AI 与科学前沿 · 2026-09-14

Fyxer 利用 OpenAI 模型、微调、记忆机制和真实用户反馈，帮助用户整理收件箱，并以每位用户自己的语气起草邮件。

本文综述了手术部位感染（SSI）预防的证据与实施经验，涵盖感染预防与控制（IPC）、抗菌药物管理（AMS）、抗菌药物耐药（AMR）、质量改进、监测、安全文化、人为因素与新兴技术，指出多模式、因地制宜的IPC干预可在无需大量资本投入的情况下显著降低SSI发生率，同时基础设施、指南落实、监测与环境控制方面仍存在持续缺口，AMR进一步凸显将AMS纳入外科安全框架的必要性，而人工智能与客观诊断技术可能改善监测与SSI早期识别，因此SSI预防既是临床必需也是伦理要务，全球外科策略应整合上述要素以推进全球外科照护的公平、质量与安全。

该工作以紫外吸收波长（λmax）预测为测试场景，在18,415个溶质-溶剂对（经Greenman/Song重复处理协议）上以分层5折交叉验证比较了五类模型（随机森林、XGBoost、有向消息传递图神经网络、双向门控循环网络、预训练Transformer），并辅以两个合计超过40,000个分子的外部数据集，发现已知化学空间内的筛选任务中随机森林与最佳深度学习模型统计上不可区分（RMSE 31.50±1.47 nm 对 33.15±3.27 nm，p=0.16）且仅需CPU上15分钟训练，而在16个新骨架紫外吸收化合物的实验验证中图神经网络（MAE 26.2 nm）、Transformer（26.3 nm）与Bi

该工作构建了一个冻结、内容哈希的数据资产与统一评分框架，将七个MaveDB饱和基因组编辑（SGE）评分集映射到GRCh38并方向统一后冻结为不可变矩阵，对十九个变异效应预测器在十六个分层上进行逐基因Spearman ρ的DerSimonian–Laird随机效应荟萃分析，并加入逐层测量可靠性估计、衰减校正、配对相关检验与留一基因验证，覆盖64,178个变异与七个癌症易感基因。

这项单中心回顾性队列研究纳入2021至2024年因慢性伤口首次入院的584例成人患者，发现入院日红细胞分布宽度-白蛋白比值（RAR）联合年龄校正Charlson合并症指数（ACCI）构成的两变量模型可预测1年全因死亡率，经自助法内部验证的乐观校正C统计量为0.855，校准良好，并将患者分为低、中、高风险三层（观察死亡率分别为1.3%、9.0%、36.8%），在124例后续同中心队列的探索性时间评估中区分度相似但校准不精确。

Pro-GAT是一个基于图注意力的几何保持分子图修复框架，针对扩散模型在固定锚点约束下生成的化学上断连的PROTAC候选分子，通过预测有界坐标修正和受约束的原子类型修改来修复分子图；在DiffPROTAC测试集上恢复了31.58%的断连结构，与DiffPROTAC和经PROTAC数据微调的DiffLinker联用时，将聚合输出中化学有效候选的比例分别从76.70%提升至83.92%、从63.16%提升至68.73%，同时在有效候选中的唯一性分别保持在80.18%和63.80%，并在7Z76（SMARCA2-VHL）、7JTO（WDR5-VHL）和6W8I（BTK-cIAP1）三个实验表征的三元

这篇 Perspective 提出，化学与语言经历了相似的表示演化路径——从默契的实践知识到系统符号，再到几何化的可导航空间——并据此构建一个概念框架，把分子性质理解为从分子结构中涌现的“化学意义”，进而将潜空间中的语义插值与分子模拟中的炼金术变换视为在连接离散化学态的连续流形上导航的同类策略，同时提出以“化学模仿游戏”作为超越句法有效性、面向化学意义推理的分子 AI 评估构想。

该横断面研究在尼日利亚卡诺一家大型三级转诊中心对427名接受抗逆转录病毒治疗（ART）的成人进行调查，发现75.2%知晓AI聊天机器人、72.6%曾使用过，66.5%曾用其查询HIV相关信息（最常见为获取HIV/ART一般信息36.3%、查询ART副作用23.4%、准备向医生提问15.0%），并识别出与HIV相关聊天机器人使用独立相关的因素，包括年轻年龄、大专以上学历、已婚、ART疗程较短、存在合并症、拥有智能手机、可上网及英语能力。

