人类移动性

同理心驱动：让教育游戏更具情感与实效的十步框架

梅奥诊所开发集成电子病历的AI代理MedEduChat，助力前列腺癌个性化教育

基于6G/WiFi信号的非接触式肺部疾病筛查技术

脑科学动态

Nature：大脑如何通过独立神经元群协同编码内容与情境

为什么我们能轻易区分与朋友共进晚餐和商务会谈这两种截然不同的场景，尽管面对的是同一个人？为了揭示这一记忆机制，波恩大学的Marcel Bausch和Florian Mormann等人通过记录人脑单神经元活动，发现大脑利用两组独立的神经元群分别处理内容与情境，并通过协同作用形成灵活的记忆。这一发现解释了人类记忆如何在保留细节的同时实现高效的通用化。

研究团队招募了16名植入颅内电极的癫痫患者，在他们执行图片比较任务时，记录了内侧颞叶区域超过3000个神经元的活动。研究发现，人脑中存在两类截然不同的神经元：一类是“内容神经元”，仅对特定图像（如饼干）有反应；另一类是“情境神经元”，仅对特定任务指令（如询问物体是否更大）有反应。与啮齿动物不同，很少有神经元同时编码两者。有趣的是，这两组神经元通过协同放电（co-firing）建立联系：在正确回忆时，内容神经元的激活会预测几十毫秒后情境神经元的活动。这种机制被称为模式补全，使大脑能够像守门人一样，根据线索提取相关的背景信息。这种将内容与情境存储在不同神经库的分工方式，赋予了人类记忆极大的灵活性，使我们能在不同场合复用同一概念。研究发表在 Nature 上。

#神经科学 #记忆机制 #海马体 #单神经元记录 #内侧颞叶

阅读更多：

Bausch, Marcel, et al. “Distinct Neuronal Populations in the Human Brain Combine Content and Context.” Nature, Jan. 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09910-2

Nature：疼痛神经元竟是过敏反应的“幕后推手”

为何目前的过敏和哮喘药物常常疗效不佳？David Artis及其团队（威尔康奈尔医学院）通过一项颠覆教科书的研究给出了答案：神经系统在启动免疫反应中起着意想不到的主导作用。研究团队长期致力于探索神经系统在炎症性疾病中的角色，他们发现，现有的生物制剂往往只针对免疫成分而忽略了神经元。此次研究揭示了疼痛感受神经元不仅是感觉的传递者，更是免疫反应的“点火器”，这一发现为解释过敏反应的早期症状及开发新型双靶点疗法提供了重要依据。

▷ 小肠中神经元与簇状细胞紧密相邻。图中所示为神经元（绿色）、簇状细胞（红色）和细胞核（蓝色）。Credit: Elizabeth Emanuel in the Artis Lab.

该研究利用鼠鞭虫感染小鼠模型，深入探究了伤害感受器——一种负责传递疼痛和瘙痒信号的神经元——在免疫反应中的功能。研究发现，当这些神经元检测到寄生虫（或潜在的过敏原）时，会释放一种名为降钙素基因相关肽（CGRP）的分子。这种信号分子直接作用于肠道内壁的簇状细胞（tuft cells），并促使上皮祖细胞迅速分化，导致簇状细胞数量在24小时内激增近五倍。这种神经-上皮回路的激活虽然有助于清除寄生虫，但当其过度反应时，便会引发哮喘和纤维化等过敏性疾病。通过单细胞RNA测序（single-cell RNA sequencing）和空间转录组学分析，研究人员证实了这一机制的分子基础。这一发现表明，未来的治疗策略应同时靶向免疫系统和神经系统，以更有效地控制过敏性疾病。研究发表在 Nature 上。

#疾病与健康 #神经机制与脑功能解析 #过敏与哮喘 #神经免疫学 #跨学科整合

阅读更多：

Zhang, Wen, et al. “Neuro-Epithelial Circuits Promote Sensory Convergence and Intestinal Immunity.” Nature, Jan. 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09921-z

