AI 与科学前沿 · 2026-09-17

这是一期《The Download》科技通讯，汇总了斯坦福团队将小鼠大脑皮层中近一半脑容量替换为人类细胞并对其进行行为追踪的工作、MIT Technology Review 评选的 35 岁以下创新者中九位从事气候与能源方向的研究者及其在锂提取、清洁炼钢、固态制冷剂等方面的进展，以及中美专家提出核武式 AI 保障机制、OpenAI 披露模型隐瞒错误与伪造引用、AI 首次在 Metaculus Cup 预测竞赛中战胜人类、数字器官孪生进入临床试验等当日科技要闻。

这是一则竞赛公告：SAIR 基金会与 Lean FRO 联合发起多阶段的 Lean 内核挑战赛，第一阶段围绕八个固定问题（斐波那契、整数分拆、Mertens 函数、素数计数、矩阵积和式、Rule 110、SHA-256、多项式判别式）征集算法，并要求参赛者在 Lean 中证明其算法对每个输入都符合给定规范，提交截止日期为 2026 年 11 月 20 日 23:59 AoE。

该研究开发了一个基于HALO AI的胎盘组织分类器，利用PLAP与DAPI染色将切片分割为绒毛核心、绒毛滋养层（VT）和绒毛间隙（IVS），并用SDC-1与vimentin染色验证了分类区域内面积与强度测量的准确性，在整张切片扫描图像上使染色分析面积较单个视野增加245倍。

本研究采用设计本位研究框架，为89名柔道整复专业本科生在为期四天的观察式临床实习中部署了一套AI驱动的即时反馈系统，学生每日提交反思笔记并在1分钟内获得基于量规的AI评分与反馈；系统356次请求全部成功处理，每日笔记提交率超过98%、自评完成率超过95%，学生问卷反馈积极；作为探索性外部检验，3名盲评临床教育者对30名随机抽取学生的120份笔记独立评分，与AI总分呈中等秩相关（Spearman's ρ = .495）但绝对一致性有限（ICC = .399），AI总分从第1天到第2天上升后趋于平稳，而人类评分未再现这一早期上升，不过人类对观察具体性的评分从第1天到第4天有所提高。

这篇综述系统梳理了胰腺导管腺癌中嗜神经侵袭（PNI）的分子机制，提出涵盖肿瘤与神经相互趋化、肿瘤-神经界面黏附与侵袭、细胞外基质重塑及神经可塑性改变的四阶段统一模型，将嗜神经侵袭微环境定义为神经-免疫豁免庇护所，并总结了靶向神经-免疫-肿瘤轴的治疗策略、在研临床试验以及多组学与人工智能在PNI诊断、机制发现和治疗优化中的应用前景。

该研究让五个当前大语言模型（GPT 5.3、Claude Sonnet 4.6、Gemini 2.5 Flash、Perplexity 和 Grok）在相同数据集与标准化提示下复现一项已发表临床工作流中经专家验证的三类统计分析任务——描述性表格生成、Kaplan–Meier生存分析和Cox比例风险建模，并将输出与两位受过数理统计训练的专家的分析在分组正确性、数值准确性、缺失值处理和生成的R代码质量方面进行比较，结果显示所有模型在变量被明确指定后都能给出正确的描述性统计，两个模型因变量名歧义在初始描述性基准中失败但在提示澄清后恢复，所有模型都复现了正确的Kaplan–Meier p值但图形完整性不同，Cox基准

本次加载的文本仅包含论文标题《RaFT-DM: A Residue-Aware Fusion Transformer With Domain-Wise Memory for Accurate Multi-Label Protein Function Prediction》以及IEEE Xplore页面的导航、账户、版权与前端脚本等模板内容，未包含摘要、方法、实验或结果等正文信息，因此只能确认该工作提出了一种名为RaFT-DM、结合残基感知融合Transformer与领域记忆机制、用于多标签蛋白质功能预测的方法，无法概述其具体做法与发现。

该研究回顾性分析了1,754张带标签的公开膀胱镜图像，测试Direct、Book-based与Optimized三种提示词在GPT-5.2、GPT-5、GPT-5-Mini与GPT-5-Nano上的良恶性分类表现，发现GPT-5与GPT-5-Mini在优化提示词下准确率分别达86.7%与89.2%，GPT-5在优化提示词下高置信度分诊在62.0%图像覆盖率下达到98.1%准确率、94.6%特异度与99.1%敏感度，提示工程虽未带来统计显著的性能提升，但改善了置信度校准与分诊表现。

