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

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

2. Nature | 肺部“沉睡”的癌細胞可能會被 COVID 和流感喚醒

3. Nat. Commun. | 超聲成像預(yù)測甲狀腺癌側(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. | 基于潛在擴散的個體化3D腦MRI時空疾病進展建模解耦控制的真實全景牙齒X光生成

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

醫(yī)工簡報音頻內(nèi)容已在喜馬拉雅、小宇宙等平臺上線，歡迎訂閱收聽~

 行業(yè)動態(tài)   

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

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，這是第一個成功編輯人類 DNA 的 AI 生成的 CRISPR-Cas 蛋白。這項工作展示了機器學(xué)習(xí)如何被用來設(shè)計功能性生物系統(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”的癌細胞可能會被 COVID 和流感喚醒

一些乳腺癌幸存者肺部隱藏著腫瘤細胞，這些細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，在小鼠身上的實驗表明，這些細胞可以通過 COVID-19 或流感等常見呼吸道疾病“從沉睡中醒來”。研究結(jié)果發(fā)表在7月30日的《Nature》上，來自數(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?！昂粑啦《靖腥静粌H喚醒了細胞，”他說：它們還導(dǎo)致細胞增殖或繁殖，“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)測對于指導(dǎo)手術(shù)策略和預(yù)后評估至關(guān)重要，但缺乏精確的預(yù)測方法。因此，該研發(fā)團隊開發(fā)了側(cè)向淋巴結(jié)轉(zhuǎn)移網(wǎng)絡(luò)（LLNM-Net），這是一個雙向注意力深度學(xué)習(xí)模型，融合了來自七個中心的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)報告、病理發(fā)現(xiàn)和人口統(tǒng)計數(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在多中心測試中實現(xiàn)了0.944和84.7%準確率的曲線下區(qū)域（AUC），優(yōu)于人類專家（64.3%準確率），并超過了以前的模型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，中上葉是高危區(qū)域。利用位置、形狀、回聲性、邊緣、人口統(tǒng)計和臨床醫(yī)生輸入，LLNM-Net進一步達到0.983的AUC，用于識別高?；颊摺Ｒ虼?，該模型很有希望成為術(shù)前篩查和風(fēng)險分層的工具。

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

醫(yī)學(xué)成像技術(shù)

Med. Image Anal. | 基于潛在擴散的個體化3D腦MRI時空疾病進展建模解耦控制的真實全景牙齒X光生成

針對神經(jīng)退行性疾病進展預(yù)測中的個體化不足、時空不一致及3D MRI計算瓶頸，8月2日，意大利卡塔尼亞大學(xué)團隊提出BrLP模型，創(chuàng)新融合潛在擴散架構(gòu)與臨床元數(shù)據(jù)。該模型通過四維設(shè)計突破現(xiàn)有局限：(1) 采用潛在擴散模型將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、性別及認知狀態(tài)等元數(shù)據(jù)；(3) 設(shè)計輔助模型融合海馬/杏仁核等AD相關(guān)區(qū)域的疾病先驗知識；(4) 提出隱空間平均穩(wěn)定(LAS)算法，通過m次采樣平均優(yōu)化時空連續(xù)性，同步生成體素級不確定性圖譜。實驗在ADNI/OASIS/AIBL等11,730例MRI訓(xùn)練集及NACC外部2,257例驗證集上顯示：相比4D-DaniNet等方法，BrLP在SSIM和海馬體積MAE指標顯著提升，成功應(yīng)用于臨床試驗"快速進展者"篩選，使II類錯誤風(fēng)險降低。

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

可穿戴技術(shù)

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

便攜式可穿戴機器人為幫助有上肢殘疾的人提供了希望。然而，個體之間的運動可變性以及支持性和透明度之間的權(quán)衡使現(xiàn)實世界任務(wù)期間的機器人控制復(fù)雜化。該研究通過首先開發(fā)個性化的機器學(xué)習(xí)意圖檢測模型來解碼來自慣性測量單元（IMU）和壓縮傳感器的用戶運動意圖來應(yīng)對這些挑戰(zhàn)。其次，利用基于物理的滯后模型來增強控制透明度，并使其適應(yīng)現(xiàn)實世界任務(wù)中的實際使用。第三，將這兩個模型組合并集成到一個實時控制器中，以根據(jù)用戶的意圖和運動學(xué)狀態(tài)來調(diào)制輔助水平。第四，在多日評估中評估了文章提出的控制策略在改善手臂功能方面的有效性。對于5名中風(fēng)后患者和4名佩戴軟肩機器人的肌萎縮側(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°）中識別肩部運動的準確率為94.2%，并將放下手臂的力降低了31.9%，肩部活動范圍提升17.5°，肘部與腕部分別增加10.6°和7.6°活動度；同時減少軀干代償動作達25.4%，手部運動軌跡效率最高提升53.8%。該研究為個性化康復(fù)機器人技術(shù)提供了重要實踐依據(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