█ 腦科學(xué)動(dòng)態(tài)

Nature：大腦如何通過(guò)獨(dú)立神經(jīng)元群協(xié)同編碼內(nèi)容與情境

Nature：疼痛神經(jīng)元竟是過(guò)敏反應(yīng)的“幕后推手”

Nature：告別阿片類藥物成癮，揭示無(wú)副作用止痛新藍(lán)圖

Nature：細(xì)胞間的能量充電寶

假裝游戲的社會(huì)化力量：從玩偶互動(dòng)看兒童親社會(huì)能力

深部腦刺激與聚焦超聲結(jié)合有望突破帕金森病治療瓶頸

像人眼一樣觀察：利用AI將大腦繪圖速度提升七倍

衰老脊髓的自我防御：小膠質(zhì)細(xì)胞通過(guò)TGF-β信號(hào)防止髓鞘損傷

█ AI行業(yè)動(dòng)態(tài)

OpenAI發(fā)布ChatGPT Health，打造隱私至上的個(gè)人AI健康助手

Meta收購(gòu)案生變：商務(wù)部介入調(diào)查Manus技術(shù)出海合規(guī)性

權(quán)威榜單遭質(zhì)疑：LMArena被指淪為AI界的“選美比賽”

█ AI驅(qū)動(dòng)科學(xué)

MIT發(fā)現(xiàn)AI基礎(chǔ)模型正在學(xué)習(xí)物質(zhì)的“通用語(yǔ)言”

AI驅(qū)動(dòng)的“代謝性BMI”揭示隱性健康風(fēng)險(xiǎn)：體重正常也可能面臨五倍疾病威脅

AI讀懂人類行蹤：RHYTHM模型利用大語(yǔ)言模型精準(zhǔn)預(yù)測(cè)人類移動(dòng)性

同理心驅(qū)動(dòng)：讓教育游戲更具情感與實(shí)效的十步框架

梅奧診所開(kāi)發(fā)集成電子病歷的AI代理MedEduChat，助力前列腺癌個(gè)性化教育

基于6G/WiFi信號(hào)的非接觸式肺部疾病篩查技術(shù)

腦科學(xué)動(dòng)態(tài)

Nature：大腦如何通過(guò)獨(dú)立神經(jīng)元群協(xié)同編碼內(nèi)容與情境

為什么我們能輕易區(qū)分與朋友共進(jìn)晚餐和商務(wù)會(huì)談這兩種截然不同的場(chǎng)景，盡管面對(duì)的是同一個(gè)人？為了揭示這一記憶機(jī)制，波恩大學(xué)的Marcel Bausch和Florian Mormann等人通過(guò)記錄人腦單神經(jīng)元活動(dòng)，發(fā)現(xiàn)大腦利用兩組獨(dú)立的神經(jīng)元群分別處理內(nèi)容與情境，并通過(guò)協(xié)同作用形成靈活的記憶。這一發(fā)現(xiàn)解釋了人類記憶如何在保留細(xì)節(jié)的同時(shí)實(shí)現(xiàn)高效的通用化。

研究團(tuán)隊(duì)招募了16名植入顱內(nèi)電極的癲癇患者，在他們執(zhí)行圖片比較任務(wù)時(shí)，記錄了內(nèi)側(cè)顳葉區(qū)域超過(guò)3000個(gè)神經(jīng)元的活動(dòng)。研究發(fā)現(xiàn)，人腦中存在兩類截然不同的神經(jīng)元：一類是“內(nèi)容神經(jīng)元”，僅對(duì)特定圖像（如餅干）有反應(yīng)；另一類是“情境神經(jīng)元”，僅對(duì)特定任務(wù)指令（如詢問(wèn)物體是否更大）有反應(yīng)。與嚙齒動(dòng)物不同，很少有神經(jīng)元同時(shí)編碼兩者。有趣的是，這兩組神經(jīng)元通過(guò)協(xié)同放電（co-firing）建立聯(lián)系：在正確回憶時(shí)，內(nèi)容神經(jīng)元的激活會(huì)預(yù)測(cè)幾十毫秒后情境神經(jīng)元的活動(dòng)。這種機(jī)制被稱為模式補(bǔ)全，使大腦能夠像守門(mén)人一樣，根據(jù)線索提取相關(guān)的背景信息。這種將內(nèi)容與情境存儲(chǔ)在不同神經(jīng)庫(kù)的分工方式，賦予了人類記憶極大的靈活性，使我們能在不同場(chǎng)合復(fù)用同一概念。研究發(fā)表在 Nature 上。

#神經(jīng)科學(xué) #記憶機(jī)制 #海馬體 #單神經(jīng)元記錄 #內(nèi)側(cè)顳葉

閱讀更多：

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：疼痛神經(jīng)元竟是過(guò)敏反應(yīng)的“幕后推手”

為何目前的過(guò)敏和哮喘藥物常常療效不佳？David Artis及其團(tuán)隊(duì)（威爾康奈爾醫(yī)學(xué)院）通過(guò)一項(xiàng)顛覆教科書(shū)的研究給出了答案：神經(jīng)系統(tǒng)在啟動(dòng)免疫反應(yīng)中起著意想不到的主導(dǎo)作用。研究團(tuán)隊(duì)長(zhǎng)期致力于探索神經(jīng)系統(tǒng)在炎癥性疾病中的角色，他們發(fā)現(xiàn)，現(xiàn)有的生物制劑往往只針對(duì)免疫成分而忽略了神經(jīng)元。此次研究揭示了疼痛感受神經(jīng)元不僅是感覺(jué)的傳遞者，更是免疫反應(yīng)的“點(diǎn)火器”，這一發(fā)現(xiàn)為解釋過(guò)敏反應(yīng)的早期癥狀及開(kāi)發(fā)新型雙靶點(diǎn)療法提供了重要依據(jù)。

? 小腸中神經(jīng)元與簇狀細(xì)胞緊密相鄰。圖中所示為神經(jīng)元（綠色）、簇狀細(xì)胞（紅色）和細(xì)胞核（藍(lán)色）。Credit: Elizabeth Emanuel in the Artis Lab.

