█腦科學(xué)動態(tài)

初級視覺皮層在視覺工作記憶中起關(guān)鍵作用

人造語言與自然語言：大腦的反應(yīng)竟如此相似

大腦折疊的力學(xué)密碼：軸突如何選擇路徑？

每天一件新鮮事，讓老年人記憶和情緒都變好

女性更易患 PTSD？新研究揭示創(chuàng)傷后關(guān)鍵腦部變化

注視行為決定你如何描述世界

睡眠中的“記憶增強(qiáng)器”：慢波上升期刺激提升運動記憶

海馬體通過組合與回放構(gòu)建未來行為

█AI行業(yè)動態(tài)

Blackwell GPU助力DeepSeek-R1推理

NVIDIA推出開源人形機(jī)器人基礎(chǔ)模型Isaac GR00T N1

谷歌發(fā)布基于Gemini 2的機(jī)器人操作大語言模型

█AI驅(qū)動科學(xué)

Unfold AI精準(zhǔn)預(yù)測前列腺癌治療效果，減少72%治療失敗

大腦4D成像技術(shù)揭示視聽信息處理機(jī)制

抗生素治療腦植入物感染：短期有效，長期有害

智能連體褲精準(zhǔn)監(jiān)測嬰兒運動發(fā)展

手機(jī)攝像頭實現(xiàn)高精度心率監(jiān)測

機(jī)器人也能泡咖啡，新框架讓機(jī)器人在不確定環(huán)境中完成任務(wù)

6G 網(wǎng)絡(luò)將像人類一樣思考

MetaVision3D：AI驅(qū)動的三維腦代謝組圖譜

腦科學(xué)動態(tài)

初級視覺皮層在視覺工作記憶中起關(guān)鍵作用

工作記憶是我們維持環(huán)境中信息的能力，是支持大多數(shù)高級認(rèn)知功能的基礎(chǔ)。盡管前額葉皮層被認(rèn)為在工作記憶中起重要作用，但最近的研究表明，初級視覺皮層（V1）也可能在其中扮演關(guān)鍵角色。為了驗證這一假設(shè)，Mrugank Dake和Clayton E. Curtis等研究人員使用經(jīng)顱磁刺激（TMS）干擾V1的神經(jīng)處理，并測量其對視覺工作記憶的影響。

研究團(tuán)隊使用TMS在記憶保持期間干擾人類V1的神經(jīng)處理，并同時使用腦電圖測量其對工作記憶神經(jīng)生理特征的影響。研究發(fā)現(xiàn)，TMS干擾V1會顯著降低視覺工作記憶的準(zhǔn)確性，特別是在受刺激影響的視覺區(qū)域。EEG測量進(jìn)一步證實，TMS不僅影響了記憶行為，還干擾了工作記憶的神經(jīng)生理特征。研究還發(fā)現(xiàn)，TMS在記憶保持階段產(chǎn)生的記憶缺陷與在編碼階段產(chǎn)生的缺陷同樣顯著。這表明V1不僅在視覺信息的編碼和早期鞏固中起作用，還在記憶的維持階段發(fā)揮關(guān)鍵作用。此外，研究通過嚴(yán)格控制實驗條件，排除了TMS對其他腦區(qū)（如前額葉皮層）的間接影響，進(jìn)一步支持了V1在工作記憶中的必要性。這些結(jié)果為“感覺招募模型”提供了直接因果證據(jù)，表明V1在維持準(zhǔn)確的工作記憶表征中起著重要作用。研究發(fā)表在 Nature Communications 上。

#認(rèn)知科學(xué) #記憶機(jī)制 #視覺工作記憶 #經(jīng)顱磁刺激 #腦電圖

閱讀更多：

Dake, Mrugank, and Clayton E. Curtis. “Perturbing Human V1 Degrades the Fidelity of Visual Working Memory.” Nature Communications, vol. 16, no. 1, Mar. 2025, p. 2675. www.nature.com, https://doi.org/10.1038/s41467-025-57882-8

人造語言與自然語言：大腦的反應(yīng)竟如此相似

語言處理機(jī)制一直是神經(jīng)科學(xué)研究的重點。麻省理工學(xué)院的 Evelina Fedorenko 和 Saima Malik-Moraleda 帶領(lǐng)團(tuán)隊，通過功能性磁共振成像（fMRI）技術(shù)，研究了大腦對構(gòu)造語言（如世界語、克林貢語等）的反應(yīng)，發(fā)現(xiàn)它們與自然語言的處理機(jī)制相似。