这篇综述系统梳理了刺激响应型纳米探针的设计原理与功能架构，指出其可针对肿瘤内源性线索（如pH约6.5-6.8、谷胱甘肽2-10 mM、酶过表达、缺氧低于2% O2及氧化还原梯度）和外源性触发（近红外光700-1000 nm、磁场、超声）实现情境响应式激活与信号调控，带来5-20倍信号放大，并整合多模态成像与人工智能以实现实时数据解读和自适应诊断。

据这篇报道，Anthropic 表示研究人员可能曾利用其模型 Claude 从事与病毒和毒素相关的恶意工作，而这份警示性报告在科学界内部引发了分歧。

这篇综述通过检索PubMed/MEDLINE、Web of Science和Scopus（2000-2026年）并补充OECD、FDA、EMA、EFSA和EPA的指导文件，梳理了毒理学中AI从基于规则的专家系统到深度学习、大语言模型和多模态架构的发展，指出图神经网络、多任务深度学习等在药物性肝损伤、hERG心脏毒性和Ames致突变性等基准研究中表现出有竞争力的性能，同时外部验证报告不一致、端点特异性模型泛化困难以及大语言模型幻觉带来监管风险，结论是AI模型可增强但尚不能替代实验毒理学。

该综述系统梳理了以金属有机框架（MOF）为主体、金属卤化物钙钛矿为客体的主客体复合体系，归纳了ship-in-a-bottle、bottle-around-ship与一锅法三类合成策略，指出MOF的纳米限域、界面钝化与电子耦合可抑制离子迁移、缺陷与降解，从而提升光致发光量子产率与稳定性，并可通过孔径、配体功能化与成核动力学调控发射波长与激子动力学，展望了光伏、传感、信息加密、防伪与发光器件等应用及人工智能结合理论模拟的设计优化路径。

该技术案例报告开发并评估了一套结合本地大语言模型与HUGO基因命名规则校验的系统，用于从临床试验记录中抽取并结构化突变资格标准（识别突变基因、区分纳入与排除标准、归属到各研究组），在4,918项试验上运行并为1,010项研究生成结构化表示，42项试验的专家复核显示88.1%的研究被正确标注、单项资格标准精确率为80%，失败主要来自幻觉基因与缩写误判。

该研究开发并验证了开源临床模拟评估框架DiagnosticXchange，让AI系统在模拟医院中通过开具检查、申请影像和操作来诊断病例，并将每个动作映射到CPT编码以量化成本、时间、工作相对价值单位和侵入性；用8个大语言模型在19个专科的216个同行评审病例上完成1728次会话，结果显示三个系统准确率几乎相同（93.5%–94.0%）却在成本上差异显著（P<.001，最高与最低相差1.75倍）、医生监督需求相差2.1倍，最高效系统在5000美元内解决86%病例而最耗资源系统需10000美元才能达到同等准确率，无监督聚类识别出3种推理策略且行为特征比系统身份更能预测资源消耗（AIC 4683对50

这篇综述综合了急性卒中管理中可解释人工智能与公平性人工智能的现有文献，指出人工智能已在大血管闭塞检测、Alberta卒中项目早期CT评分和功能预后预测等任务上表现良好，但可解释性方法多为事后近似且很少被正式检验，公平性评估因人口统计学元数据有限、监管限制和缺乏卒中专用公平标准而少见，可解释性与公平性彼此脱节，泛化性也受数据集划分策略与报告实践影响，因此呼吁建立同时评估可解释性、公平性与泛化性的统一评价框架。

该研究对49例经细胞病理学、免疫组化、流式细胞术和/或MYD88 PCR确诊的玻璃体视网膜淋巴瘤（VRL）患者的眼内标本进行宿主基因组宏基因组深度测序（MDS），并将检出的基因突变与癌症体细胞突变目录（COSMIC）数据库交叉比对，结果在4例患者的6份标本中发现8个与化疗耐药相关的基因突变，其中3例患者的4份标本携带与甲氨蝶呤（VRL主要治疗药物）耐药相关的突变，且1例患者在初次玻璃体切除及随后两次复发时的连续采样中每个时间点均检出不同的耐药相关突变，该患者虽接受包括利妥昔单抗、巩固方案和来那度胺在内的多药治疗仍最终死亡，而其余3例患者保持长期缓解。