该研究开发并验证了基于GPT-4o的尿动力学报告撰写器应用（URapp），其依据科学文献与国际尿动力学指南建模、经两家转诊中心检查数据由两位专家监督微调，由功能泌尿科专家按0-5分Likert量表评估，在解读准确性（4.5±0.2）、概念解释（5.0±0）、循证标准依从性（4.8±0.3）、建议清晰实用性（4.2±0.3）、临床相关性（3.8±0.3）和诊断有用性（3.5±0.5）等维度获得较高评分，并在100例连续尿动力学检查（中位年龄61岁）中全部获得总体评分≥4。

该工作提出开源统一 Python 框架 PolyGraphPy，将基于 DFTB+ 的量子力学计算自动化以构建单体、均聚物与交替共聚物的结构化数据集，并集成采用随机图表示的贝叶斯图神经网络进行性质预测（如静态极化率）与不确定性量化，同时纳入基于 SELFIES 的生成式预训练 Transformer 和基于 BRICS 图碎片的遗传算法两种互补生成模型用于目标分子的从头设计，并在丙烯酸酯数据集上展示了这一可高度定制的端到端流程。

该工作提出SSE-DDI框架，在分子线图中以化学键为基本表示单元进行选择性子结构编码，并通过边融合图变换器与经精炼的SMILES来源Morgan指纹相似性剖面加以补充，在DrugBank与Twosides数据集的转导与归纳设置下于多项指标上优于代表性基线，消融与可视化分析支持选择性编码的有效性并凸显与药物相互作用相关的分子子结构。

这项单中心前瞻性试点研究在20例直肠癌患者中首次实现并评估了基于一体化CT-linac的全自动All-in-One放疗工作流，将CT模拟、人工智能自动勾画、自动计划、在线验证与出束在同一平台上连续完成而无需重新摆位，结果显示工作流全部成功完成，平均总治疗时间37.5±6.9分钟，自动勾画Dice相似系数在0.83至0.95之间，三维伽马通过率全部超过95%，白细胞减少发生率为55.0%，随访中19例接受手术、1例达临床完全缓解，总体完全缓解率为15.0%，手术患者中68.4%达到肿瘤退缩分级0-1级。

这篇综述评估了创伤性脑损伤（TBI）多模态监测（MMM）技术的现状、临床应用及其在改善TBI管理中的作用，聚焦于可实时提供管理指导的生理数据流（如颅内压、脑组织氧合、动脉血压和脑电图），指出将生理变量与人工智能和高级分析相结合可能有助于更早发现和预测癫痫、脑缺氧事件和脑高压波动等不良事件，从而减少继发性损伤导致的结果差异，但最佳监测组合、复杂数据流的解读、更大规模的协调数据集、标准化的采集与解读方法以及多模态指导干预的前瞻性验证仍是待解决的问题，MMM正成为增强TBI患者表型分析、推动个体化精准神经重症监护的新兴基石技术。

该研究对2015至2025年间4143篇关于生物医学AI合成数据的文献进行了系统映射与文献计量分析，结合专家标注与大语言模型辅助分类，覆盖数据模态、医学领域、论文类型、部署状态与研究立场，发现发文量持续增长、77.8%的论文持强烈支持态度而批判性工作不足1%、医学影像占据语料主体、高被引原创研究集中于分子与制药应用，且仅27篇报告了实际运行使用，从而揭示出方法学增长与部署落地之间的鸿沟。

该文提出一个用于天然产物药物发现的框架，通过四层架构（来源鉴定、可重复化学指纹、正交优先级排序、确定性表征）与记录化的决策门，将证据转化为可审计的实验行动，并用“证据阶梯”区分分子鉴定置信度与化学新颖性、生物学新颖性和转化相关性，以应对样本元数据整合不完整、将分析检测等同于分子新颖性以及缺乏明确决策阈值这三类反复出现的缺口。