Nature：告别阿片类药物成瘾，揭示无副作用止痛新蓝图

面对严重的阿片类药物滥用危机和数千万慢性疼痛患者的困境，宾夕法尼亚大学佩雷尔曼医学院的Gregory Corder和Michael Platt等人通过跨学科合作取得突破性进展。他们结合神经科学与人工智能技术，成功研发出一种针对特定脑回路的基因疗法，能够在缓解疼痛的同时完全消除成瘾风险。

该研究首先利用人工智能驱动的行为分析平台，精准追踪和量化小鼠的疼痛行为，以此作为“地图”来解析大脑如何处理疼痛信号。研究团队发现，前扣带回皮层中的特定神经元群体负责编码疼痛带来的不适感和负面情绪。基于此发现，他们开发了一种新的化学遗传学基因疗法。这种疗法如同一个安装在大脑中的“音量旋钮”，专门针对这些对阿片类药物敏感的神经元植入一个“关闭开关”。实验结果显示，当该开关被激活时，能够模拟吗啡的镇痛效果，显著减轻慢性神经性疼痛带来的痛苦体验，但仅仅是降低了“疼痛的音量”，而不会阻断正常的身体感觉，更重要的是，它完全避开了引发成瘾的奖赏通路。这一发现为开发非成瘾性、精准化的疼痛治疗药物提供了具体的蓝图。研究发表在 Nature 上。

#疾病与健康 #神经调控 #慢性疼痛 #基因疗法 #人工智能

阅读更多：

Oswell, Corinna S., et al. “Mimicking Opioid Analgesia in Cortical Pain Circuits.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09908-w

Nature：细胞间的“能量充电宝”：胶质细胞向神经元转移线粒体可缓解慢性疼痛

慢性神经痛是糖尿病和化疗常见的并发症，往往源于神经细胞能量供应不足。杜克大学医学院的Ru-Rong Ji、Jing Xu以及Cagla Eroglu等人组成的团队发现了一种全新的细胞间互助机制：神经系统中的支持细胞可以像“充电宝”一样，将健康的线粒体输送给受损的神经元，从而显著缓解疼痛。

研究团队利用小鼠模型和人类组织进行实验，发现卫星胶质细胞（satellite glial cells）通过一种被称为隧道纳米管（tunneling nanotubes）的微小通道结构，将线粒体直接传递给感觉神经元。这一过程依赖于一种名为肌球蛋白10（MYO10）的蛋白质。研究显示，在糖尿病神经病变样本中，MYO10水平较低，导致线粒体转移受阻，进而引发神经退化和疼痛。当研究人员通过注射健康线粒体或植入高表达MYO10的胶质细胞来恢复这种能量传递时，小鼠的疼痛行为减少了多达50%，缓解效果可持续48小时。这项研究不仅揭示了胶质细胞在维持神经元健康中的关键作用，也为从根源上治疗慢性疼痛提供了新策略。研究发表在 Nature 上。

#疾病与健康 #神经机制与脑功能解析 #慢性疼痛 #线粒体 #胶质细胞

阅读更多：

Xu, Jing, et al. “Mitochondrial Transfer from Glia to Neurons Protects against Peripheral Neuropathy.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09896-x

假装游戏的社会化力量：从玩偶互动看儿童亲社会能力

游戏不仅是儿童的消遣，更是其理解他人与建立社会连接的窗口。为了探究不同形式的游戏如何反映儿童的社交能力及其背后的神经机制，Salim Hashmi 和 Sarah A. Gerson 等人（卡迪夫大学、伦敦国王学院）开展了一项结合行为观察与神经影像学的研究。该团队深入分析了儿童在独自玩耍与合作游戏中的行为模式差异，揭示了特定游戏风格与亲社会行为之间的紧密联系，并发现了语言使用与大脑关键区域活动之间的相关性。

▷ 神经影像游戏流程。Credit: Cognitive Development (2025).