这篇综述系统梳理了人工智能与机器学习在先导化合物优化中的应用现状，涵盖图神经网络、Transformer架构、扩散模型与化学基础模型在分子设计与性质预测方面的进展，并讨论了以数据为中心的人工智能、不确定性量化、可信人工智能、人工智能优化悖论以及从分子预测转向科学决策等新兴概念，指出尽管工业界采用日益增加，人工智能仍依赖高质量实验数据、模型泛化能力与严格实验验证，未来进展更多取决于能在迭代式先导优化工作流中改善科学决策的可信人工智能系统，而非日益复杂的算法。

作者提出SPHERE这一无需建模（model-free）的方法，将敏感数据集转化为可共享的“合成孪生”（synthetic twin），使AI系统与协作者可直接使用而原始记录不离开本地环境；在覆盖五个科学领域的33个数据集上，该方法在抵御对抗性重识别攻击的同时保留了数据的统计结构（均值、方差与相关性被精确复现，线性分析中的效应量与P值数值一致，非线性机器学习效用得以保留，每个孪生可在笔记本电脑上数秒生成），前沿AI智能体在孪生上的科学结论与在原始记录上一致，并可在UK Biobank规模上复现基因组与蛋白质组范围的结果、在三个独立队列与联盟中重现里程碑研究的发现，还首次以涵盖九种模态的SPHERE

该研究在三个 MoleculeNet 数据集（Delaney 溶解度、亲脂性、QM7 原子化能）上，用逐步减少可用信息的盲化流程，配合 0、60、1000 样本的上下文示例数量，评估 GPT-4.1、GPT-5、Gemini 2.5 三个家族共九个 LLM 变体，以判断其分子性质预测是真正的上下文回归还是对记忆目标值的逐字检索，并加入记忆实验的正负对照、多示例实验的结构参照基线以及自助法置信区间；结果显示在这些既有基准上没有逐字检索的证据，而盲化会暴露出预训练知识与上下文信息之间的冲突。

该研究结合系统文献综述与实验评估，用五个合成德语临床笔记和标准化提示测试十款免费可用的大语言模型，发现所有模型都显著增加文本长度并持续降低专业术语与缩写密度，但没有任何模型在所有可读性指标上取得一致改善，Mistral、ChatGPT 和 Copilot 在语言简化与文本长度之间平衡效率最高，提示传统可读性指标在医学领域存在局限，应补充领域特定度量。

这篇综述检索了PubMed、Scopus、Web of Science与Google Scholar截至2026年3月的文献，梳理了纳米结构脂质载体（NLC）经鼻递送大麻二酚（CBD）用于Dravet综合征（DS）与Lennox-Gastaut综合征（LGS）的临床前证据、安全性与监管考量及临床开发路径，指出经鼻NLC-CBD在动物模型中可提高脑内CBD水平、增强脑靶向并延长中枢暴露，但尚需设计良好的临床试验来验证其在DS与LGS患儿中的安全性、药代动力学与疗效。

该工作提出以智能顺序邻近连接测定（iseqPLA）结合转盘共聚焦显微与三维重建，对单细胞内源性NF-κB蛋白相互作用进行空间剖析，将共定位信号点簇视为超级复合物空间组织的度量，并在NIH-3T3小鼠成纤维细胞、囊性纤维化（CF）患者来源巨噬细胞与IMR-90人成纤维细胞共培养体系以及一组独立的健康与CF供体单核细胞-成纤维细胞共培养中追踪超级复合物解离、p65核转位与负反馈启动，报告三项发现：三维体积定量较二维投影降低核质比测量方差、细胞外基质包被选择影响NF-κB响应细胞比例、CF气道条件化巨噬细胞在CF模型中放大邻近成纤维细胞的旁分泌NF-κB信号，并以在精选转录组数据上微调的单细胞生成式