該研究利用鼠鞭蟲(chóng)感染小鼠模型，深入探究了傷害感受器——一種負(fù)責(zé)傳遞疼痛和瘙癢信號(hào)的神經(jīng)元——在免疫反應(yīng)中的功能。研究發(fā)現(xiàn)，當(dāng)這些神經(jīng)元檢測(cè)到寄生蟲(chóng)（或潛在的過(guò)敏原）時(shí)，會(huì)釋放一種名為降鈣素基因相關(guān)肽（CGRP）的分子。這種信號(hào)分子直接作用于腸道內(nèi)壁的簇狀細(xì)胞（tuft cells），并促使上皮祖細(xì)胞迅速分化，導(dǎo)致簇狀細(xì)胞數(shù)量在24小時(shí)內(nèi)激增近五倍。這種神經(jīng)-上皮回路的激活雖然有助于清除寄生蟲(chóng)，但當(dāng)其過(guò)度反應(yīng)時(shí)，便會(huì)引發(fā)哮喘和纖維化等過(guò)敏性疾病。通過(guò)單細(xì)胞RNA測(cè)序（single-cell RNA sequencing）和空間轉(zhuǎn)錄組學(xué)分析，研究人員證實(shí)了這一機(jī)制的分子基礎(chǔ)。這一發(fā)現(xiàn)表明，未來(lái)的治療策略應(yīng)同時(shí)靶向免疫系統(tǒng)和神經(jīng)系統(tǒng)，以更有效地控制過(guò)敏性疾病。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #過(guò)敏與哮喘 #神經(jīng)免疫學(xué) #跨學(xué)科整合

閱讀更多：

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：告別阿片類藥物成癮，揭示無(wú)副作用止痛新藍(lán)圖

面對(duì)嚴(yán)重的阿片類藥物濫用危機(jī)和數(shù)千萬(wàn)慢性疼痛患者的困境，賓夕法尼亞大學(xué)佩雷爾曼醫(yī)學(xué)院的Gregory Corder和Michael Platt等人通過(guò)跨學(xué)科合作取得突破性進(jìn)展。他們結(jié)合神經(jīng)科學(xué)與人工智能技術(shù)，成功研發(fā)出一種針對(duì)特定腦回路的基因療法，能夠在緩解疼痛的同時(shí)完全消除成癮風(fēng)險(xiǎn)。

該研究首先利用人工智能驅(qū)動(dòng)的行為分析平臺(tái)，精準(zhǔn)追蹤和量化小鼠的疼痛行為，以此作為“地圖”來(lái)解析大腦如何處理疼痛信號(hào)。研究團(tuán)隊(duì)發(fā)現(xiàn)，前扣帶回皮層中的特定神經(jīng)元群體負(fù)責(zé)編碼疼痛帶來(lái)的不適感和負(fù)面情緒?；诖税l(fā)現(xiàn)，他們開(kāi)發(fā)了一種新的化學(xué)遺傳學(xué)基因療法。這種療法如同一個(gè)安裝在大腦中的“音量旋鈕”，專門(mén)針對(duì)這些對(duì)阿片類藥物敏感的神經(jīng)元植入一個(gè)“關(guān)閉開(kāi)關(guān)”。實(shí)驗(yàn)結(jié)果顯示，當(dāng)該開(kāi)關(guān)被激活時(shí)，能夠模擬嗎啡的鎮(zhèn)痛效果，顯著減輕慢性神經(jīng)性疼痛帶來(lái)的痛苦體驗(yàn)，但僅僅是降低了“疼痛的音量”，而不會(huì)阻斷正常的身體感覺(jué)，更重要的是，它完全避開(kāi)了引發(fā)成癮的獎(jiǎng)賞通路。這一發(fā)現(xiàn)為開(kāi)發(fā)非成癮性、精準(zhǔn)化的疼痛治療藥物提供了具體的藍(lán)圖。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)調(diào)控 #慢性疼痛 #基因療法 #人工智能

閱讀更多：

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：細(xì)胞間的“能量充電寶”：膠質(zhì)細(xì)胞向神經(jīng)元轉(zhuǎn)移線粒體可緩解慢性疼痛

慢性神經(jīng)痛是糖尿病和化療常見(jiàn)的并發(fā)癥，往往源于神經(jīng)細(xì)胞能量供應(yīng)不足。杜克大學(xué)醫(yī)學(xué)院的Ru-Rong Ji、Jing Xu以及Cagla Eroglu等人組成的團(tuán)隊(duì)發(fā)現(xiàn)了一種全新的細(xì)胞間互助機(jī)制：神經(jīng)系統(tǒng)中的支持細(xì)胞可以像“充電寶”一樣，將健康的線粒體輸送給受損的神經(jīng)元，從而顯著緩解疼痛。

研究團(tuán)隊(duì)利用小鼠模型和人類組織進(jìn)行實(shí)驗(yàn)，發(fā)現(xiàn)衛(wèi)星膠質(zhì)細(xì)胞（satellite glial cells）通過(guò)一種被稱為隧道納米管（tunneling nanotubes）的微小通道結(jié)構(gòu)，將線粒體直接傳遞給感覺(jué)神經(jīng)元。這一過(guò)程依賴于一種名為肌球蛋白10（MYO10）的蛋白質(zhì)。研究顯示，在糖尿病神經(jīng)病變樣本中，MYO10水平較低，導(dǎo)致線粒體轉(zhuǎn)移受阻，進(jìn)而引發(fā)神經(jīng)退化和疼痛。當(dāng)研究人員通過(guò)注射健康線粒體或植入高表達(dá)MYO10的膠質(zhì)細(xì)胞來(lái)恢復(fù)這種能量傳遞時(shí)，小鼠的疼痛行為減少了多達(dá)50%，緩解效果可持續(xù)48小時(shí)。這項(xiàng)研究不僅揭示了膠質(zhì)細(xì)胞在維持神經(jīng)元健康中的關(guān)鍵作用，也為從根源上治療慢性疼痛提供了新策略。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #慢性疼痛 #線粒體 #膠質(zhì)細(xì)胞