研究團(tuán)隊召集了 44 名精通構(gòu)造語言的說話者，利用fMRI掃描他們的大腦活動。結(jié)果顯示，當(dāng)參與者聽到他們精通的構(gòu)造語言時，大腦中與處理母語時激活相同的區(qū)域亮起。這表明，構(gòu)造語言與自然語言在大腦中的處理機(jī)制相似，關(guān)鍵在于它們都能表達(dá)豐富的意義。研究還發(fā)現(xiàn)，構(gòu)造語言的使用者數(shù)量、歷史或創(chuàng)造方式并不影響大腦對它們的處理方式。研究發(fā)表在 PNAS 上。

#認(rèn)知科學(xué) #神經(jīng)機(jī)制與腦功能解析 #構(gòu)造語言 #fMRI

閱讀更多：

Malik-Moraleda, Saima, et al. “Constructed Languages Are Processed by the Same Brain Mechanisms as Natural Languages.” Proceedings of the National Academy of Sciences, vol. 122, no. 12, Mar. 2025, p. e2313473122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2313473122

大腦折疊的力學(xué)密碼：軸突如何選擇路徑？

大腦的折疊和軸突連接是大腦發(fā)育的關(guān)鍵過程，但這兩者之間的力學(xué)關(guān)系尚不清楚。賓漢姆頓大學(xué)的Mir Jalil Razavi及其團(tuán)隊，包括Akbar Solhtalab和Ali H. Foroughi，以及哈佛醫(yī)學(xué)院和波士頓兒童醫(yī)院的Lana Pierotich，提出了一個動態(tài)模型，揭示了大腦皮層折疊和軸突連接發(fā)展之間的復(fù)雜力學(xué)行為。

?動態(tài)生長和折疊雙層系統(tǒng)中纖維的動態(tài)增長與路徑尋找。Credit: Nature Communications (2025).

研究團(tuán)隊提出了“軸突重新定向”的概念，并制定了一個力學(xué)模型來揭示皮層折疊和連接發(fā)展之間聯(lián)系的多尺度力學(xué)。通過模擬結(jié)合軸突束重新定向和應(yīng)力誘導(dǎo)生長，研究發(fā)現(xiàn)軸突在腦回（gyri）中的密度遠(yuǎn)高于在腦溝（sulci）。這是由于軸突在腦白質(zhì)內(nèi)受到拉伸或壓縮力時，其生長方式不同。軸突更喜歡處于張力狀態(tài)而不是壓縮狀態(tài)，盡管它們在更堅硬的環(huán)境中生長得更快，但它們傾向于向更柔軟的環(huán)境中移動。研究發(fā)表在 Nature Communications 上。

#神經(jīng)科學(xué) #預(yù)測模型構(gòu)建 #大腦健康 #軸突連接 #大腦折疊

閱讀更多：

Solhtalab, Akbar, et al. “Stress Landscape of Folding Brain Serves as a Map for Axonal Pathfinding.” Nature Communications, vol. 16, no. 1, Jan. 2025, p. 1187. www.nature.com, https://doi.org/10.1038/s41467-025-56362-3

每天一件新鮮事，讓老年人記憶和情緒都變好

疫情期間的隔離導(dǎo)致老年人缺乏刺激體驗，增加了認(rèn)知衰退和情緒問題的風(fēng)險。多倫多大學(xué)的Morgan Barense和Melissa E. Meade團(tuán)隊研究發(fā)現(xiàn)，每天進(jìn)行一種新體驗可以顯著提升記憶力和情緒，尤其對老年人有益。

研究在2020年夏季封鎖期間，招募了18名平均年齡71歲的健康老年人，使用基于神經(jīng)科學(xué)的智能手機(jī)應(yīng)用HippoCamera（模擬大腦海馬體處理和存儲記憶的方式）記錄和回放670個獨特和日常事件。參與者每天記錄至少一個事件，并進(jìn)行一次回放。研究發(fā)現(xiàn)，獨特事件比日常事件更能被詳細(xì)回憶，且與更高的積極情緒、更少的無聊感和更快的時間感知相關(guān)。研究還表明，即使是小改變，如走不同的路線，也能顯著改善記憶和情緒。研究發(fā)表在 Scientific Reports 上。