研究团队招募了57名4至8岁的儿童，让他们分别在独自一人和与实验人员共同参与的情境下，使用芭比娃娃及配套玩具进行自由游戏。研究人员利用神经影像设备监测儿童的大脑活动，重点关注与社交理解相关的后上颞沟（pSTS）和涉及执行功能的背外侧前额叶皮层（dlPFC）。同时，通过详细的行为分析，区分儿童是进行假装游戏（pretend play）还是单纯的布置游戏（set-up play），并记录他们描述想法与感受的内部状态语言（Internal State Language）。结果显示，无论是在哪种情境下，儿童花费在摆放和整理玩具上的时间都远多于实际表演故事的时间。然而，合作情境显著促进了假装游戏的发生。数据表明，在合作中进行更多假装游戏的儿童，其日常生活中表现出的亲社会行为更强，同伴问题更少。此外，虽然整体游戏风格与神经活动无直接关联，但那些频繁使用内部状态语言来描述他人想法和感受的儿童，其大脑中负责视角转换和调节的区域表现出更活跃的信号，证实了在游戏中思考他人感受能激活特定的神经系统。研究发表在 Cognitive Development 上。

#神经科学 #神经机制与脑功能解析 #行为进化 #发声交流 #冷泉港实验室

阅读更多：

Hashmi, Salim, et al. “Does Children’s Play and Associated Neural Activity Differ According to Individual Differences in Social Skills, Social Understanding, and Social Contexts.” Cognitive Development, vol. 76, Oct. 2025, p. 101623. ScienceDirect, https://doi.org/10.1016/j.cogdev.2025.101623

深部脑刺激与聚焦超声结合有望突破帕金森病治疗瓶颈

帕金森病的治疗长期面临两难选择：深部脑刺激虽有效但需侵入性手术，聚焦超声无创但应用范围受限。Iqra Bano、Jaison Jeevanandam和Grygoriy Tsenov的研究团队通过综述提出了一种创新思路，即“混合神经调控”。他们发现将这两种技术结合，不仅能互补各自的短板，还能产生协同效应，为更全面地管理帕金森病的复杂症状提供了可能。

▷ 该图展示了帕金森病治疗中使用的两种先进神经调控技术：A. 深部脑刺激 (DBS) 和 B. 聚焦超声 (FUS)。Credit: 3 Biotech (2026).

该团队针对帕金森病治疗中现有的深部脑刺激（DBS）和聚焦超声（FUS）技术进行了详尽的评估与文献计量分析。研究指出，传统的DBS主要针对基底神经节的运动回路进行持续管理，但往往难以改善焦虑、认知迟缓等非运动症状。而聚焦超声（FUS）作为一种非侵入性技术，不仅能提高精准度，还能通过暂时打开血脑屏障，协助神经营养因子或基因疗法进入黑质等深层脑区，这是单纯电刺激无法实现的。研究结果表明，这种混合策略能够利用FUS调节DBS难以触及的边缘和皮层网络，同时可能降低DBS所需的刺激强度，从而减少副作用。这种“电-声”结合的方法有望从单纯的症状控制转向对神经元的保护与修复，解决单一疗法无法应对的复杂系统性问题。研究发表在 3 Biotech 上。

#神经科学 #神经机制与脑功能解析 #行为进化 #发声交流 #冷泉港实验室

阅读更多：

Bano, Iqra, et al. “Advances in Therapeutic Hybrid Neuromodulation for Parkinson’s Disease.” 3 Biotech, vol. 16, no. 1, Jan. 2026, p. 58. Springer Link, https://doi.org/10.1007/s13205-025-04681-z

像人眼一样观察：SmartEM技术利用AI将大脑绘图速度提升七倍

为了解开大脑的奥秘，绘制高分辨率的神经连接图谱至关重要，但昂贵且缓慢的设备一直是巨大的阻碍。为此，Yaron Meirovitch、Aravinthan Samuel和Jeff Lichtman等人（哈佛大学、麻省理工学院等）开发了一种名为SmartEM的新技术。该技术利用机器学习实时引导显微镜，使其像人眼一样工作——聚焦关键细节而略过背景，从而大幅提升了扫描速度并降低了成本，有望让更多实验室具备绘制大脑图谱的能力。

▷ 小鼠皮层神经元和突触的 SmartEM 体积重建，平均每个像素的采集时间为 99 纳秒。Credit: Nature Methods (2025).