该研究提出一种新的基础模型预训练路径：在低噪声、可计算的分子描述符上以监督学习方式进行预训练，以获得丰富且高度可迁移的分子表征，并以约一千万参数的 CheMeleon 模型加以验证；在来自产业界 Polaris 基准计划的 58 个覆盖小分子药物发现相关性质的数据集上，CheMeleon 使有向消息传递神经网络在低数据区制下终于超过经典方法，并在严格统计比较中优于基于分子指纹与描述符的随机森林等经典基线以及已有基础模型，同时模型与预训练框架已开源。

该研究将 mRNA 稳定性作为可调控的密码子优化设计参数，构建 IgG1 轻链同义编码序列组合文库并单拷贝整合到 CHO 细胞固定基因组位点，用 gDNA 与 mRNA 深度测序得到的稳态 mRNA 丰度作为稳定性代理指标，训练基于预训练核苷酸 transformer 嵌入的丰度预测模型，并将其与翻译指标一起纳入遗传算法进行多目标密码子优化；以 Trastuzumab 编码序列为概念验证，高丰度设计相对低丰度设计使胞内 mRNA 提高 41%、蛋白滴度提高 59%、细胞比生产率提高 85%，相对两家商业供应商基准序列滴度提高 70%、比生产率提高 98%，而活细胞密度相当。

这篇综述梳理了微孔平台如何通过细胞加载策略、孔几何结构、平台架构与材料选择决定单细胞可获取的信息，并系统回顾其在细胞行为与细胞间相互作用、分泌组分析、基因组与转录组分析以及药物筛选与精准医学中的应用，同时区分了已在微孔研究中直接验证的人工智能方法与仍处于前瞻阶段的方法，指出微孔工程与人工智能驱动分析结合可将单细胞研究从测量推向预测与自主发现。

本文提出 ESPIRiT-Diffusion——一种物理引导的基于分数的扩散重建框架，将多组 ESPIRiT 线圈灵敏度图的数据一致性约束引入 Langevin 方程，用于 8.8 倍与 10.7 倍加速、各向同性 0.6 mm³ 分辨率的颅内与颈动脉联合血管壁成像（VWI）；回顾性实验（笛卡尔、CAIPI、变密度欠采样）中其重建表现优于 ESPIRiT、DL-ESPIRiT、SENSE-Diffusion 与 SPIRiT-Diffusion，并更好地保留细小血管壁结构；前瞻性患者实验中血管壁病灶显示良好，与 3 倍压缩感知参考相比，各血管节段及总体读者评分均无统计学显著差异。

本文是一篇展望性文章，探讨个性化医疗在面部整形外科中正在兴起的角色，提出通过生物学、解剖学与心理学层面的个体化定制来改进美容与重建外科照护，并指出基因组学、药物基因组学、人工智能、组织工程与三维建模等技术可能改善对愈合、治疗反应、并发症风险与重建需求的预测，同时强调隐私、偏见与公平可及等伦理议题应始终处于核心位置。

这项回顾性诊断准确性研究在两家急诊科连续纳入539例年龄≥60岁、接受髋部与骨盆X线检查的患者，以三位肌骨放射科医师与两位资深骨科创伤外科医师组成的共识小组（对AI输出设盲）为参考标准，评估Milvue SmartUrgences将影像判读为“YES”“NO”或“DOUBT”的表现，其中487例获得确定性分类并进入主分析（平均年龄83.4岁，标准差8.4，66%为女性，参考标准确认191例髋部骨折），结果显示敏感度97.4%（95% CI 94.0-98.9）、特异度86.5%（95% CI 82.1-89.9）、阳性预测值82.3%（95% CI 76.8-86.7）、阴性预测值98.1%（95% CI 95

该初步研究在2023年5月至2024年12月间从日本冈山、广岛、香川三县10家医疗机构就诊的蜱叮咬患者处采集蜱虫，并补充野生蜱图像，构建了包含目标检测与属级分类的两阶段AI流程，其中YOLO类检测模型在3258张公开标注图像上训练后达到mAP@0.5为0.954，ResNet50在533张覆盖四个属的蜱图像上取得平均验证准确率95%，并将系统整合为带地理空间可视化的原型智能手机应用，用于辅助临床风险评估与公共卫生监测。

