医学与健康

461 条内容

bioRxiv 2026年9月18日
该工作提出 LLMsFold 计算框架，用几何方法识别靶蛋白结合口袋，由 Llama-3.3-70B 以 SMILES 字符串生成候选小分子，再用 Boltz-2 共折叠模型预测结合构象与亲和力并通过反馈循环迭代优化，在 ACVR1 与 CD19 两个靶点上得到通过成药性、合成可及性与新颖性筛选的候选分子，其中 ACVR1 候选预测亲和力概率达 0.953、预测 pIC50 约 10.72，CD19 Pocket 1 候选预测 pIC50 约 7.73。
该工作提出 LLMsFold 计算框架，用几何方法识别靶蛋白结合口袋，由 Llama-3.3-70B 以 SMILES 字符串生成候选小分子，再用 Boltz-2 共折叠模型预测结合构象与亲和力并通过反馈循环迭代优化，在 ACVR1 与 CD19 两个靶点上得到通过成药性、合成可及性与新颖性筛选的候选分子，其中 ACVR1 候选预测亲和力概率达 0.953、预测 pIC50 约 10.72，CD19 Pocket 1 候选预测 pIC50 约 7.73。
LLMsFold：将大语言模型与生物物理模拟结合用于从头药物设计
该工作提出 LLMsFold 计算框架，用几何方法识别靶蛋白结合口袋，由 Llama-3.3-70B 以 SMILES 字符串生成候选小分子，再用 Boltz-2 共折叠模型预测结合构象与亲和力并通过反馈循环迭代优化，在 ACVR1 与 CD19 两个靶点上得到通过成药性、合成可及性与新颖性筛选的候选分子，其中 ACVR1 候选预测亲和力概率达 0.953、预测 pIC50 约 10.72，CD19 Pocket 1 候选预测 pIC50 约 7.73。
该工作提出 LLMsFold 计算框架，用几何方法识别靶蛋白结合口袋，由 Llama-3.3-70B 以 SMILES 字符串生成候选小分子，再用 Boltz-2 共折叠模型预测结合构象与亲和力并通过反馈循环迭代优化，在 ACVR1 与 CD19 两个靶点上得到通过成药性、合成可及性与新颖性筛选的候选分子，其中 ACVR1 候选预测亲和力概率达 0.953、预测 pIC50 约 10.72，CD19 Pocket 1 候选预测 pIC50 约 7.73。
bioRxiv 2026年9月18日
该工作提出潜空间生成式搜索（latent generative search）用于结合蛋白设计，在推理阶段以奖励引导搜索驱动 Proteina-Complexa 生成模型，该模型在连续潜空间中同时协同设计序列与结构、从而省去逆向折叠步骤；在超过一百万个设计的多重噬菌体展示筛选中，它比所测试的其他方法产生更多经实验验证的结合蛋白，其协同设计序列优于事后重设计，并在治疗性受体、一种病毒附着蛋白和胞内信号靶点上获得高亲和力结合蛋白，还首次生成能结合游离碳水化合物的从头蛋白，其中一例可区分血型抗原。
该工作提出潜空间生成式搜索（latent generative search）用于结合蛋白设计，在推理阶段以奖励引导搜索驱动 Proteina-Complexa 生成模型，该模型在连续潜空间中同时协同设计序列与结构、从而省去逆向折叠步骤；在超过一百万个设计的多重噬菌体展示筛选中，它比所测试的其他方法产生更多经实验验证的结合蛋白，其协同设计序列优于事后重设计，并在治疗性受体、一种病毒附着蛋白和胞内信号靶点上获得高亲和力结合蛋白，还首次生成能结合游离碳水化合物的从头蛋白，其中一例可区分血型抗原。
潜空间生成式搜索实现大规模未开发生物分子相互作用的从头设计
该工作提出潜空间生成式搜索（latent generative search）用于结合蛋白设计，在推理阶段以奖励引导搜索驱动 Proteina-Complexa 生成模型，该模型在连续潜空间中同时协同设计序列与结构、从而省去逆向折叠步骤；在超过一百万个设计的多重噬菌体展示筛选中，它比所测试的其他方法产生更多经实验验证的结合蛋白，其协同设计序列优于事后重设计，并在治疗性受体、一种病毒附着蛋白和胞内信号靶点上获得高亲和力结合蛋白，还首次生成能结合游离碳水化合物的从头蛋白，其中一例可区分血型抗原。
该工作提出潜空间生成式搜索（latent generative search）用于结合蛋白设计，在推理阶段以奖励引导搜索驱动 Proteina-Complexa 生成模型，该模型在连续潜空间中同时协同设计序列与结构、从而省去逆向折叠步骤；在超过一百万个设计的多重噬菌体展示筛选中，它比所测试的其他方法产生更多经实验验证的结合蛋白，其协同设计序列优于事后重设计，并在治疗性受体、一种病毒附着蛋白和胞内信号靶点上获得高亲和力结合蛋白，还首次生成能结合游离碳水化合物的从头蛋白，其中一例可区分血型抗原。
Nature News 2026年9月18日