閱讀更多：

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

假裝游戲的社會(huì)化力量：從玩偶互動(dòng)看兒童親社會(huì)能力

游戲不僅是兒童的消遣，更是其理解他人與建立社會(huì)連接的窗口。為了探究不同形式的游戲如何反映兒童的社交能力及其背后的神經(jīng)機(jī)制，Salim Hashmi 和 Sarah A. Gerson 等人（卡迪夫大學(xué)、倫敦國(guó)王學(xué)院）開(kāi)展了一項(xiàng)結(jié)合行為觀察與神經(jīng)影像學(xué)的研究。該團(tuán)隊(duì)深入分析了兒童在獨(dú)自玩耍與合作游戲中的行為模式差異，揭示了特定游戲風(fēng)格與親社會(huì)行為之間的緊密聯(lián)系，并發(fā)現(xiàn)了語(yǔ)言使用與大腦關(guān)鍵區(qū)域活動(dòng)之間的相關(guān)性。

? 神經(jīng)影像游戲流程。Credit: Cognitive Development (2025).

研究團(tuán)隊(duì)招募了57名4至8歲的兒童，讓他們分別在獨(dú)自一人和與實(shí)驗(yàn)人員共同參與的情境下，使用芭比娃娃及配套玩具進(jìn)行自由游戲。研究人員利用神經(jīng)影像設(shè)備監(jiān)測(cè)兒童的大腦活動(dòng)，重點(diǎn)關(guān)注與社交理解相關(guān)的后上顳溝（pSTS）和涉及執(zhí)行功能的背外側(cè)前額葉皮層（dlPFC）。同時(shí)，通過(guò)詳細(xì)的行為分析，區(qū)分兒童是進(jìn)行假裝游戲（pretend play）還是單純的布置游戲（set-up play），并記錄他們描述想法與感受的內(nèi)部狀態(tài)語(yǔ)言（Internal State Language）。結(jié)果顯示，無(wú)論是在哪種情境下，兒童花費(fèi)在擺放和整理玩具上的時(shí)間都遠(yuǎn)多于實(shí)際表演故事的時(shí)間。然而，合作情境顯著促進(jìn)了假裝游戲的發(fā)生。數(shù)據(jù)表明，在合作中進(jìn)行更多假裝游戲的兒童，其日常生活中表現(xiàn)出的親社會(huì)行為更強(qiáng)，同伴問(wèn)題更少。此外，雖然整體游戲風(fēng)格與神經(jīng)活動(dòng)無(wú)直接關(guān)聯(lián)，但那些頻繁使用內(nèi)部狀態(tài)語(yǔ)言來(lái)描述他人想法和感受的兒童，其大腦中負(fù)責(zé)視角轉(zhuǎn)換和調(diào)節(jié)的區(qū)域表現(xiàn)出更活躍的信號(hào)，證實(shí)了在游戲中思考他人感受能激活特定的神經(jīng)系統(tǒng)。研究發(fā)表在 Cognitive Development 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #行為進(jìn)化 #發(fā)聲交流 #冷泉港實(shí)驗(yàn)室

閱讀更多：

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

深部腦刺激與聚焦超聲結(jié)合有望突破帕金森病治療瓶頸

帕金森病的治療長(zhǎng)期面臨兩難選擇：深部腦刺激雖有效但需侵入性手術(shù)，聚焦超聲無(wú)創(chuàng)但應(yīng)用范圍受限。Iqra Bano、Jaison Jeevanandam和Grygoriy Tsenov的研究團(tuán)隊(duì)通過(guò)綜述提出了一種創(chuàng)新思路，即“混合神經(jīng)調(diào)控”。他們發(fā)現(xiàn)將這兩種技術(shù)結(jié)合，不僅能互補(bǔ)各自的短板，還能產(chǎn)生協(xié)同效應(yīng)，為更全面地管理帕金森病的復(fù)雜癥狀提供了可能。

? 該圖展示了帕金森病治療中使用的兩種先進(jìn)神經(jīng)調(diào)控技術(shù)：A. 深部腦刺激 (DBS) 和 B. 聚焦超聲 (FUS)。Credit: 3 Biotech (2026).

該團(tuán)隊(duì)針對(duì)帕金森病治療中現(xiàn)有的深部腦刺激（DBS）和聚焦超聲（FUS）技術(shù)進(jìn)行了詳盡的評(píng)估與文獻(xiàn)計(jì)量分析。研究指出，傳統(tǒng)的DBS主要針對(duì)基底神經(jīng)節(jié)的運(yùn)動(dòng)回路進(jìn)行持續(xù)管理，但往往難以改善焦慮、認(rèn)知遲緩等非運(yùn)動(dòng)癥狀。而聚焦超聲（FUS）作為一種非侵入性技術(shù)，不僅能提高精準(zhǔn)度，還能通過(guò)暫時(shí)打開(kāi)血腦屏障，協(xié)助神經(jīng)營(yíng)養(yǎng)因子或基因療法進(jìn)入黑質(zhì)等深層腦區(qū)，這是單純電刺激無(wú)法實(shí)現(xiàn)的。研究結(jié)果表明，這種混合策略能夠利用FUS調(diào)節(jié)DBS難以觸及的邊緣和皮層網(wǎng)絡(luò)，同時(shí)可能降低DBS所需的刺激強(qiáng)度，從而減少副作用。這種“電-聲”結(jié)合的方法有望從單純的癥狀控制轉(zhuǎn)向?qū)ι窠?jīng)元的保護(hù)與修復(fù)，解決單一療法無(wú)法應(yīng)對(duì)的復(fù)雜系統(tǒng)性問(wèn)題。研究發(fā)表在 3 Biotech 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #行為進(jìn)化 #發(fā)聲交流 #冷泉港實(shí)驗(yàn)室