该研究系统基准测试了基于上下文学习的表格基础模型（TFM）在小有机分子性质预测上的表现，在11个数据集（回归任务、随机与结构感知划分、每个最多10000个分子）上将其与XGBoost、CatBoost、多层感知机等描述符方法及图方法比较，发现TFM在基线经过仔细超参数选择的情况下仍持续优于描述符方法，并与图方法（包括经化学数据预训练者）精度相当或更好，Uni-Mol2在部分实验中略优于TFM，而检索策略（对每个测试分子取Tanimoto相似度最近的500个邻居）在较大数据集和随机划分上带来进一步改进。

该研究构建了一套生物信息学流程，对乳酸菌（嗜热链球菌、保加利亚乳杆菌亚种）与真菌（佛罗里达侧耳）的机械敏感膜蛋白进行对比分析，其中对缺乏可用数据的佛罗里达侧耳通过同源序列多序列比对生成共识序列并用BLAST映射到基因组以划定目标基因区域，再用AlphaFold3人工智能平台按各通道正确的寡聚状态生成蛋白结构，从而为这些非模式系统的机械感受器填补结构知识空白。

该研究在训练队列（n=186）、验证队列（n=116）和前瞻性多中心验证队列（n=269）中，从治疗前T2加权MRI提取影像组学与监督深度学习特征，比较人工开发与GPT辅助的建模流程，发现融合特征在两种逻辑回归模型中AUC最高（训练队列0.759对0.763±0.003，验证队列0.714对0.741±0.008，前瞻性多中心验证队列0.700对0.706±0.004），GPT辅助流程在五种分类器上与人工开发模型性能大致相当，且五次重复运行的AUC标准差为0.001至0.019，表明在专家监督下GPT可自动化影像组学建模的关键步骤。

该工作提出 LinkLlama——一个在 ChEMBL 类药物分子语料上监督微调的 Meta Llama 3 模型，可接受包含距离、角度等几何约束以及 Lipinski 规则、可旋转键上限等理化目标的自然语言提示，为输入片段生成定制分子；在 ZINC 与 HiQBind 数据集上的基准测试显示，其几何保真度与严格三维感知模型相当，同时化学合理设计的比例提升约两倍（从 35% 升至 80% 以上，依据 PAINS、非类药物化学模式与复杂环系等结构过滤器判定），并通过小分子骨架跃迁与 PROTAC 连接子设计案例，经分子对接与分子动力学模拟对照已知晶体构象进行验证。

本文以两个具备结构与生化数据的案例研究为基础，考察计算化学与药物化学的紧密结合、以及对化学形状与蛋白质相互作用的深入理解如何使靶向计算分子设计在疗效与选择性上取得超比例收益，并据此指出当前 AI 方法对细微、低数据扰动的敏感性，主张 AI 需从模式识别走向理解或显式模拟结构变化与生物结果之间的机制性“为什么”，在此之前更适合作为人类工作的补充而非独立方案。

本文提出放射科应将“顺序”视为常规临床实践中的设计变量：先记录放射科医生在接触AI之前的独立判读，再记录AI显示的结果以及放射科医生的回应，从而把AI暴露前的判读保存为可审计事件，同时指出责任仍归于签署报告的放射科医生，且受各设备获批用途的边界约束。

这项回顾性队列研究纳入80例初治新生血管性年龄相关性黄斑变性患者并随访至少4年，用日本眼成像登记处的公开深度学习模型从对侧眼眼底照片估算视网膜年龄并计算原始视网膜年龄差（视网膜年龄减实际年龄），发现原始视网膜年龄差与4年累计注射次数在计数分析中无关联，但在探索性阈值分析中≥24次注射组的原始视网膜年龄差高于<24次组（4.19对0.66年，P=0.039），且每增加1年原始视网膜年龄差与需要≥24次注射相关（OR 1.11，95%CI 1.01-1.22，P=0.029），该关联经年龄校正后减弱，在其他阈值下未重复出现。