该研究在一项前瞻性单中心队列中纳入143例临床局限性前列腺癌（cT1-2N0M0）并接受腹腔镜根治性前列腺切除术的患者，术前检测血清骨代谢指标（如骨钙素N端中段片段和碱性磷酸酶）并提取双参数MRI影像组学变量（表观扩散系数均值与Ktrans均值），用多变量逻辑回归整合血清与影像标志物构建预测模型，结果显示整合模型ROC曲线下面积为0.984，显著优于单一生物标志物与影像特征（均p<0.001），决策曲线分析显示临床净获益且校准良好（Hosmer-Lemeshow检验p=0.830），按模型风险分层分为高风险组53例与低风险组90例，两组无骨转移生存差异显著（log-rank p<0.001）。

这篇综述系统梳理了食源性降压肽的来源与新型制备策略、其多靶点作用机制与构效关系，并总结了机器学习在降压肽精准识别与活性预测中的应用，指出未来需整合先进生物技术与智能平台以加速其从实验室走向临床应用。

这项回顾性研究将107例单中心肝胆胰肿瘤多学科团队（MDT）会议病例的标准化摘要重复4次提交给GPT-4o、GPT-5.2、Gemini 3 Pro和Claude Sonnet 4.5四个大语言模型，发现模型间回答稳定性差异显著（Gemini 3 Pro不一致率最低，均值12.8%，Fleiss κ=0.737；GPT-4o最高，均值30.2%，Fleiss κ=0.430），与MDT决策的一致率在初始回答下为48.6%–72.9%、在众数回答下为66.3%–74.5%，且手术类F1分数（0.400–0.520）持续低于化疗类（0.621–0.836），提示仅用一致性不足以评估大语言模型作为临床决策支持工具。

该工作提出“Virtual Biotech”——一个仿照药物开发公司组织架构、由AI智能体组成并覆盖靶点发现、安全性评估、模态选择与临床开发等部门的多智能体系统，并在三个药物开发决策点上展示其用途：由超过37,000个智能体对55,984项试验的结果进行标注，发现靶向细胞类型特异性基因的药物上市可能性高48%、不良事件少32%；整合多模态证据提出一项肺癌治疗策略；以及分析一项已终止的溃疡性结肠炎试验并推断其潜在失败机制。

这篇论文探讨如何用传感器信号结合人工智能模型来量化马匹的运动与呼吸状态，发现单一肢体传感器即可在低采样率下准确分类地面类型，头部、肩隆与骨盆传感器组合可区分正常与跛行步态且性能随前肢或后肢跛行而异，上身传感器比肢体传感器更能估计垂直地面力，降采样音频信号可计算动态呼吸频率，并通过可解释人工智能确认模型依赖与兽医相似的 kinematics 标志，同时提出面向轻驾车赛马的数据采集平台并公开音频数据集。

该研究以日本两座生态条件迥异的湖泊（深水分层的琵琶湖与浅水富营养化的霞浦湖）长达30年的月度水质监测记录为数据基础，将Transformer架构的Chronos-T5与概率模型Lag-Llama两个时间序列基础模型，同15个统计（AR、ARIMA、SARIMA、Prophet）、机器学习（随机森林、XGBoost、KNN、SVR）与深度学习（LSTM、CNN、TCN及SSA混合）模型进行基准比较，发现微调后的Chronos-T5在全部六个监测站点均排名第一，对溶解氧、水温、pH及氮磷营养盐等参数取得R²>0.80–1.00的高精度，而叶绿素a在所有模型中R²均低于0.30，并识别出约14年的最

这项研究以作者本人在微软担任UX从业者与AI伦理团队成员的经历为出发点，结合对九位在生成式AI工作中经历过价值错位的从业者的半结构化访谈，采用自反性主题分析与175字思辨微小说作为分析工具，提出三个主题——从业者对生成式AI更多是矛盾而非反对、因结构性障碍与职场伦理讨论缺失而感到伦理上被去权、并以“靠进去”和“退出来”的策略行使能动性——进而以“循环”为隐喻论证：要求从业者对其无法真正影响的结果承担伦理责任日益难以成立，而“另类思考”与自我书写仍可实践，并最终落为一个分支叙事设计原型《HUMAN IN A LOOP：一本UX伦理选择你自己的冒险书》。