该研究通过小鼠胚胎第7.5天的组织染色与RNA测序、红色荧光标记追踪、人类多能干细胞定向诱导实验，并在猴、鸡、斑马鱼乃至橡子虫中寻找对应细胞群，提出大脑并非由单一类型起始细胞生成，而是由两类互不混合的前体细胞分别构建：一类形成后脑，另一类形成前脑与中脑，同时建立了一种高效诱导干细胞生成后脑运动神经元的方法。
该研究通过小鼠胚胎第7.5天的组织染色与RNA测序、红色荧光标记追踪、人类多能干细胞定向诱导实验，并在猴、鸡、斑马鱼乃至橡子虫中寻找对应细胞群，提出大脑并非由单一类型起始细胞生成，而是由两类互不混合的前体细胞分别构建：一类形成后脑，另一类形成前脑与中脑，同时建立了一种高效诱导干细胞生成后脑运动神经元的方法。
大脑由两类前体细胞分别构建：新实验挑战单一祖细胞模型
该研究通过小鼠胚胎第7.5天的组织染色与RNA测序、红色荧光标记追踪、人类多能干细胞定向诱导实验，并在猴、鸡、斑马鱼乃至橡子虫中寻找对应细胞群，提出大脑并非由单一类型起始细胞生成，而是由两类互不混合的前体细胞分别构建：一类形成后脑，另一类形成前脑与中脑，同时建立了一种高效诱导干细胞生成后脑运动神经元的方法。
该研究通过小鼠胚胎第7.5天的组织染色与RNA测序、红色荧光标记追踪、人类多能干细胞定向诱导实验，并在猴、鸡、斑马鱼乃至橡子虫中寻找对应细胞群，提出大脑并非由单一类型起始细胞生成，而是由两类互不混合的前体细胞分别构建：一类形成后脑，另一类形成前脑与中脑，同时建立了一种高效诱导干细胞生成后脑运动神经元的方法。
Nature News 2026年9月18日
一名患有由CHCHD10基因罕见突变引起的缓慢进展型运动神经元病（ALS）的男性，成为首位接受针对其特定致病突变的RNA反义寡核苷酸疗法的患者，在2024年4月至2025年4月间接受三次50毫克和三次75毫克鞘内给药后，未出现严重副作用，一年后其血液神经丝轻链蛋白水平降至正常参考范围，运动、呼吸和神经功能评分改善，呼吸与认知评分保持稳定，并继续从事医生工作。
一名患有由CHCHD10基因罕见突变引起的缓慢进展型运动神经元病（ALS）的男性，成为首位接受针对其特定致病突变的RNA反义寡核苷酸疗法的患者，在2024年4月至2025年4月间接受三次50毫克和三次75毫克鞘内给药后，未出现严重副作用，一年后其血液神经丝轻链蛋白水平降至正常参考范围，运动、呼吸和神经功能评分改善，呼吸与认知评分保持稳定，并继续从事医生工作。
首例RNA疗法：罕见运动神经元病患者治疗后症状改善
一名患有由CHCHD10基因罕见突变引起的缓慢进展型运动神经元病（ALS）的男性，成为首位接受针对其特定致病突变的RNA反义寡核苷酸疗法的患者，在2024年4月至2025年4月间接受三次50毫克和三次75毫克鞘内给药后，未出现严重副作用，一年后其血液神经丝轻链蛋白水平降至正常参考范围，运动、呼吸和神经功能评分改善，呼吸与认知评分保持稳定，并继续从事医生工作。
一名患有由CHCHD10基因罕见突变引起的缓慢进展型运动神经元病（ALS）的男性，成为首位接受针对其特定致病突变的RNA反义寡核苷酸疗法的患者，在2024年4月至2025年4月间接受三次50毫克和三次75毫克鞘内给药后，未出现严重副作用，一年后其血液神经丝轻链蛋白水平降至正常参考范围，运动、呼吸和神经功能评分改善，呼吸与认知评分保持稳定，并继续从事医生工作。
Archives of toxicology 2026年9月17日
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。
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。
人工智能在毒理学中的应用：当前进展、挑战与未来方向
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。
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。
Philosophical transactions of the Royal Society of London. Series B, Biological sciences 2026年9月17日
本文是一篇讨论性文章，系统梳理了数字医疗在功能性神经障碍（FND）中可发挥作用的六个方向——利用大型生物样本库与临床数据集揭示流行病学、共病、机制、经济负担及可能的治疗效果，用人工智能辅助超出临床承载力的复杂耗时评估，用自动化震颤分析、功能性运动体征量化和语音识别等数字工具提升诊断精度，通过在线工具与远程医疗改善自我管理和治疗可及性，借助可穿戴设备与远程医疗改进疗效测量与现有治疗，以及发展人工智能辅助治疗、生物反馈和虚拟或增强现实等新疗法——同时讨论了去人格化、隐私泄露、治疗替代、数字依赖和数字排斥等风险，并指出由临床医生而非干预本身带来的“治疗师效应”难以在数字环境中复制，最终提出应让技术进