#認(rèn)知科學(xué) #健康管理與壽命延長 #記憶機(jī)制 #HippoCamera #經(jīng)驗多樣性

閱讀更多：

Meade, Melissa E., et al. “Unique Events Improve Episodic Richness, Enhance Mood, and Alter the Perception of Time during Isolation.” Scientific Reports, vol. 14, no. 1, Nov. 2024, p. 29439. www.nature.com, https://doi.org/10.1038/s41598-024-80591-z

女性更易患 PTSD？新研究揭示創(chuàng)傷后關(guān)鍵腦部變化

創(chuàng)傷后應(yīng)激障礙（PTSD）不僅影響親歷創(chuàng)傷者，也影響目睹創(chuàng)傷者，但后者的大腦機(jī)制尚未被充分研究。弗吉尼亞理工大學(xué)的 Yeeun Bae、Morgan Patrick 和 Tim Jarome 等人通過研究揭示了目睹創(chuàng)傷與親歷創(chuàng)傷在分子水平上的差異，并發(fā)現(xiàn)性別在腦部反應(yīng)中的重要差異。

研究團(tuán)隊使用嚙齒類動物的間接恐懼學(xué)習(xí)（IFL）模型，觀察大鼠如何通過觀看同伴經(jīng)歷創(chuàng)傷來形成恐懼記憶。通過蛋白質(zhì)組學(xué)分析，研究人員發(fā)現(xiàn)，目睹創(chuàng)傷會在大腦的杏仁核、前扣帶回皮層和壓后皮層（retrosplenial cortex）中引發(fā)獨特的蛋白質(zhì)降解模式。與直接經(jīng)歷創(chuàng)傷相比，間接獲得型恐懼記憶的蛋白質(zhì)降解模式顯著不同，且存在性別差異。女性大腦對間接創(chuàng)傷的反應(yīng)更為敏感，這可能與 K-63 泛素化蛋白（K-63 ubiquitin，一種與蛋白質(zhì)降解相關(guān)的分子）的作用有關(guān)。

研究還發(fā)現(xiàn)，觀察者大鼠（通過觀看同伴經(jīng)歷創(chuàng)傷而間接獲得恐懼記憶）的壓后皮層中的 Egr2 和 c-fos 表達(dá)與演示者大鼠（直接經(jīng)歷創(chuàng)傷）相似，但與偽條件化大鼠（即沒有形成恐懼記憶）顯著不同。表明壓后皮層在恐懼記憶的形成中可能是一個關(guān)鍵腦區(qū)，尤其是在間接獲得恐懼記憶的過程中。研究發(fā)表在 PLOS ONE 上。

#大腦健康 #心理健康與精神疾病 #性別差異 #蛋白質(zhì)降解 #創(chuàng)傷后應(yīng)激障礙

閱讀更多：

Navabpour, Shaghayegh, et al. “Indirectly Acquired Fear Memories Have Distinct, Sex-Specific Molecular Signatures from Directly Acquired Fear Memories.” PLOS ONE, vol. 19, no. 12, Dec. 2024, p. e0315564. PLoS Journals, https://doi.org/10.1371/journal.pone.0315564

注視行為決定你如何描述世界

不同的人在觀看同一場景時，是否會形成不同的感知？為了探索這一問題，Diana Kollenda、Anna-Sophia Reher和Benjamin de Haas等研究人員展開了一項研究，發(fā)現(xiàn)個體的注視行為能夠預(yù)測其場景描述的差異。

研究團(tuán)隊讓參與者自由觀看100個自然場景，并記錄他們的注視行為和場景描述。通過計算參與者之間的注視分布相似性（dwell time distributions）和描述語義相似性（semantic similarity），研究團(tuán)隊發(fā)現(xiàn)，注視模式相似的參與者，其場景描述也更為相似，尤其是在名詞使用上。例如，對文字和人臉的注視傾向與其描述中提及這些內(nèi)容的頻率顯著相關(guān)。此外，這種注視與描述的關(guān)系在不同場景中具有一致性，表明個體的注視行為與其感知方式之間存在穩(wěn)定的聯(lián)系。研究發(fā)表在 Scientific Reports 上。