閱讀更多：

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

像人眼一樣觀察：SmartEM技術(shù)利用AI將大腦繪圖速度提升七倍

為了解開(kāi)大腦的奧秘，繪制高分辨率的神經(jīng)連接圖譜至關(guān)重要，但昂貴且緩慢的設(shè)備一直是巨大的阻礙。為此，Yaron Meirovitch、Aravinthan Samuel和Jeff Lichtman等人（哈佛大學(xué)、麻省理工學(xué)院等）開(kāi)發(fā)了一種名為SmartEM的新技術(shù)。該技術(shù)利用機(jī)器學(xué)習(xí)實(shí)時(shí)引導(dǎo)顯微鏡，使其像人眼一樣工作——聚焦關(guān)鍵細(xì)節(jié)而略過(guò)背景，從而大幅提升了掃描速度并降低了成本，有望讓更多實(shí)驗(yàn)室具備繪制大腦圖譜的能力。

? 小鼠皮層神經(jīng)元和突觸的 SmartEM 體積重建，平均每個(gè)像素的采集時(shí)間為 99 納秒。Credit: Nature Methods (2025).

研究團(tuán)隊(duì)開(kāi)發(fā)了一種結(jié)合機(jī)器學(xué)習(xí)與單束掃描電子顯微鏡（scanning electron microscope）的創(chuàng)新方法。SmartEM系統(tǒng)模仿人類視覺(jué)的注意力機(jī)制，首先對(duì)樣本進(jìn)行快速、低分辨率的全局掃描，隨后利用神經(jīng)網(wǎng)絡(luò)（neural network）實(shí)時(shí)分析圖像，識(shí)別出如突觸等關(guān)鍵特征或易出錯(cuò)的區(qū)域。顯微鏡隨后僅對(duì)這些特定區(qū)域進(jìn)行高分辨率的精細(xì)掃描，最后通過(guò)算法將圖像融合。這種“數(shù)據(jù)感知”成像方式避免了在無(wú)關(guān)背景上浪費(fèi)時(shí)間。實(shí)驗(yàn)數(shù)據(jù)顯示，SmartEM在處理線蟲(chóng)、小鼠和人腦樣本時(shí)，圖像采集速度提高了約7倍。例如，掃描秀麗隱桿線蟲(chóng)的時(shí)間從傳統(tǒng)的1400小時(shí)驚人地縮短至200小時(shí)，且數(shù)據(jù)質(zhì)量足以支持精確的神經(jīng)回路重建。這一突破被 Nature Methods 評(píng)為2025年度方法。

#AI驅(qū)動(dòng)科學(xué) #自動(dòng)化科研 #連接組學(xué) #腦圖譜 #電子顯微鏡

閱讀更多：

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：小膠質(zhì)細(xì)胞通過(guò)TGF-β信號(hào)防止髓鞘損傷

隨著年齡的增長(zhǎng)，脊髓作為大腦與身體溝通的橋梁，面臨著退化的風(fēng)險(xiǎn)。然而，卡羅林斯卡醫(yī)學(xué)院的Robert A. Harris和Harald Lund及其團(tuán)隊(duì)（包括第一作者Keying Zhu）研究發(fā)現(xiàn)，神經(jīng)系統(tǒng)內(nèi)部擁有一套自我保護(hù)機(jī)制。研究揭示了自身的免疫細(xì)胞在特定的信號(hào)分子調(diào)節(jié)下，能夠積極保護(hù)脊髓免受衰老帶來(lái)的損傷，這一發(fā)現(xiàn)為理解神經(jīng)退行性疾病提供了新的視角。

? 研究結(jié)果概述。Credit: Nature Neuroscience (2026).

研究團(tuán)隊(duì)通過(guò)深入分析小鼠模型，發(fā)現(xiàn)隨著衰老，脊髓背柱（Dorsal Column，脊髓中負(fù)責(zé)傳遞本體感覺(jué)和精細(xì)觸覺(jué)的區(qū)域）的髓鞘會(huì)逐漸受損。利用單核RNA測(cè)序技術(shù)，研究人員發(fā)現(xiàn)該區(qū)域的小膠質(zhì)細(xì)胞會(huì)激活一種名為轉(zhuǎn)化生長(zhǎng)因子β（TGF-beta，一種多功能的細(xì)胞因子，參與調(diào)節(jié)細(xì)胞生長(zhǎng)和免疫反應(yīng)）的信號(hào)通路。實(shí)驗(yàn)表明，這種信號(hào)分子就像一個(gè)“剎車”，能防止小膠質(zhì)細(xì)胞過(guò)度活躍。當(dāng)研究人員在老年小鼠體內(nèi)關(guān)閉TGF-beta的產(chǎn)生時(shí)，失去約束的小膠質(zhì)細(xì)胞開(kāi)始攻擊髓鞘，導(dǎo)致小鼠出現(xiàn)明顯的運(yùn)動(dòng)功能障礙。這證實(shí)了該信號(hào)通路是維持脊髓微環(huán)境穩(wěn)態(tài)的關(guān)鍵機(jī)制。研究發(fā)表在 Nature Neuroscience 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #小膠質(zhì)細(xì)胞 #脊髓損傷 #TGF-β信號(hào)通路

閱讀更多：

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 行業(yè)動(dòng)態(tài)

