關(guān)注“醫(yī)工學(xué)人”，第一時(shí)間獲取醫(yī)工交叉領(lǐng)域新聞動(dòng)態(tài)~

1. Nature | 人工智能擴(kuò)展了用于基因組編輯的 CRISPR 相關(guān)蛋白庫(kù)

2. Nature | 肺部“沉睡”的癌細(xì)胞可能會(huì)被 COVID 和流感喚醒

3. Nat. Commun. | 超聲成像預(yù)測(cè)甲狀腺癌側(cè)淋巴結(jié)轉(zhuǎn)移的可解釋多模態(tài)深度學(xué)習(xí)

4. Med. Image Anal. | 基于潛在擴(kuò)散的個(gè)體化3D腦MRI時(shí)空疾病進(jìn)展建模解耦控制的真實(shí)全景牙齒X光生成

5. Nat. Commun. | 基于機(jī)器學(xué)習(xí)的個(gè)性化可穿戴機(jī)器人控制改善受損手臂功能

醫(yī)工簡(jiǎn)報(bào)音頻內(nèi)容已在喜馬拉雅、小宇宙等平臺(tái)上線，歡迎訂閱收聽(tīng)~

 行業(yè)動(dòng)態(tài)   

Nature | 人工智能擴(kuò)展了用于基因組編輯的 CRISPR 相關(guān)蛋白庫(kù)

盡管臨床取得了新興成功，但當(dāng)前的基因組編輯器仍存在脫靶效應(yīng)，并可能引發(fā)免疫系統(tǒng)的不良反應(yīng)，從而限制其更廣泛的治療應(yīng)用。Ruffolo等人在《Nature》上撰文介紹了OpenCRISPR-1，這是第一個(gè)成功編輯人類 DNA 的 AI 生成的 CRISPR-Cas 蛋白。這項(xiàng)工作展示了機(jī)器學(xué)習(xí)如何被用來(lái)設(shè)計(jì)功能性生物系統(tǒng)，這些系統(tǒng)超越了自然界中發(fā)現(xiàn)的系統(tǒng)。

https://www.nature.com/articles/d41586-025-02135-3

臨床綜合

Nature | 肺部“沉睡”的癌細(xì)胞可能會(huì)被 COVID 和流感喚醒

一些乳腺癌幸存者肺部隱藏著腫瘤細(xì)胞，這些細(xì)胞可以保持休眠狀態(tài)數(shù)十年，直到有一天引發(fā)復(fù)發(fā)?，F(xiàn)在，在小鼠身上的實(shí)驗(yàn)表明，這些細(xì)胞可以通過(guò) COVID-19 或流感等常見(jiàn)呼吸道疾病“從沉睡中醒來(lái)”。研究結(jié)果發(fā)表在7月30日的《Nature》上，來(lái)自數(shù)千人的數(shù)據(jù)顯示，感染冠狀病毒 SARS-CoV-2 與癌癥相關(guān)死亡增加近兩倍有關(guān)，這可能有助于解釋為什么癌癥死亡率在 COVID-19 大流行期間早期增加。結(jié)果“確實(shí)非常引人注目”，奧羅拉科羅拉大學(xué)醫(yī)學(xué)院的癌癥生物學(xué)家、該研究的作者詹姆斯·德格雷戈里說(shuō)?！昂粑啦《靖腥静粌H喚醒了細(xì)胞，”他說(shuō)：它們還導(dǎo)致細(xì)胞增殖或繁殖，“數(shù)量巨大”。

https://www.nature.com/articles/d41586-025-02420-1

醫(yī)學(xué)人工智能

Nat. Commun. | 超聲成像預(yù)測(cè)甲狀腺癌側(cè)淋巴結(jié)轉(zhuǎn)移的可解釋多模態(tài)深度學(xué)習(xí)

側(cè)向淋巴結(jié)轉(zhuǎn)移的術(shù)前預(yù)測(cè)對(duì)于指導(dǎo)手術(shù)策略和預(yù)后評(píng)估至關(guān)重要，但缺乏精確的預(yù)測(cè)方法。因此，該研發(fā)團(tuán)隊(duì)開(kāi)發(fā)了側(cè)向淋巴結(jié)轉(zhuǎn)移網(wǎng)絡(luò)（LLNM-Net），這是一個(gè)雙向注意力深度學(xué)習(xí)模型，融合了來(lái)自七個(gè)中心的29,615名患者和9836名手術(shù)病例的多模態(tài)數(shù)據(jù)（術(shù)前超聲圖像、放射學(xué)報(bào)告、病理發(fā)現(xiàn)和人口統(tǒng)計(jì)數(shù)據(jù)）。將結(jié)節(jié)形態(tài)和位置與臨床文本相結(jié)合，LLNM-Net在多中心測(cè)試中實(shí)現(xiàn)了0.944和84.7%準(zhǔn)確率的曲線下區(qū)域（AUC），優(yōu)于人類專家（64.3%準(zhǔn)確率），并超過(guò)了以前的模型7.4%。顯示甲狀腺囊0.25 cm內(nèi)的腫瘤具有>72%的轉(zhuǎn)移風(fēng)險(xiǎn)，中上葉是高危區(qū)域。利用位置、形狀、回聲性、邊緣、人口統(tǒng)計(jì)和臨床醫(yī)生輸入，LLNM-Net進(jìn)一步達(dá)到0.983的AUC，用于識(shí)別高?；颊?。因此，該模型很有希望成為術(shù)前篩查和風(fēng)險(xiǎn)分層的工具。

https://www.nature.com/articles/s41467-025-62042-z

醫(yī)學(xué)成像技術(shù)