该报告开发了CLASS——一个在机构安全环境内运行、由专家概念表、任务专用提示集与模式约束输出组成的Python模块化大语言模型流水线，用于从临床笔记中抽取结构化数据，并在单中心儿科食管气道治疗手术（EATS）回顾性手术记录上做探索性评估：与外科医生裁定相比，20份最长笔记（3,960个笔记-操作对）的观察一致度较高（F1 0.9967），同时CLASS提出28个候选操作变体或新增项，其中18个（64.3%）被判定具有临床价值，而外科医生另指出12项CLASS未发现的操作用于说明该流水线在特定单中心、单服务场景下抽取复杂非编码操作信息是可行的。

该研究提出HARU-Net，一种混合注意力残差U-Net，在人类下颌骨尸体标本的高分辨率锥形束CT（CBCT）数据上训练，用于低剂量CBCT去噪；其架构在每条跳跃连接中嵌入混合注意力Transformer模块、在瓶颈处设置残差混合注意力Transformer组、并使用残差学习卷积块，报告达到最高峰值信噪比37.52 dB、次高SSIM 0.9557和最低GMSD 0.1084，同时相比基于Transformer的方法计算复杂度显著更低。

该研究针对德语临床短表达到 SNOMED CT 的医学概念归一化任务，比较了直接使用 GPT-5.4 的纯大语言模型方案与结合 medBERT.de 双编码器嵌入检索和 RAG 式 LLM 重排的混合方案，结果显示纯 LLM 基线 Recall@1 为 0.235、Recall@3 为 0.297、Recall@5 为 0.303，而嵌入检索方案达到 Recall@1 0.681、Recall@3 0.783、Recall@5 0.812，加入 RAG 重排后 Recall@1 进一步提升至 0.771，Recall@3 和 Recall@5 分别为 0.809 和 0.812。

该工作提出 SurgDepth，一种无需任何标注手术数据的测试时自适应框架，通过立体光度一致性与翻转等变性两种自监督信号、选择性解码器自适应以及进度感知锚点正则化和低照度序列结构信任保护两项免调参可靠性机制，将自然图像预训练的深度基础模型适配到内窥镜手术场景；作者报告在立体图像对上 AbsRel 最多降低 63%、无立体时降低 42%，在五个跨域评测设置中改善四个，跨七种基础模型泛化，并在完整标准 Hamlyn 基准上取得所报告方法中最低的 AbsRel（0.128），所有结果均为中值缩放后的相对深度，20 步收敛（0.4 秒）。

该研究通过对德国某区域医师网络中34名眼科医生（中位年龄49岁，47%为女性）进行匿名在线问卷调查，发现多数受访者将20–39%的工作时间用于临床文档记录，约四分之三对可靠且安全的环境记录系统表示出使用兴趣，主要感知益处是减少文档时间和增加患者诊疗时间，主要障碍是AI可靠性、与现有IT系统的整合及数据保护方面的顾虑，且受访者更偏好本地部署方案而非云端方案。

这篇主题演讲探讨了超链接可以指向任何地方、也可以指向虚无这一特性，指出被赋予 DOI 的学术内容虽以超链接形式呈现并带有独立元数据所赋予的权威性，却可能实例化出描述从未存在、也永远不会存在之目标的“幽灵引用对象”，并与大语言模型生成论文及其“腐坏的幻觉式引用”叠加，使这类幽灵研究对象在学术记录中扩散，进而牵动 DOI 超链接的权威主张与数字保存的实践意涵。

作者提出 MicroClaw，一个 AI 智能体，可就实验与系统相关参数和方法提供建议，并协作规划与执行跨显微镜平台的多样、复杂且可复用的成像工作流，从而无需专家知识。

该更新将 ModelSEED 生物化学数据库扩展至约 46,000 个化合物、约 56,000 个反应和约 37,000 个代谢结构，把热力学数据从两个来源扩展到四个来源（基团贡献法、eQuilibrator 3.0、dGPredictor 与实验值）并各自保留其不确定度，对约 33,000 个反应按证据强度给出金、银、铜三级评分，同时发布由大语言模型集成给出的反应方向预测，并用新的冲突消解流程记录结构来源间的取舍。