OpenAI發(fā)布ChatGPT Health，打造隱私至上的個(gè)人AI健康助手

OpenAI于2026年1月7日正式推出全新產(chǎn)品ChatGPT Health，旨在將人工智能的強(qiáng)大智力與用戶的個(gè)人健康信息深度整合，提供安全且個(gè)性化的健康服務(wù)體驗(yàn)。鑒于全球每周有超過(guò)2.3億用戶咨詢健康問(wèn)題，OpenAI在現(xiàn)有隱私架構(gòu)之上，為該功能構(gòu)建了專用的加密與隔離技術(shù)。ChatGPT Health在獨(dú)立的空間內(nèi)運(yùn)行，具備“獨(dú)立記憶”，其歷史對(duì)話、連接的文件及應(yīng)用程序均與主聊天界面嚴(yán)格物理隔離，且OpenAI明確承諾這部分敏感數(shù)據(jù)絕不會(huì)用于訓(xùn)練基礎(chǔ)模型。通過(guò)安全連接電子健康記錄（EHR，Electronic Health Records，包含病史、化驗(yàn)結(jié)果及臨床記錄的數(shù)字化醫(yī)療檔案）以及Apple Health等應(yīng)用，用戶可以借助AI解讀復(fù)雜的檢查報(bào)告、為就診做準(zhǔn)備，或制定科學(xué)的飲食與運(yùn)動(dòng)計(jì)劃，從而更主動(dòng)地理解并掌控自身的長(zhǎng)期健康模式。

為了確保服務(wù)的專業(yè)性與安全性，OpenAI的研究人員與來(lái)自全球60個(gè)國(guó)家的260多位執(zhí)業(yè)醫(yī)生展開(kāi)了為期兩年的深度合作，共同制定了產(chǎn)品的交互邏輯，明確其“輔助而非替代臨床護(hù)理”的核心定位。開(kāi)發(fā)團(tuán)隊(duì)特別引入了HealthBench（HealthBench，由醫(yī)生編寫(xiě)評(píng)分標(biāo)準(zhǔn)的臨床評(píng)估框架），不依賴傳統(tǒng)的考試式問(wèn)題，而是采用反映真實(shí)臨床實(shí)踐的判斷標(biāo)準(zhǔn)來(lái)嚴(yán)格評(píng)估AI的回復(fù)質(zhì)量。目前，該功能已支持用戶通過(guò)側(cè)邊欄進(jìn)入專屬健康空間，并能連接Function、MyFitnessPal等第三方健康應(yīng)用。盡管部分功能如EHR整合目前僅限于美國(guó)地區(qū)及iOS系統(tǒng)，但OpenAI計(jì)劃在未來(lái)數(shù)周內(nèi)逐步向所有網(wǎng)頁(yè)端和iOS用戶開(kāi)放這一服務(wù)，并通過(guò)持續(xù)引入更多數(shù)據(jù)源，幫助用戶以更充足的信心面對(duì)健康決策。

#ChatGPTHealth #OpenAI #電子健康記錄 #AI醫(yī)療助手 #隱私保護(hù)

閱讀更多：

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

Meta收購(gòu)案生變：商務(wù)部介入調(diào)查Manus技術(shù)出海合規(guī)性

Meta 收購(gòu) AI 初創(chuàng)公司 Manus 的交易突生變數(shù)。2026年1月8日，中國(guó)商務(wù)部宣布將會(huì)同相關(guān)部門(mén)對(duì)該收購(gòu)案啟動(dòng)評(píng)估調(diào)查，重點(diǎn)審查其是否符合出口管制、技術(shù)進(jìn)出口及對(duì)外投資等法律法規(guī)。此前外界普遍認(rèn)為這筆數(shù)十億美元的交易已塵埃落定，Manus 創(chuàng)始人也原定出任 Meta 副總裁。然而，盡管 Manus 核心團(tuán)隊(duì)已于2025年夏季遷往新加坡，但其早期技術(shù)積累源自北京。對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)的研究人員指出，簡(jiǎn)單的跨國(guó)架構(gòu)調(diào)整并不能自動(dòng)繞過(guò)中國(guó)監(jiān)管體系，若核心技術(shù)在境內(nèi)開(kāi)發(fā)，其轉(zhuǎn)移行為仍需獲得技術(shù)出口許可證，否則可能構(gòu)成違規(guī)。

此次調(diào)查的核心在于界定 Manus 是否違規(guī)出口限制類技術(shù)及數(shù)據(jù)出境。Manus 作為一款通用的智能體，在 GAIA 基準(zhǔn)測(cè)試中曾創(chuàng)下新的 SOTA記錄，具備極高的商業(yè)價(jià)值。由于人工智能相關(guān)技術(shù)在中國(guó)屬于“限制出口”類別，且運(yùn)營(yíng)過(guò)程中涉及大量用戶數(shù)據(jù)的跨境傳輸，必須經(jīng)過(guò)嚴(yán)格的法定程序與安全評(píng)估。目前該交易面臨三種可能：合規(guī)通過(guò)、補(bǔ)辦手續(xù)延遲完成或因?qū)嵸|(zhì)性違規(guī)被叫停。這一案例不僅關(guān)乎 Manus 的命運(yùn)，更為所有試圖通過(guò)海外架構(gòu)運(yùn)作的中國(guó) AI 企業(yè)的合規(guī)路徑提供了重要的風(fēng)向標(biāo)。

#Meta收購(gòu)Manus #商務(wù)部調(diào)查 #技術(shù)出口管制 #AI合規(guī) #智能體

閱讀更多：

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

權(quán)威榜單遭質(zhì)疑：LMArena被指淪為AI界的“選美比賽”

近期，一篇批評(píng)文章在科技圈引發(fā)震動(dòng)，直指被視為AI界權(quán)威的 LMArena 大模型排行榜已淪為行業(yè)發(fā)展的“毒瘤”。LMArena 由加州大學(xué)伯克利分校等機(jī)構(gòu)推出，采用用戶投票和 Elo評(píng)分系統(tǒng)（Elo Rating System，一種常用于棋類競(jìng)技的等級(jí)分排名算法）來(lái)評(píng)估模型能力。然而，專業(yè)數(shù)據(jù)標(biāo)注公司 Surge AI 的創(chuàng)始人 Edwin Chen 調(diào)查發(fā)現(xiàn)，該榜單存在嚴(yán)重的“形式大于內(nèi)容”問(wèn)題：52%的高分回答包含事實(shí)錯(cuò)誤，用戶往往傾向于把票投給篇幅長(zhǎng)、格式精美且?guī)в斜砬榉?hào)的回答，而非準(zhǔn)確的答案。Meta 此前提交的 Maverick 模型便通過(guò)刻意迎合這種偏好，一度在榜單上超越了 GPT-4o，而其實(shí)際公開(kāi)版本因缺乏此類修飾，排名慘跌至第32位。