Med. Image Anal. | 基于潛在擴(kuò)散的個(gè)體化3D腦MRI時(shí)空疾病進(jìn)展建模解耦控制的真實(shí)全景牙齒X光生成

針對(duì)神經(jīng)退行性疾病進(jìn)展預(yù)測(cè)中的個(gè)體化不足、時(shí)空不一致及3D MRI計(jì)算瓶頸，8月2日，意大利卡塔尼亞大學(xué)團(tuán)隊(duì)提出BrLP模型，創(chuàng)新融合潛在擴(kuò)散架構(gòu)與臨床元數(shù)據(jù)。該模型通過(guò)四維設(shè)計(jì)突破現(xiàn)有局限：(1) 采用潛在擴(kuò)散模型將128×146×122三維腦MRI壓縮至16×20×16隱空間，降低90%顯存消耗；(2) 集成模塊嵌入患者年齡、性別及認(rèn)知狀態(tài)等元數(shù)據(jù)；(3) 設(shè)計(jì)輔助模型融合海馬/杏仁核等AD相關(guān)區(qū)域的疾病先驗(yàn)知識(shí)；(4) 提出隱空間平均穩(wěn)定(LAS)算法，通過(guò)m次采樣平均優(yōu)化時(shí)空連續(xù)性，同步生成體素級(jí)不確定性圖譜。實(shí)驗(yàn)在ADNI/OASIS/AIBL等11,730例MRI訓(xùn)練集及NACC外部2,257例驗(yàn)證集上顯示：相比4D-DaniNet等方法，BrLP在SSIM和海馬體積MAE指標(biāo)顯著提升，成功應(yīng)用于臨床試驗(yàn)"快速進(jìn)展者"篩選，使II類錯(cuò)誤風(fēng)險(xiǎn)降低。

https://doi.org/10.1016/j.media.2025.103734

可穿戴技術(shù)

Nat. Commun. | 基于機(jī)器學(xué)習(xí)的個(gè)性化可穿戴機(jī)器人控制改善受損手臂功能

便攜式可穿戴機(jī)器人為幫助有上肢殘疾的人提供了希望。然而，個(gè)體之間的運(yùn)動(dòng)可變性以及支持性和透明度之間的權(quán)衡使現(xiàn)實(shí)世界任務(wù)期間的機(jī)器人控制復(fù)雜化。該研究通過(guò)首先開(kāi)發(fā)個(gè)性化的機(jī)器學(xué)習(xí)意圖檢測(cè)模型來(lái)解碼來(lái)自慣性測(cè)量單元（IMU）和壓縮傳感器的用戶運(yùn)動(dòng)意圖來(lái)應(yīng)對(duì)這些挑戰(zhàn)。其次，利用基于物理的滯后模型來(lái)增強(qiáng)控制透明度，并使其適應(yīng)現(xiàn)實(shí)世界任務(wù)中的實(shí)際使用。第三，將這兩個(gè)模型組合并集成到一個(gè)實(shí)時(shí)控制器中，以根據(jù)用戶的意圖和運(yùn)動(dòng)學(xué)狀態(tài)來(lái)調(diào)制輔助水平。第四，在多日評(píng)估中評(píng)估了文章提出的控制策略在改善手臂功能方面的有效性。對(duì)于5名中風(fēng)后患者和4名佩戴軟肩機(jī)器人的肌萎縮側(cè)索硬化癥患者，證明了與基線控制器相比，控制器從肩部角度的最小變化（上抬3.4°/下壓1.7°）中識(shí)別肩部運(yùn)動(dòng)的準(zhǔn)確率為94.2%，并將放下手臂的力降低了31.9%，肩部活動(dòng)范圍提升17.5°，肘部與腕部分別增加10.6°和7.6°活動(dòng)度；同時(shí)減少軀干代償動(dòng)作達(dá)25.4%，手部運(yùn)動(dòng)軌跡效率最高提升53.8%。該研究為個(gè)性化康復(fù)機(jī)器人技術(shù)提供了重要實(shí)踐依據(jù)。

https://www.nature.com/articles/s41467-025-62538-8

END

內(nèi)容 | 郝婭婷 張艷青

編輯 | 劉帥

審核 | 羅虎