本文是一篇讨论性文章，系统梳理了数字医疗在功能性神经障碍（FND）中可发挥作用的六个方向——利用大型生物样本库与临床数据集揭示流行病学、共病、机制、经济负担及可能的治疗效果，用人工智能辅助超出临床承载力的复杂耗时评估，用自动化震颤分析、功能性运动体征量化和语音识别等数字工具提升诊断精度，通过在线工具与远程医疗改善自我管理和治疗可及性，借助可穿戴设备与远程医疗改进疗效测量与现有治疗，以及发展人工智能辅助治疗、生物反馈和虚拟或增强现实等新疗法——同时讨论了去人格化、隐私泄露、治疗替代、数字依赖和数字排斥等风险，并指出由临床医生而非干预本身带来的“治疗师效应”难以在数字环境中复制，最终提出应让技术进
功能性神经障碍在数字医疗中的未满足需求
本文是一篇讨论性文章，系统梳理了数字医疗在功能性神经障碍（FND）中可发挥作用的六个方向——利用大型生物样本库与临床数据集揭示流行病学、共病、机制、经济负担及可能的治疗效果，用人工智能辅助超出临床承载力的复杂耗时评估，用自动化震颤分析、功能性运动体征量化和语音识别等数字工具提升诊断精度，通过在线工具与远程医疗改善自我管理和治疗可及性，借助可穿戴设备与远程医疗改进疗效测量与现有治疗，以及发展人工智能辅助治疗、生物反馈和虚拟或增强现实等新疗法——同时讨论了去人格化、隐私泄露、治疗替代、数字依赖和数字排斥等风险，并指出由临床医生而非干预本身带来的“治疗师效应”难以在数字环境中复制，最终提出应让技术进
本文是一篇讨论性文章，系统梳理了数字医疗在功能性神经障碍（FND）中可发挥作用的六个方向——利用大型生物样本库与临床数据集揭示流行病学、共病、机制、经济负担及可能的治疗效果，用人工智能辅助超出临床承载力的复杂耗时评估，用自动化震颤分析、功能性运动体征量化和语音识别等数字工具提升诊断精度，通过在线工具与远程医疗改善自我管理和治疗可及性，借助可穿戴设备与远程医疗改进疗效测量与现有治疗，以及发展人工智能辅助治疗、生物反馈和虚拟或增强现实等新疗法——同时讨论了去人格化、隐私泄露、治疗替代、数字依赖和数字排斥等风险，并指出由临床医生而非干预本身带来的“治疗师效应”难以在数字环境中复制，最终提出应让技术进
Therapeutic delivery 2026年9月17日
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。
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。
纳米结构脂质载体经鼻递送大麻二酚治疗Dravet与Lennox-Gastaut综合征：从临床前前景到临床转化
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。
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。
bioRxiv 2026年9月17日
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
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
SPHERE：让敏感人类数据在AI时代可被直接使用与共享
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
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
Studies in health technology and informatics 2026年9月17日
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。
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。
大语言模型用于临床笔记简化：医学文本可读性的系统综述与实验评估
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。
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。
Biomedical physics & engineering express 2026年9月17日
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。
HARU-Net：用于锥形束CT边缘保留去噪的混合注意力残差U-Net
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。

第 27 页 · 当前显示 10 项