Surge AI 警告稱，這種評(píng)測(cè)機(jī)制正迫使行業(yè)陷入錯(cuò)誤的優(yōu)化方向，導(dǎo)致“劣幣驅(qū)逐良幣”。由于平臺(tái)缺乏嚴(yán)格的質(zhì)量控制和專家審核，研究人員被迫為了短期排名，將模型訓(xùn)練成只會(huì)迎合用戶偏見(jiàn)、不敢指出錯(cuò)誤的“應(yīng)聲蟲(chóng)”。Edwin Chen 將這種現(xiàn)象比作不可靠的“煉金術(shù)”，認(rèn)為試圖從低質(zhì)量的公眾投票中提煉出嚴(yán)謹(jǐn)?shù)脑u(píng)估結(jié)果是徒勞的。文章呼吁 AI 實(shí)驗(yàn)室應(yīng)警惕這種多巴胺陷阱，堅(jiān)守實(shí)用性與可靠性的底線，而不是為了流量和排名犧牲 AI 的核心價(jià)值，因?yàn)檎嬲闹悄軕?yīng)當(dāng)基于事實(shí)而非單純的討好。

#LMArena #AI大模型 #SurgeAI #Elo評(píng)分 #數(shù)據(jù)偏差

閱讀更多：

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

AI 驅(qū)動(dòng)科學(xué)

MIT發(fā)現(xiàn)AI基礎(chǔ)模型正在學(xué)習(xí)物質(zhì)的“通用語(yǔ)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團(tuán)隊(duì)（麻省理工學(xué)院）通過(guò)分析近六十種科學(xué)模型，發(fā)現(xiàn)盡管這些模型在輸入形式和架構(gòu)上千差萬(wàn)別，但它們正在學(xué)習(xí)一種共同的物質(zhì)底層表征。這一發(fā)現(xiàn)表明，隨著性能的提升，科學(xué)基礎(chǔ)模型正在獨(dú)立地趨向于對(duì)物理現(xiàn)實(shí)的統(tǒng)一理解。

該研究對(duì)59個(gè)科學(xué)基礎(chǔ)模型進(jìn)行了大規(guī)模的比較分析，這些模型涵蓋了分子、材料和蛋白質(zhì)領(lǐng)域，輸入模態(tài)包括一維字符串（如SMILES）、二維圖結(jié)構(gòu)和三維原子坐標(biāo)等。研究人員利用QM9、RCSB等多個(gè)數(shù)據(jù)集，提取了每個(gè)模型最后一層隱藏層的數(shù)值嵌入，并使用多種度量方法分析了這些表征之間的對(duì)齊程度。

結(jié)果顯示，不同模型在廣泛的化學(xué)體系中表現(xiàn)出驚人的表征一致性。更有趣的是，隨著模型預(yù)測(cè)性能的提高，它們?cè)诒碚骺臻g中越發(fā)趨于收斂，暗示高性能模型正在逼近物理現(xiàn)實(shí)的某種“真理”。研究還揭示了模型的局限性：在處理熟悉的訓(xùn)練分布內(nèi)數(shù)據(jù)時(shí)，高性能模型高度一致；但面對(duì)從未見(jiàn)過(guò)的分布外結(jié)構(gòu)時(shí)，幾乎所有模型都會(huì)坍縮成低信息量的表征。這項(xiàng)工作將表征對(duì)齊確立為評(píng)估科學(xué)AI模型通用性的新基準(zhǔn)。

#AI驅(qū)動(dòng)科學(xué) #大模型技術(shù) #物質(zhì)表征 #基礎(chǔ)模型 #跨學(xué)科整合

閱讀更多：

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驅(qū)動(dòng)的“代謝性BMI”揭示隱性健康風(fēng)險(xiǎn)：體重正常也可能面臨五倍疾病威脅

傳統(tǒng)的體重指數(shù)（BMI）往往無(wú)法識(shí)別出那些體重正常但代謝風(fēng)險(xiǎn)極高的“隱性肥胖”人群。Rima M. Chakaroun博士與Fredrik B?ckhed教授（萊比錫大學(xué)與哥德堡大學(xué)）領(lǐng)導(dǎo)的國(guó)際研究團(tuán)隊(duì)，開(kāi)發(fā)了一種基于人工智能的新型評(píng)估工具——“代謝性BMI”（metBMI）。該研究不僅揭示了隱藏的代謝紊亂，還量化了腸道菌群與身體代謝之間的密切聯(lián)系，為精準(zhǔn)醫(yī)療提供了新的視角。

? 代謝性肥胖的系統(tǒng)性視角：整合多器官和多組學(xué)特征。Credit: Nature Medicine (2026).