该研究开发并评估了Multimodal Anonymizer——一个模块化、可本地部署的多智能体框架，整合多模态大语言模型、任务专用神经网络与规则化转换，在涵盖文本、表格、PDF、影像、元数据、文件名、音频、手写与3D影像的基准上，最佳本地配置（编排器为Qwen3-VL-235B-A22B-Thinking）取得每患者98.80%（95%-CI 97.20; 100）的去标识化敏感度与99.60%（95%-CI 98.80; 100）的关键临床内容保留率，在Charité本地250份产程图数据上敏感度与关键临床保留率均为100%，并在多数模态上优于既有工具。

这篇综述性文章指出，药物基因组学从遗传层面解释个体对药物的反应差异，人工智能则通过分析大规模复杂的临床、遗传与影像数据提升诊断准确性、风险评估与治疗策略制定，二者结合可为心血管疾病提供更个体化的治疗方案并改善临床决策，但数据安全、伦理问题与临床验证不足仍限制其广泛采用。

本文描述了阿斯利康欧洲本地市场公司监管事务（MCRA）团队从以合规为主的支持职能向药物开发与患者可及性战略伙伴的转型，围绕三大支柱（上市卓越、外部参与与倡导、数字化与流程优化）以及“One-Team”本地-全球监管文化展开，并提出一套基于贡献的衡量框架以追踪进展。

这篇Perspective文章提出InsightRP2框架，将临床数据、人工智能支持的影像分析、实验性疾病建模与腺相关病毒（AAV）设计整合为一个高度互动的转化研究策略，旨在推动针对RP2相关视网膜色素变性的靶向基因治疗开发。

该研究在193,101份俄语与哈萨克语卒中出院小结上，以332例章节、149例用药（2,475条参考记录）和191例化验病例为测试队列，比较多语言编码器、本地微调Qwen3-4B与零样本GPT-5.5在实体检测与完整记录组装上的表现，发现章节F1为0.919/0.926/0.932，GPT-5.5在药名检测领先（0.966对0.940），而Qwen在规范化用药记录恢复（0.381对0.311，差值0.070，95% CI 0.026–0.114）与化验五元组F1（0.892对0.822）上领先，并显示从人工整理章节改为原始文档级联后用药恢复由0.377降至0.204（单窗口）与0.246（全块），

这篇综述系统梳理了AI驱动的药物-靶点相互作用（DTI）预测方法，从经典分子结合理论（锁钥模型、诱导契合、构象选择）出发，归纳了二元相互作用分类、结合亲和力回归与带不确定性评估的多任务预测等任务设定，整理了药物与靶蛋白的多模态表示（分子序列、图结构、3D构象、理化性质、生物扰动谱、蛋白序列与结构、生物医学知识网络）及交互标签与辅助数据资源，并按输入表示、编码器架构、交互建模机制、表示学习与预训练、学习目标、预测输出、数据获取或优化策略、泛化设定等正交维度对代表性方法进行比较，最后概述了其在疾病靶点挖掘、化合物虚拟筛选、亲和力与选择性优化、复合物结构预测及工业药物研发管线中的应用，并讨论了数据分

该研究构建了一个多语言临床听写语料库（五份复杂度递进的临床听写脚本，翻译成99种语言，在三种声学条件下合成语音，由一套生产环境AI记录系统转写），计算六种频率类指标，并由三个独立的大语言模型评分者依据严重度×可能性框架评估临床上有意义的错误模式；在59,819次真实转写错误中，58,329次（97.5%）为低风险，251次（0.42%）为危急或高风险，六种频率指标均未显示与严重临床风险存在可检测的关联（绝对Spearman rho < 0.16），而严重度×可能性之和仍与WER强相关（rho=0.80），咨询复杂度是严重风险的主要预测因素（每级OR 3.06，p < 0.0001）。

