相关研究与后续进展

这篇综述综合了人工智能与机器学习在非人灵长类异种移植临床前研究中的应用证据，指出计算机视觉可支持连续无创的行为表型分析与疼痛评估、异常检测算法可从生物信号流中提取早期预警信号、多组学整合可识别异种移植物特异性生物标志物特征、数字孪生框架或可支持对潜在人类受者反应的假设生成式模拟、可解释人工智能可使模型输出更透明并更具监管可辩护性，并提出了一项研究议程，使人工智能增强的非人灵长类实验成为从临床前数据复杂性通向异种移植临床精准的桥梁，同时支持3R（替代、减少、优化）伦理要求。