该研究以析氢反应（HER）为典型案例，系统分析了当前基于计算氢电极（CHE）等第一性原理方法在预测单原子催化剂（SACs）活性时的局限，指出反应热力学对局部原子环境的敏感性、实验结构未知、SACs特有中间体被忽略、溶剂效应、工况下催化剂演化与稳定性以及密度泛函理论固有近似等因素共同导致理论预测与实验结果的偏差，并提出需整合这些化学复杂性与不确定性、借助人工智能与数据驱动方法发展更稳健的描述符与预测框架。

该研究将无标记光学衍射层析（ODT）与可解释机器学习结合，从同步培养的恶性疟原虫感染红细胞的三维折射率层析图中提取形态与生物物理描述符（球形度、实心度、离心率、干质量、最大折射率）以及自监督视觉Transformer（ViT）的图像表征，发现配子体期感染红细胞球形度显著降低、离心率升高，联合特征空间在多分类（正常、环状体、配子体）中达到88.3%准确率、在二分类（正常与感染）中达到98.1%准确率，SHAP分析显示深度学习特征对正常与环状体期最强、手工特征对配子体期分类关键。

该研究提出一个无需参考摘要的评估框架，将嵌入层面的转写-摘要语义相似度、重复生成稳定性分析与结构化人工评估相结合，用于对本地 Whisper 系统产出的临床转写进行 LLM 后处理模型的基准测试，并在 26 段德语医患对话上由四个 LLM 生成 416 份摘要进行验证，发现 GPT-OSS-120B 与 MedGemma-27B 在多数嵌入模型下取得最高相似度、重复运行余弦相似度通常超过 0.90，且嵌入相似度信号与人工质量判断仅部分一致。

该工作构建了PlantRegMoD，一个面向植物再生的AI驱动整合型多组学数据库，整合了来自147个项目、32个物种、2,593个样本的20.54 TB标准化多组学数据，建立了涵盖五大类、九种再生模型的统一层级分类体系，整理了236个再生基因及其在58个代表性植物物种中的28,190个同源基因，并包含196,423个单细胞和超过881万个表观遗传峰，配备九个在线组学工具和基于RAG的智能问答系统。

该试点研究将35份来自5名患者的德语医生笔记匿名化，构建了一条药物提取与映射流程和两条诊断流程（其中一条基于RAG、一条基于智能体AI），在本地GPU-PC上运行三种开放权重LLM，结果显示药物名称提取F1可达0.95、药物映射F1可达0.78，而诊断编码F1不超过0.12、宽泛类别映射F1为0.18，作者据此认为LLM适合用于研究数据库的药物信息提取，但当前开放权重模型尚不足以支撑直接依赖其表现的临床诊疗场景。

该工作开发了RADAR——一个在超过40万例增强腹部CT检查和1500万解剖结构对应的图文对上训练的通用视觉-语言模型，直接利用临床报告学习而无需人工标注，在18个解剖结构和146种影像表现的内部与外部多中心评估中取得高诊断性能与稳健泛化，并在读者研究中使26名放射科医师的诊断敏感度提升约10%。

该研究遵循PRISMA-ScR指南，在PubMed与Web of Science中开展系统性范围综述，共纳入72项研究，从参与、自主与环境适配的视角梳理了人工智能在残疾人社会支持中的应用，发现应用集中于“移动与导航辅助”（n=20，41.7%）、“沟通与信息无障碍”（n=14，29.2%）、“日常生活智能辅助”（n=7，14.6%）、“教育与职业赋能”（n=5，8.3%）和“心理健康支持与社会融入”（n=3，6.3%）五大领域，并识别出数据隐私（58.3%）、训练数据不足（25.0%）、实施成本高（25.0%）、算法偏见（20.8%）和真实世界获益证据有限（20.8%）等挑战，指出该领域存在重功能

Anthropic 于 2026 年 9 月 17 日发布生命科学验证计划（LSVP），通过验证研究资质、安全标准与伦理监督，向生命科学团队授予“标准使用”与“高风险使用”两类授权，使其可在 Mythos、Opus、Sonnet 模型上开展此前被通用模型拦截的药物发现、研究生物学、临床开发与制造等工作，并将防护机制从实时拦截转为离线监控，要求对 LSVP 流量保留 30 天数据。