研究团队开发了一种结合机器学习与单束扫描电子显微镜（scanning electron microscope）的创新方法。SmartEM系统模仿人类视觉的注意力机制，首先对样本进行快速、低分辨率的全局扫描，随后利用神经网络（neural network）实时分析图像，识别出如突触等关键特征或易出错的区域。显微镜随后仅对这些特定区域进行高分辨率的精细扫描，最后通过算法将图像融合。这种“数据感知”成像方式避免了在无关背景上浪费时间。实验数据显示，SmartEM在处理线虫、小鼠和人脑样本时，图像采集速度提高了约7倍。例如，扫描秀丽隐杆线虫的时间从传统的1400小时惊人地缩短至200小时，且数据质量足以支持精确的神经回路重建。这一突破被 Nature Methods 评为2025年度方法。

#AI驱动科学 #自动化科研 #连接组学 #脑图谱 #电子显微镜

阅读更多：

Meirovitch, Yaron, et al. “SmartEM: Machine Learning-Guided Electron Microscopy.” Nature Methods, vol. 23, no. 1, Jan. 2026, pp. 193–204. www.nature.com, https://doi.org/10.1038/s41592-025-02929-3

衰老脊髓的自我防御：小胶质细胞通过TGF-β信号防止髓鞘损伤

随着年龄的增长，脊髓作为大脑与身体沟通的桥梁，面临着退化的风险。然而，卡罗林斯卡医学院的Robert A. Harris和Harald Lund及其团队（包括第一作者Keying Zhu）研究发现，神经系统内部拥有一套自我保护机制。研究揭示了自身的免疫细胞在特定的信号分子调节下，能够积极保护脊髓免受衰老带来的损伤，这一发现为理解神经退行性疾病提供了新的视角。

▷ 研究结果概述。Credit: Nature Neuroscience (2026).

研究团队通过深入分析小鼠模型，发现随着衰老，脊髓背柱（Dorsal Column，脊髓中负责传递本体感觉和精细触觉的区域）的髓鞘会逐渐受损。利用单核RNA测序技术，研究人员发现该区域的小胶质细胞会激活一种名为转化生长因子β（TGF-beta，一种多功能的细胞因子，参与调节细胞生长和免疫反应）的信号通路。实验表明，这种信号分子就像一个“刹车”，能防止小胶质细胞过度活跃。当研究人员在老年小鼠体内关闭TGF-beta的产生时，失去约束的小胶质细胞开始攻击髓鞘，导致小鼠出现明显的运动功能障碍。这证实了该信号通路是维持脊髓微环境稳态的关键机制。研究发表在 Nature Neuroscience 上。

#疾病与健康 #神经机制与脑功能解析 #小胶质细胞 #脊髓损伤 #TGF-β信号通路

阅读更多：

Zhu, Keying, et al. “TGFβ Signaling Mediates Microglial Resilience to Spatiotemporally Restricted Myelin Degeneration.” Nature Neuroscience, Jan. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41593-025-02161-4

AI 行业动态

OpenAI发布ChatGPT Health，打造隐私至上的个人AI健康助手

OpenAI于2026年1月7日正式推出全新产品ChatGPT Health，旨在将人工智能的强大智力与用户的个人健康信息深度整合，提供安全且个性化的健康服务体验。鉴于全球每周有超过2.3亿用户咨询健康问题，OpenAI在现有隐私架构之上，为该功能构建了专用的加密与隔离技术。ChatGPT Health在独立的空间内运行，具备“独立记忆”，其历史对话、连接的文件及应用程序均与主聊天界面严格物理隔离，且OpenAI明确承诺这部分敏感数据绝不会用于训练基础模型。通过安全连接电子健康记录（EHR，Electronic Health Records，包含病史、化验结果及临床记录的数字化医疗档案）以及Apple Health等应用，用户可以借助AI解读复杂的检查报告、为就诊做准备，或制定科学的饮食与运动计划，从而更主动地理解并掌控自身的长期健康模式。