#認(rèn)知科學(xué) #預(yù)測模型構(gòu)建 #注視行為 #場景描述 #個體差異

閱讀更多：

Kollenda, Diana, et al. “Individual Gaze Predicts Individual Scene Descriptions.” Scientific Reports, vol. 15, no. 1, Mar. 2025, p. 9443. www.nature.com, https://doi.org/10.1038/s41598-025-94056-4

睡眠中的“記憶增強(qiáng)器”：慢波上升期刺激提升運動記憶

記憶鞏固是大腦在睡眠期間通過特定的腦電波活動增強(qiáng)記憶的過程。Judith Nicolas、Bradley R. King、David Lévesque等研究人員通過閉環(huán)靶向記憶重激活（CL-TMR）技術(shù)，研究了慢波（SO）不同階段對運動記憶鞏固的影響。

研究采用功能性磁共振成像和腦電圖技術(shù)，在31名健康年輕參與者學(xué)習(xí)運動序列時記錄其大腦活動，并在隨后的睡眠期間通過EEG實時檢測慢波，并在慢波的不同階段（上升期、下降期）播放與學(xué)習(xí)任務(wù)相關(guān)的聲音刺激。結(jié)果顯示，上升期刺激顯著提高了運動表現(xiàn)，增加了慢波振幅和sigma波段功率，并增強(qiáng)了與任務(wù)相關(guān)的海馬和紋狀體-皮質(zhì)網(wǎng)絡(luò)的活動。研究發(fā)表在 Nature Communications 上。

#神經(jīng)科學(xué) #記憶機(jī)制 #閉環(huán)靶向記憶重激活 #慢波 #運動記憶

閱讀更多：

Nicolas, Judith, et al. “Unraveling the Neurophysiological Correlates of Phase-Specific Enhancement of Motor Memory Consolidation via Slow-Wave Closed-Loop Targeted Memory Reactivation.” Nature Communications, vol. 16, no. 1, Mar. 2025, p. 2644. www.nature.com, https://doi.org/10.1038/s41467-025-57602-2

海馬體通過組合與回放構(gòu)建未來行為

海馬體在記憶、想象和構(gòu)建性推理中起著關(guān)鍵作用。最近的研究表明，海馬體的神經(jīng)元反應(yīng)可以通過狀態(tài)空間模型來解釋，這些模型模擬了經(jīng)驗之間的轉(zhuǎn)換。為了調(diào)和這些觀點，Jacob J. W. Bakermans等研究人員通過模擬和海馬體記錄，展示了如果狀態(tài)空間是從現(xiàn)有構(gòu)建塊或原語中組合構(gòu)建的，海馬體反應(yīng)可以被解釋為組合記憶，將這些原語綁定在一起。這一發(fā)現(xiàn)使代理能夠在沒有新學(xué)習(xí)的情況下在新環(huán)境中表現(xiàn)出最優(yōu)行為，直接從組合中推斷行為。

海馬體細(xì)胞提供了預(yù)學(xué)習(xí)構(gòu)建塊的組合，指定了它們在當(dāng)前經(jīng)驗中的排列。這意味著海馬體不再需要自己學(xué)習(xí)轉(zhuǎn)換，因為這些轉(zhuǎn)換是從構(gòu)建塊的動力學(xué)中繼承的。此外，研究還表明，在探索過程中形成這些組合的記憶為未來行為提供了理想的狀態(tài)空間。

如果構(gòu)建塊具有前向模型，則可以通過回放（replay）離線形成記憶，從而使代理能夠有效地為未來行為構(gòu)建組合狀態(tài)空間。實驗數(shù)據(jù)支持了這一組合機(jī)制，表明當(dāng)發(fā)現(xiàn)新的結(jié)構(gòu)元素時，回放會構(gòu)建一個組合記憶，嵌入到該地標(biāo)的向量中。計算模型（如REMERGE和Tolman-Eichenbaum machine, TEM）此前已經(jīng)表明，海馬體中的聯(lián)合編碼支持泛化，但本文的模型通過形成結(jié)構(gòu)-結(jié)構(gòu)聯(lián)合，從結(jié)構(gòu)構(gòu)建塊中組合狀態(tài)空間，從而能夠泛化行為。