研究團(tuán)隊(duì)分析了來(lái)自兩個(gè)瑞典大型隊(duì)列近2000名參與者的多組學(xué)數(shù)據(jù)，包括血液代謝物和腸道微生物組分析。通過(guò)機(jī)器學(xué)習(xí)算法，研究人員從最初的1000多種代謝產(chǎn)物中篩選出66種關(guān)鍵代謝物，構(gòu)建了metBMI預(yù)測(cè)模型。結(jié)果顯示，metBMI比傳統(tǒng)BMI能更準(zhǔn)確地反映脂肪相關(guān)的健康風(fēng)險(xiǎn)：在體重正常但metBMI較高的人群中，患糖尿病、脂肪肝和胰島素抵抗的風(fēng)險(xiǎn)高達(dá)五倍。此外，在接受減重手術(shù)的患者中，高metBMI個(gè)體的體重減輕幅度比其他人少30%，表明其代謝系統(tǒng)對(duì)干預(yù)的反應(yīng)較差。研究還發(fā)現(xiàn)，高風(fēng)險(xiǎn)代謝特征與腸道細(xì)菌多樣性降低顯著相關(guān)，特別是將膳食纖維轉(zhuǎn)化為有益脂肪酸的能力減弱。這一發(fā)現(xiàn)表明，代謝健康是宿主與微生物相互作用的系統(tǒng)性結(jié)果。研究發(fā)表在 Nature Medicine 上。

#疾病與健康 #個(gè)性化醫(yī)療 #代謝組學(xué) #腸道菌群 #人工智能

閱讀更多：

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讀懂人類行蹤：RHYTHM模型利用大語(yǔ)言模型精準(zhǔn)預(yù)測(cè)人類移動(dòng)性

人類的行蹤看似隨機(jī)，實(shí)則有跡可循。為了更精準(zhǔn)地掌握這種規(guī)律以優(yōu)化交通規(guī)劃及應(yīng)對(duì)自然災(zāi)害，東北大學(xué)的Haoyu He和Qi R. Wang等人開(kāi)發(fā)了一種名為RHYTHM的創(chuàng)新AI工具。該團(tuán)隊(duì)利用大語(yǔ)言模型技術(shù)，成功構(gòu)建了一個(gè)不僅能理解日常通勤模式，還能預(yù)測(cè)未來(lái)行動(dòng)軌跡的系統(tǒng)，在處理不規(guī)律的人類活動(dòng)數(shù)據(jù)方面取得了顯著突破。

這項(xiàng)研究的核心在于將處理語(yǔ)言的大模型應(yīng)用于時(shí)空數(shù)據(jù)。研究人員開(kāi)發(fā)了層級(jí)時(shí)間標(biāo)記化（Hierarchical Temporal Tokenization）技術(shù)，該方法將人類連續(xù)的移動(dòng)軌跡切分為每日片段，并將其轉(zhuǎn)化為離散的“標(biāo)記”，類似于語(yǔ)言模型處理單詞的方式，從而有效捕捉每日及每周的周期性依賴關(guān)系。此外，團(tuán)隊(duì)采用了凍結(jié)大語(yǔ)言模型主干（Frozen LLM backbone）的策略，即在訓(xùn)練過(guò)程中保持核心大模型的參數(shù)不變，僅調(diào)整輸入嵌入，這極大地降低了計(jì)算負(fù)擔(dān)。實(shí)驗(yàn)結(jié)果顯示，RHYTHM在三個(gè)真實(shí)數(shù)據(jù)集上的總體預(yù)測(cè)準(zhǔn)確率比現(xiàn)有最先進(jìn)方法提高了2.4%，而在行為模式最難預(yù)測(cè)的周末時(shí)段，其準(zhǔn)確率更是提升了5.0%。同時(shí)，該模型的訓(xùn)練時(shí)間縮短了24.6%，證明了其在效率和性能上的雙重優(yōu)勢(shì)。研究發(fā)表在 Advances in Neural Information Processing Systems 39 (NeurIPS) 2025 上。

#AI 驅(qū)動(dòng)科學(xué) #預(yù)測(cè)模型構(gòu)建 #大模型技術(shù) #城市規(guī)劃

閱讀更多：

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

同理心驅(qū)動(dòng)：讓教育游戲更具情感與實(shí)效的十步框架

盡管電子游戲在教育潛力上備受認(rèn)可，但如何將其有效融入課程并建立真正的情感連接仍是難題，許多游戲往往忽視了學(xué)習(xí)者的情感和社會(huì)體驗(yàn)。為此，Raluca Ionela Maxim和Joan Arnedo-Moreno（加泰羅尼亞開(kāi)放大學(xué)）開(kāi)發(fā)了同理心設(shè)計(jì)思維框架（EDTF），旨在解決這一痛點(diǎn)，通過(guò)結(jié)構(gòu)化的方法指導(dǎo)設(shè)計(jì)者開(kāi)發(fā)出兼具教學(xué)價(jià)值與情感共鳴的教育游戲。

? Credit: Information (2025).

該研究提出了一種結(jié)合了同理心設(shè)計(jì)、設(shè)計(jì)思維以及人機(jī)交互（HCI）原則的創(chuàng)新方法。EDTF框架包含十個(gè)循序漸進(jìn)的階段：從深入了解用戶需求的“同理心”階段開(kāi)始，經(jīng)歷“共同設(shè)計(jì)場(chǎng)景”、“共同設(shè)計(jì)教學(xué)內(nèi)容”、“評(píng)估用戶體驗(yàn)（User Experience）”、“創(chuàng)建簡(jiǎn)單模型”等迭代過(guò)程，直至最終的“實(shí)施與維護(hù)”。這種方法不僅關(guān)注游戲機(jī)制，更強(qiáng)調(diào)通過(guò)情感計(jì)算和參與式設(shè)計(jì)來(lái)提升學(xué)習(xí)者的投入度。為了驗(yàn)證該框架的有效性，研究團(tuán)隊(duì)邀請(qǐng)了60名教學(xué)游戲?qū)＜疫M(jìn)行量化評(píng)估，并對(duì)18名專家進(jìn)行了深度訪談。結(jié)果顯示，該框架能有效指導(dǎo)設(shè)計(jì)者平衡教學(xué)目標(biāo)與游戲體驗(yàn)，將抽象的同理心轉(zhuǎn)化為具體的設(shè)計(jì)行動(dòng)，從而創(chuàng)造出更具包容性和影響力的數(shù)字學(xué)習(xí)工具。研究發(fā)表在 Information 上。