为了确保服务的专业性与安全性，OpenAI的研究人员与来自全球60个国家的260多位执业医生展开了为期两年的深度合作，共同制定了产品的交互逻辑，明确其“辅助而非替代临床护理”的核心定位。开发团队特别引入了HealthBench（HealthBench，由医生编写评分标准的临床评估框架），不依赖传统的考试式问题，而是采用反映真实临床实践的判断标准来严格评估AI的回复质量。目前，该功能已支持用户通过侧边栏进入专属健康空间，并能连接Function、MyFitnessPal等第三方健康应用。尽管部分功能如EHR整合目前仅限于美国地区及iOS系统，但OpenAI计划在未来数周内逐步向所有网页端和iOS用户开放这一服务，并通过持续引入更多数据源，帮助用户以更充足的信心面对健康决策。

#ChatGPTHealth #OpenAI #电子健康记录 #AI医疗助手 #隐私保护

阅读更多：

https://openai.com/zh-Hans-CN/index/introducing-chatgpt-health/

Meta收购案生变：商务部介入调查Manus技术出海合规性

Meta 收购 AI 初创公司 Manus 的交易突生变数。2026年1月8日，中国商务部宣布将会同相关部门对该收购案启动评估调查，重点审查其是否符合出口管制、技术进出口及对外投资等法律法规。此前外界普遍认为这笔数十亿美元的交易已尘埃落定，Manus 创始人也原定出任 Meta 副总裁。然而，尽管 Manus 核心团队已于2025年夏季迁往新加坡，但其早期技术积累源自北京。对外经济贸易大学的研究人员指出，简单的跨国架构调整并不能自动绕过中国监管体系，若核心技术在境内开发，其转移行为仍需获得技术出口许可证，否则可能构成违规。

此次调查的核心在于界定 Manus 是否违规出口限制类技术及数据出境。Manus 作为一款通用的智能体，在 GAIA 基准测试中曾创下新的 SOTA记录，具备极高的商业价值。由于人工智能相关技术在中国属于“限制出口”类别，且运营过程中涉及大量用户数据的跨境传输，必须经过严格的法定程序与安全评估。目前该交易面临三种可能：合规通过、补办手续延迟完成或因实质性违规被叫停。这一案例不仅关乎 Manus 的命运，更为所有试图通过海外架构运作的中国 AI 企业的合规路径提供了重要的风向标。

#Meta收购Manus #商务部调查 #技术出口管制 #AI合规 #智能体

阅读更多：

https://www.xinhuanet.com/fortune/20260108/6076e590255b400ca15f10e7912ef08f/c.html

权威榜单遭质疑：LMArena被指沦为AI界的“选美比赛”

近期，一篇批评文章在科技圈引发震动，直指被视为AI界权威的 LMArena 大模型排行榜已沦为行业发展的“毒瘤”。LMArena 由加州大学伯克利分校等机构推出，采用用户投票和 Elo评分系统（Elo Rating System，一种常用于棋类竞技的等级分排名算法）来评估模型能力。然而，专业数据标注公司 Surge AI 的创始人 Edwin Chen 调查发现，该榜单存在严重的“形式大于内容”问题：52%的高分回答包含事实错误，用户往往倾向于把票投给篇幅长、格式精美且带有表情符号的回答，而非准确的答案。Meta 此前提交的 Maverick 模型便通过刻意迎合这种偏好，一度在榜单上超越了 GPT-4o，而其实际公开版本因缺乏此类修饰，排名惨跌至第32位。