研究還提出了回放在構(gòu)建新皮質(zhì)原語中的作用，特別是在睡眠中通過生成訓(xùn)練樣本來學(xué)習(xí)組合策略。這種組合推理是人類和動物認(rèn)知的基本屬性，未來在認(rèn)知和神經(jīng)反應(yīng)的模型中，組合推理將扮演越來越重要的角色。研究發(fā)表在 Nature Neuroscience 上。

#神經(jīng)科學(xué) #記憶機(jī)制 #海馬體 #組合推理 #回放

閱讀更多：

Bakermans, Jacob J. W., et al. “Constructing Future Behavior in the Hippocampal Formation through Composition and Replay.” Nature Neuroscience, Mar. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41593-025-01908-3

AI 行業(yè)動態(tài)

Blackwell GPU助力DeepSeek-R1推理：速度提升36倍，成本降低32倍

在2025年的GTC大會上，NVIDIA宣布其Blackwell架構(gòu)在DeepSeek-R1（6710億參數(shù)模型）的推理性能上創(chuàng)下了世界紀(jì)錄。配備8個Blackwell GPU的單個NVIDIA DGX系統(tǒng)，能夠?qū)崿F(xiàn)每用戶超過250個令牌每秒的推理速度，或最高超過3萬個令牌每秒的總吞吐量。這一性能相比2025年1月提升了36倍，同時推理成本下降了32倍。

Blackwell架構(gòu)的關(guān)鍵升級包括硬件和軟件的協(xié)同優(yōu)化。硬件方面，第五代Tensor Core支持FP4精度計算，計算能力提升了5倍；第五代NVLink & NVLink Switch帶寬翻倍，增強(qiáng)了多GPU協(xié)同計算能力。軟件方面，TensorRT-LLM 0.17針對Blackwell指令集進(jìn)行了專門優(yōu)化，KV Cache管理和推測解碼等高級優(yōu)化提高了運行效率。此外，Blackwell GPU還針對AI圖像生成進(jìn)行了優(yōu)化，推理吞吐量提升了3倍，顯存占用優(yōu)化了5.2倍。

NVIDIA的開放生態(tài)系統(tǒng)和軟件優(yōu)化也為推理性能的提升做出了貢獻(xiàn)。cuDNN 9.7提供了Flash Attention算法，F(xiàn)P8前向傳播加速50%，反向傳播加速84%。CUTLASS 3.8支持FP4計算，優(yōu)化了MoE模型計算，降低了LLM權(quán)重存儲需求。DeepSeek-R1在FP4量化后僅損失0.1-0.5%精度，在多個數(shù)據(jù)集測試中表現(xiàn)優(yōu)異。

#NVIDIA #Blackwell架構(gòu) #DeepSeek-R1 #推理性能 #AI圖像生成

閱讀更多：

https://developer.nvidia.com/blog/nvidia-blackwell-delivers-world-record-deepseek-r1-inference-performance/?ncid=so-twit-188072-vt04&linkId=100000349580581

NVIDIA推出開源人形機(jī)器人基礎(chǔ)模型Isaac GR00T N1

NVIDIA近日發(fā)布了Isaac GR00T N1，這是一個開源的通用人形機(jī)器人基礎(chǔ)模型，旨在加速人形機(jī)器人在現(xiàn)實世界中的開發(fā)和應(yīng)用。該模型結(jié)合了預(yù)訓(xùn)練模型、合成數(shù)據(jù)生成藍(lán)圖和仿真框架，幫助開發(fā)者構(gòu)建能夠適應(yīng)多種任務(wù)和環(huán)境的機(jī)器人。GR00T N1采用了雙系統(tǒng)架構(gòu)，模擬人類認(rèn)知，包括“快思”和“慢思”系統(tǒng)。慢思系統(tǒng)負(fù)責(zé)感知環(huán)境、推理指令并規(guī)劃行動，而快思系統(tǒng)則將計劃轉(zhuǎn)化為精準(zhǔn)、連續(xù)的機(jī)器人動作。該模型已經(jīng)在GR1機(jī)器人、1X Neo機(jī)器人及眾多仿真基準(zhǔn)測試環(huán)境中部署，提升了高達(dá)30%的性能。