该工作提出 RIM（Retrieval-In-Matching）框架，通过从 Google 3D Tiles 渲染多位置、多高度、多朝向的无人机视角参考影像，并用姿态邻近正样本与地理远距难负样本两阶段适配 SALAD 检索器、再以局部几何一致性重排 Top-K 候选，同时冻结适配后的 DINOv2-B 检索器、从其 token 场与浅层 VGG19 细节流蒸馏出局部描述子解码器，使单次查询侧 DINOv2-B 前向同时支撑 SALAD 检索与局部描述；在重建的 EPFL Urbanscape 与自采集 Chang'an Park 两个与训练数据地理不相交的数据集上零样本评测，RIM 优于十个检索基线，在 25/50 m 全 3D 距离度量下 Recall@

该工作提出ISDS-MRI统一框架，利用图神经网络与序列特异性特征建模，从多序列MRI中完成缺血性卒中的检测、病灶分割与病灶体积估计，并可在MRI序列组合不完整时工作；在多个公开MRI数据集及新构建的孟加拉国三医院532例扫描数据集BGD-MRIS上评估，取得分割Dice 0.725、检测AUC 0.962、体积估计相对误差8.4%，相较对比方法Dice提升3.2%、检测提升2.6%、体积相对误差降低1.9%。

该研究以“儿童与青少年关节过度活动相关疾病下肢疼痛管理”为检索词，从Google搜索收集网页并获取Gemini生成的对应概览，用健康信息网站评估工具评价网页质量、用医学人工智能质量评估工具评价AI概览质量，共评估20个网页和4个AI概览，发现网页质量多为中等（14个中等、3个良好），AI概览质量均被评为良好，网页得分最低的维度是准确性，AI概览得分最低的维度是完整性与资源及参考文献的提供。

这篇由Bryna Kra撰写的客座博文以Nivat猜想为例，指出AI已大幅降低生成复杂证明的成本，使数学界收到多份据称证明该猜想的手稿，而作者认为证明不只是正确性证书，更是理解、解释与集体知识，因此数学界需要重新界定发现、证明、形式化与阐释的价值并调整激励结构。

这篇由 Nestor Guillen 撰写的评论性文章主张，应把大语言模型（LLM）理解为一种“文化与社会技术”，它像市场、官僚机构和科学文献一样，是对人类累积信息的聚合与压缩，因此当 LLM 输出包含新的数学想法时，应被视为数学共同体共享遗产的成果而非数学家的失败；作者借用 Farrell、Gopnik、Shalizi、Evans 关于“大模型是文化技术”的论点，提出“想法的凸包”这一隐喻，认为某个数学问题能否被 LLM 解决在很大程度上取决于当时数学文献的状态而非仅仅取决于模型规模，并以 Krylov–Safonov 定理依赖凸几何中的 Aleksandrov 估计、以及 Euler 引入分析工具研究素数为例加以说明；

一个由多家制药公司组成的AI结构生物学网络（AISB）在仅用PDB数据预训练的OpenFold3基础上，用来自五家公司的20,167个蛋白-配体复合物结构进行微调，在留出的1,056个蛋白-配体结构测试集上使高精度预测比例超过一半，而公开版OpenFold3约为三分之一、开源模型Boltz-2约为40%，同时该模型也优于仅用各公司自有数据训练的模型，说明数据汇聚比数据孤岛更有价值。

该研究对7,851个父母-子代家庭进行全基因组测序，识别出具有亲本来源和合子后特征的新生突变，发现这些突变与不同的辅助生殖技术（ART）操作相关且独立于受孕时父母年龄，并显示父亲突变负荷的增加在统计上中介了高龄父母与ART对妊娠时长及其他出生结局的影响。

这篇《自然》新闻报道梳理了巴西科学慈善的兴起：过去十年间出现了该国首个专门资助科研的非营利机构塞拉皮列拉研究所，已向早期职业研究者分配超过2500万美元，另有Pioneer Science、Pensi Institute等资助方相继出现，圣保罗大学于2023年设立研究中心推动科学慈善，若干机构正筹建受美国Science Philanthropy Alliance启发的本地协会。

一项概念验证研究显示，单个植入大脑皮层感觉运动区、含253个电极的阵列可同时采集与言语和身体动作相关的神经信号，并用人工智能把脑电活动实时转成屏幕文字、同时驱动个性化动画化身做出动作，从而在数秒内同时解码言语与非言语两种沟通方式。