Surge AI 警告称，这种评测机制正迫使行业陷入错误的优化方向，导致“劣币驱逐良币”。由于平台缺乏严格的质量控制和专家审核，研究人员被迫为了短期排名，将模型训练成只会迎合用户偏见、不敢指出错误的“应声虫”。Edwin Chen 将这种现象比作不可靠的“炼金术”，认为试图从低质量的公众投票中提炼出严谨的评估结果是徒劳的。文章呼吁 AI 实验室应警惕这种多巴胺陷阱，坚守实用性与可靠性的底线，而不是为了流量和排名牺牲 AI 的核心价值，因为真正的智能应当基于事实而非单纯的讨好。

#LMArena #AI大模型 #SurgeAI #Elo评分 #数据偏差

阅读更多：

https://surgehq.ai/blog/lmarena-is-a-plague-on-ai

AI 驱动科学

MIT发现AI基础模型正在学习物质的“通用语言”

不同的AI模型是否在以相同的方式“理解”世界？Sathya Edamadaka、Soojung Yang、Rafael Gómez-Bombarelli和Ju Li团队（麻省理工学院）通过分析近六十种科学模型，发现尽管这些模型在输入形式和架构上千差万别，但它们正在学习一种共同的物质底层表征。这一发现表明，随着性能的提升，科学基础模型正在独立地趋向于对物理现实的统一理解。

该研究对59个科学基础模型进行了大规模的比较分析，这些模型涵盖了分子、材料和蛋白质领域，输入模态包括一维字符串（如SMILES）、二维图结构和三维原子坐标等。研究人员利用QM9、RCSB等多个数据集，提取了每个模型最后一层隐藏层的数值嵌入，并使用多种度量方法分析了这些表征之间的对齐程度。

结果显示，不同模型在广泛的化学体系中表现出惊人的表征一致性。更有趣的是，随着模型预测性能的提高，它们在表征空间中越发趋于收敛，暗示高性能模型正在逼近物理现实的某种“真理”。研究还揭示了模型的局限性：在处理熟悉的训练分布内数据时，高性能模型高度一致；但面对从未见过的分布外结构时，几乎所有模型都会坍缩成低信息量的表征。这项工作将表征对齐确立为评估科学AI模型通用性的新基准。

#AI驱动科学 #大模型技术 #物质表征 #基础模型 #跨学科整合

阅读更多：

Edamadaka, Sathya, et al. “Universally Converging Representations of Matter Across Scientific Foundation Models.” arXiv:2512.03750, arXiv, 3 Dec. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2512.03750

AI驱动的“代谢性BMI”揭示隐性健康风险：体重正常也可能面临五倍疾病威胁

传统的体重指数（BMI）往往无法识别出那些体重正常但代谢风险极高的“隐性肥胖”人群。Rima M. Chakaroun博士与Fredrik Bäckhed教授（莱比锡大学与哥德堡大学）领导的国际研究团队，开发了一种基于人工智能的新型评估工具——“代谢性BMI”（metBMI）。该研究不仅揭示了隐藏的代谢紊乱，还量化了肠道菌群与身体代谢之间的密切联系，为精准医疗提供了新的视角。

▷ 代谢性肥胖的系统性视角：整合多器官和多组学特征。Credit: Nature Medicine (2026).

研究团队分析了来自两个瑞典大型队列近2000名参与者的多组学数据，包括血液代谢物和肠道微生物组分析。通过机器学习算法，研究人员从最初的1000多种代谢产物中筛选出66种关键代谢物，构建了metBMI预测模型。结果显示，metBMI比传统BMI能更准确地反映脂肪相关的健康风险：在体重正常但metBMI较高的人群中，患糖尿病、脂肪肝和胰岛素抵抗的风险高达五倍。此外，在接受减重手术的患者中，高metBMI个体的体重减轻幅度比其他人少30%，表明其代谢系统对干预的反应较差。研究还发现，高风险代谢特征与肠道细菌多样性降低显著相关，特别是将膳食纤维转化为有益脂肪酸的能力减弱。这一发现表明，代谢健康是宿主与微生物相互作用的系统性结果。研究发表在 Nature Medicine 上。