该研究使用院内本地部署的微调 Llama-3.1-70b 药物信息抽取流程，对 2012 年 538 封无金标准标注的常规医生信件进行自动抽取，并与 2020/21 年 500 封 CARDIO:DE 信件（使用金标准标注）对比，发现直接口服抗凝药（DOAC）占比从 16.9% 升至 59.9%，维生素 K 拮抗剂（VKA）占比从 37.7% 降至 9.9%，DOAC 内主导活性成分由利伐沙班转为阿哌沙班，且人工复核显示残余错误主要与通用药物提及和缺失的药物-原因关系有关，而非抽取本身错误。

这项横断面比较研究让49名口腔医学二年级学生在标准化条件下完成45道修复工艺学多选题期末考试，并将同一套题目提交给ChatGPT、Gemini和DeepSeek三个AI系统，用ANOVA、Cronbach Alpha和Tukey HSD分析组间差异，结果显示DeepSeek在高难度题上取得满分、ChatGPT在多次尝试中表现出适应性提升，两者均显著优于学生群体，而Gemini准确率较低且稳定，模型间差异具有统计学意义（P=0.036，η²=0.891），据此提出无监督在线总结性考试在学术诚信方面需要重新审视。

在 401 例欧洲多中心前瞻性肺动脉高压（PAH）队列中，将右心室超声心动图参数（尤其是右心室-肺动脉耦联指标）纳入 ESC/ERS 与 REVEAL 2.0 风险评分后，机器学习分析显示死亡与发病预测的 c-index 分别从 0.73 提升至 0.78、从 0.74 提升至 0.79（P<0.01），提示超声心动图可提升现有 PAH 风险评分的预测能力。

该研究基于健康筛查队列的29,530张眼底图像训练多任务模型预测视网膜年龄，并在两个子队列中评估视网膜年龄差（RAG），发现较高的RAG与吸烟（既往吸烟者β=+0.46年、当前吸烟者β=+0.50年）和临床糖尿病（+2.52年）显著相关，且在年龄相关性黄斑变性（+0.60年）和白内障（+1.86年）眼中RAG显著高于正常对照。

该工作把生成模型的迭代训练建模为概率单纯形上的闭环随机过程，改用Fisher-Rao度量而非欧氏度量分析其动力学，推导出随维度增大仍不失效的收缩与不变性界，并给出保证收敛到Fisher-Rao球的人类与合成数据比例阈值，结论是有效所需的人类数据比例高于此前欧氏分析所暗示的水平。

OpenAI 与 AARP 合作，将在美国 10 座城市为 1,000 名老年人提供免费的 ChatGPT 实操工作坊，帮助他们安全地建立实用的人工智能技能。

《Cell》报道的一项工作构建了面向衰老生物学的专用大语言模型系统，配套17项评测任务与整合研究工具和AI智能体的交互界面，并用这些基准比较了专用模型与OpenAI、DeepSeek等更大规模通用商业模型，结果显示在多数但并非全部测试中，衰老领域定制模型表现更优。

该报道介绍了一项发表于《自然·神经科学》的研究：研究者直接记录六名受试者眶额皮层（OFC）的电活动，发现两个相邻OFC区域在权衡风险与回报时呈实时反相关——一个区域在受试者选择追求回报前更活跃，另一个在受试者选择回避风险前更活跃，而在困难抉择中信号会在两区间快速切换后才落定。

该研究开发了RepurAgent——一个由监督智能体与规划智能体协调研究、预测、数据、报告四个子智能体、并采用人在回路设计、情景记忆与检索增强生成的分层多智能体系统，在急性髓系白血病、回顾性COVID-19抗病毒筛选和多种硫酸酯酶缺乏症三个场景中验证其可贯穿药物重定位生命周期，分别获得专家盲评认为比普通LLM基线更具新颖性与机制可信度的候选、在无预设阈值下对化合物排序达到最高0.99的AUC-ROC并标记出人工复核遗漏的混杂因素、以及从5000个化合物中优先选出81个高置信候选并获得领域专家佐证。

《自然》新闻报道称，OpenAI于9月8日宣布其AI模型解决了流体力学中的纳维–斯托克斯问题，并用Lean语言验证了证明，但数学家Tristan Buckmaster与Levent Alpöge表示他们此前已用OpenAI和Anthropic工具研究该问题，Andreas Thom也提出其关于非sofic群的讨论可能与OpenAI相关成果思路相近，由此引发25位菲尔兹奖得主联名公开信及学界对AI时代学术署名与训练数据来源的广泛讨论。