#認(rèn)知科學(xué) #跨學(xué)科整合 #教育游戲 #同理心設(shè)計(jì) #人機(jī)交互

閱讀更多：

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

梅奧診所開(kāi)發(fā)集成電子病歷的AI代理MedEduChat，助力前列腺癌個(gè)性化教育

面對(duì)復(fù)雜的診療信息和醫(yī)生有限的問(wèn)診時(shí)間，癌癥患者常感到無(wú)助。為了解決這一痛點(diǎn)，Yuexing Hao和Wei Liu等（梅奧診所）研究團(tuán)隊(duì)開(kāi)發(fā)了一種創(chuàng)新的解決方案：MedEduChat。該工具利用人工智能技術(shù)，結(jié)合經(jīng)過(guò)驗(yàn)證的臨床數(shù)據(jù)，旨在為患者提供精準(zhǔn)、及時(shí)的個(gè)性化醫(yī)療教育，從而彌補(bǔ)醫(yī)患溝通中的鴻溝并減輕臨床團(tuán)隊(duì)的負(fù)擔(dān)。

? 基于LLM的聊天機(jī)器人設(shè)計(jì)階段和步驟。該流程包含三個(gè)階段：健康結(jié)果解釋、學(xué)習(xí)增強(qiáng)和患者參與，以及五個(gè)循序漸進(jìn)的步驟，用于指導(dǎo)用戶交互、個(gè)性化信息傳遞并整合反饋以持續(xù)改進(jìn)。Credit: npj Digital Medicine (2025).

該研究的核心是開(kāi)發(fā)了名為MedEduChat的智能代理，它將大型語(yǔ)言模型與電子健康記錄深度集成。在涉及15名前列腺癌患者的混合方法研究中，參與者與該系統(tǒng)進(jìn)行了約20至30分鐘的互動(dòng)。結(jié)果顯示，患者的健康信心評(píng)分（Health Confidence Score）從基線的9.9分躍升至13.9分，且系統(tǒng)獲得了83.7分的高易用性評(píng)分?；颊咂毡榉从常摴ぞ吣軐⒒逎尼t(yī)學(xué)術(shù)語(yǔ)轉(zhuǎn)化為通俗易懂的語(yǔ)言。為確保安全性，專家團(tuán)隊(duì)對(duì)85組問(wèn)答進(jìn)行了嚴(yán)格審查，結(jié)果表明MedEduChat在正確性方面得分極高（2.9/3），在完整性和安全性方面也表現(xiàn)優(yōu)異（均為2.7/3）。盡管如此，研究人員也指出，需警惕因電子病歷記錄不完整可能導(dǎo)致的潛在錯(cuò)誤，并建議建立持續(xù)的監(jiān)控機(jī)制。研究發(fā)表在 npj Digital Medicine 上。

#疾病與健康 #個(gè)性化醫(yī)療 #大模型技術(shù) #前列腺癌 #電子健康記錄

閱讀更多：

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信號(hào)的非接觸式肺部疾病篩查技術(shù)

如何實(shí)現(xiàn)不接觸身體、無(wú)輻射且低成本的肺部疾病篩查？來(lái)自格拉斯哥大學(xué)的Qammer H. Abbasi和巴基斯坦信息技術(shù)大學(xué)的Muhammad Mahboob Ur Rahman等人組成的國(guó)際團(tuán)隊(duì)，開(kāi)發(fā)了一套基于無(wú)線信號(hào)的創(chuàng)新系統(tǒng)。該系統(tǒng)利用未來(lái)6G和WiFi7網(wǎng)絡(luò)技術(shù)，成功在不使用侵入性檢查手段的情況下，實(shí)現(xiàn)了對(duì)多種常見(jiàn)呼吸系統(tǒng)疾病的高精度識(shí)別，為未來(lái)的智能家居健康監(jiān)測(cè)和臨床診斷提供了新的解決方案。

? Credit: Communications Medicine (2026).

該研究的核心在于利用5.23GHz頻段的微波信號(hào)照射患者胸部，通過(guò)捕捉反射信號(hào)中因呼吸運(yùn)動(dòng)產(chǎn)生的細(xì)微變化來(lái)分析肺部健康狀況。研究團(tuán)隊(duì)在醫(yī)院環(huán)境中采集了220名參與者的數(shù)據(jù)，涵蓋了哮喘、肺炎等五種疾病。他們采用了普通卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法來(lái)處理這些正交頻分復(fù)用（Orthogonal Frequency Division Multiplexing）信號(hào)數(shù)據(jù)。結(jié)果顯示，該系統(tǒng)對(duì)疾病的分類準(zhǔn)確率高達(dá)98%，對(duì)健康個(gè)體的識(shí)別率更是達(dá)到了100%。值得注意的是，這項(xiàng)技術(shù)采用了集成感知與通信設(shè)計(jì)，僅需占用12.5%的通信帶寬即可完成高精度傳感，剩余帶寬仍可用于正常的數(shù)據(jù)傳輸。這意味著未來(lái)的WiFi路由器或6G基站可能直接具備健康體檢功能。研究發(fā)表在 Communications Medicine 上。

#疾病與健康 #個(gè)性化醫(yī)療 #人工智能 #非接觸式監(jiān)測(cè) #呼吸系統(tǒng)疾病

閱讀更多：

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

編輯｜丹雀、存源

關(guān)于追問(wèn)nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問(wèn)為紐帶，深入探究人工智能與人類智能相互融合與促進(jìn)，不斷探索科學(xué)的邊界。歡迎評(píng)論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。您也可以在后臺(tái)提問(wèn)，我們將基于追問(wèn)知識(shí)庫(kù)為你做出智能回復(fù)哦~

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，支持腦科學(xué)研究，造福人類。

研究院在華山醫(yī)院、上海市精神衛(wèi)生中心分別設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實(shí)驗(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)室；與加州理工學(xué)院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學(xué)研究院。

研究院還建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、、科普視頻媒體「大圓鏡」等。