#疾病与健康 #个性化医疗 #代谢组学 #肠道菌群 #人工智能

阅读更多：

Chakaroun, Rima M., et al. “Multi-Omic Definition of Metabolic Obesity through Adipose Tissue–Microbiome Interactions.” Nature Medicine, Jan. 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41591-025-04009-7

AI读懂人类行踪：RHYTHM模型利用大语言模型精准预测人类移动性

人类的行踪看似随机，实则有迹可循。为了更精准地掌握这种规律以优化交通规划及应对自然灾害，东北大学的Haoyu He和Qi R. Wang等人开发了一种名为RHYTHM的创新AI工具。该团队利用大语言模型技术，成功构建了一个不仅能理解日常通勤模式，还能预测未来行动轨迹的系统，在处理不规律的人类活动数据方面取得了显著突破。

这项研究的核心在于将处理语言的大模型应用于时空数据。研究人员开发了层级时间标记化（Hierarchical Temporal Tokenization）技术，该方法将人类连续的移动轨迹切分为每日片段，并将其转化为离散的“标记”，类似于语言模型处理单词的方式，从而有效捕捉每日及每周的周期性依赖关系。此外，团队采用了冻结大语言模型主干（Frozen LLM backbone）的策略，即在训练过程中保持核心大模型的参数不变，仅调整输入嵌入，这极大地降低了计算负担。实验结果显示，RHYTHM在三个真实数据集上的总体预测准确率比现有最先进方法提高了2.4%，而在行为模式最难预测的周末时段，其准确率更是提升了5.0%。同时，该模型的训练时间缩短了24.6%，证明了其在效率和性能上的双重优势。研究发表在 Advances in Neural Information Processing Systems 39 (NeurIPS) 2025 上。

#AI 驱动科学 #预测模型构建 #大模型技术 #城市规划

阅读更多：

He, Haoyu, et al. “RHYTHM: Reasoning with Hierarchical Temporal Tokenization for Human Mobility.” arXiv:2509.23115, arXiv, 20 Oct. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2509.23115

同理心驱动：让教育游戏更具情感与实效的十步框架

尽管电子游戏在教育潜力上备受认可，但如何将其有效融入课程并建立真正的情感连接仍是难题，许多游戏往往忽视了学习者的情感和社会体验。为此，Raluca Ionela Maxim和Joan Arnedo-Moreno（加泰罗尼亚开放大学）开发了同理心设计思维框架（EDTF），旨在解决这一痛点，通过结构化的方法指导设计者开发出兼具教学价值与情感共鸣的教育游戏。

▷ Credit: Information (2025).

该研究提出了一种结合了同理心设计、设计思维以及人机交互（HCI）原则的创新方法。EDTF框架包含十个循序渐进的阶段：从深入了解用户需求的“同理心”阶段开始，经历“共同设计场景”、“共同设计教学内容”、“评估用户体验（User Experience）”、“创建简单模型”等迭代过程，直至最终的“实施与维护”。这种方法不仅关注游戏机制，更强调通过情感计算和参与式设计来提升学习者的投入度。为了验证该框架的有效性，研究团队邀请了60名教学游戏专家进行量化评估，并对18名专家进行了深度访谈。结果显示，该框架能有效指导设计者平衡教学目标与游戏体验，将抽象的同理心转化为具体的设计行动，从而创造出更具包容性和影响力的数字学习工具。研究发表在 Information 上。

#认知科学 #跨学科整合 #教育游戏 #同理心设计 #人机交互

阅读更多：

Maxim, Raluca Ionela, and Joan Arnedo-Moreno. “EDTF: A User-Centered Approach to Digital Educational Games Design and Development.” Information, vol. 16, no. 9, Sept. 2025, p. 794. www.mdpi.com, https://doi.org/10.3390/info16090794

梅奥诊所开发集成电子病历的AI代理MedEduChat，助力前列腺癌个性化教育

面对复杂的诊疗信息和医生有限的问诊时间，癌症患者常感到无助。为了解决这一痛点，Yuexing Hao和Wei Liu等（梅奥诊所）研究团队开发了一种创新的解决方案：MedEduChat。该工具利用人工智能技术，结合经过验证的临床数据，旨在为患者提供精准、及时的个性化医疗教育，从而弥补医患沟通中的鸿沟并减轻临床团队的负担。

▷ 基于LLM的聊天机器人设计阶段和步骤。该流程包含三个阶段：健康结果解释、学习增强和患者参与，以及五个循序渐进的步骤，用于指导用户交互、个性化信息传递并整合反馈以持续改进。Credit: npj Digital Medicine (2025).

该研究的核心是开发了名为MedEduChat的智能代理，它将大型语言模型与电子健康记录深度集成。在涉及15名前列腺癌患者的混合方法研究中，参与者与该系统进行了约20至30分钟的互动。结果显示，患者的健康信心评分（Health Confidence Score）从基线的9.9分跃升至13.9分，且系统获得了83.7分的高易用性评分。患者普遍反映，该工具能将晦涩的医学术语转化为通俗易懂的语言。为确保安全性，专家团队对85组问答进行了严格审查，结果表明MedEduChat在正确性方面得分极高（2.9/3），在完整性和安全性方面也表现优异（均为2.7/3）。尽管如此，研究人员也指出，需警惕因电子病历记录不完整可能导致的潜在错误，并建议建立持续的监控机制。研究发表在 npj Digital Medicine 上。

#疾病与健康 #个性化医疗 #大模型技术 #前列腺癌 #电子健康记录

阅读更多：

Hao, Yuexing, et al. “Personalizing Prostate Cancer Education for Patients Using an EHR-Integrated LLM Agent.” Npj Digital Medicine, vol. 8, no. 1, Dec. 2025, p. 770. www.nature.com, https://doi.org/10.1038/s41746-025-02166-0

基于6G/WiFi信号的非接触式肺部疾病筛查技术

如何实现不接触身体、无辐射且低成本的肺部疾病筛查？来自格拉斯哥大学的Qammer H. Abbasi和巴基斯坦信息技术大学的Muhammad Mahboob Ur Rahman等人组成的国际团队，开发了一套基于无线信号的创新系统。该系统利用未来6G和WiFi7网络技术，成功在不使用侵入性检查手段的情况下，实现了对多种常见呼吸系统疾病的高精度识别，为未来的智能家居健康监测和临床诊断提供了新的解决方案。

▷ Credit: Communications Medicine (2026).

该研究的核心在于利用5.23GHz频段的微波信号照射患者胸部，通过捕捉反射信号中因呼吸运动产生的细微变化来分析肺部健康状况。研究团队在医院环境中采集了220名参与者的数据，涵盖了哮喘、肺炎等五种疾病。他们采用了普通卷积神经网络的深度学习算法来处理这些正交频分复用（Orthogonal Frequency Division Multiplexing）信号数据。结果显示，该系统对疾病的分类准确率高达98%，对健康个体的识别率更是达到了100%。值得注意的是，这项技术采用了集成感知与通信设计，仅需占用12.5%的通信带宽即可完成高精度传感，剩余带宽仍可用于正常的数据传输。这意味着未来的WiFi路由器或6G基站可能直接具备健康体检功能。研究发表在 Communications Medicine 上。

#疾病与健康 #个性化医疗 #人工智能 #非接触式监测 #呼吸系统疾病

阅读更多：

Buttar, Hasan Mujtaba, et al. “Non-Contact Lung Disease Classification via Orthogonal Frequency Division Multiplexing-Based Passive 6G Integrated Sensing and Communication.” Communications Medicine, vol. 6, no. 1, Jan. 2026, p. 9. www.nature.com, https://doi.org/10.1038/s43856-025-01181-2

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。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。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~

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。

研究院在华山医院、上海市精神卫生中心分别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陈天桥雒芊芊神经科学研究院。

研究院还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、、、科普视频媒体「大圆镜」等。