GR00T N1的模型架構(gòu)采用視覺-語言模型和擴(kuò)散變換器，兩者緊密耦合，支持聯(lián)合優(yōu)化，以提升機(jī)器人對環(huán)境和任務(wù)的適應(yīng)能力。NVIDIA采用金字塔式數(shù)據(jù)結(jié)構(gòu)訓(xùn)練GR00T N1，融合互聯(lián)網(wǎng)、合成數(shù)據(jù)和真實機(jī)器人數(shù)據(jù)，結(jié)合真實數(shù)據(jù)和合成數(shù)據(jù)，相比僅用真實數(shù)據(jù)訓(xùn)練，性能提升了40%。

此外，NVIDIA還提供了Isaac Sim和Isaac Lab等仿真與開發(fā)工具，幫助開發(fā)者訓(xùn)練機(jī)器人動作策略。部分訓(xùn)練數(shù)據(jù)已通過Hugging Face上的NVIDIA物理AI數(shù)據(jù)集開源，供開發(fā)者社區(qū)使用。GR00T N1在仿真測試和真實機(jī)器人任務(wù)測試中表現(xiàn)出色，任務(wù)執(zhí)行更流暢，抓取精度提升，特別是在小樣本數(shù)據(jù)微調(diào)后仍保持較高表現(xiàn)。

#NVIDIA #人形機(jī)器人 #開源模型 #合成數(shù)據(jù) #仿真工具

閱讀更多：

https://developer.nvidia.com/blog/accelerate-generalist-humanoid-robot-development-with-nvidia-isaac-gr00t-n1

谷歌發(fā)布基于Gemini 2的機(jī)器人操作大語言模型

谷歌旗下的DeepMind近日發(fā)布了兩款基于Gemini 2.0的大型語言模型（LLM），旨在提升機(jī)器人在現(xiàn)實世界中的操作能力。這兩款模型分別是Gemini Robotics和Gemini Robotics-ER，前者專注于增強(qiáng)機(jī)器人的通用性、交互性和靈巧性，后者則側(cè)重于幫助機(jī)器人進(jìn)行復(fù)雜的推理任務(wù)。這些模型的推出，標(biāo)志著AI在機(jī)器人領(lǐng)域應(yīng)用的重大進(jìn)展。

隨著人工智能技術(shù)的迅猛發(fā)展，如何將AI應(yīng)用于機(jī)器人領(lǐng)域，特別是提升機(jī)器人在復(fù)雜環(huán)境中的適應(yīng)能力和操作能力，成為研究熱點。DeepMind作為谷歌旗下的AI研究機(jī)構(gòu)，長期致力于將先進(jìn)的AI技術(shù)應(yīng)用于實際場景。此次發(fā)布的Gemini Robotics系列模型，正是基于其在多模態(tài)推理和大型語言模型方面的研究成果，旨在推動機(jī)器人技術(shù)的進(jìn)一步發(fā)展。

Gemini Robotics模型基于Gemini 2.0大型語言模型，融合了語言、視覺和動作等多模態(tài)信息，使機(jī)器人能夠理解并適應(yīng)各種新場景。這使得機(jī)器人能夠執(zhí)行諸如折疊紙張、擰開瓶蓋等精細(xì)操作。此外，Gemini Robotics-ER模型進(jìn)一步增強(qiáng)了機(jī)器人的推理能力，使其能夠完成如高效整理午餐盒等復(fù)雜任務(wù)。為了確保安全性，這些AI模型在執(zhí)行操作前會評估其安全性，確保機(jī)器人行為的可靠性。DeepMind還與Apptronik等公司合作，將這些模型提供給Agile Robots、Agility Robotics、Boston Dynamics和Enchanted Tools等“可信測試者”，以開發(fā)更智能、響應(yīng)更迅速、適應(yīng)性更強(qiáng)的機(jī)器人，適用于各種環(huán)境和應(yīng)用。

#人工智能 #自主代理 #多模態(tài)推理 #大語言模型

閱讀更多：

https://deepmind.google/discover/blog/gemini-robotics-brings-ai-into-the-physical-world/

AI 驅(qū)動科學(xué)

Unfold AI精準(zhǔn)預(yù)測前列腺癌治療效果，減少72%治療失敗

前列腺癌的局部治療（如部分腺體冷凍消融，PGA）在治療局限性腫瘤方面具有潛力，但傳統(tǒng)方法往往低估腫瘤體積，導(dǎo)致治療失敗和復(fù)發(fā)。為了解決這一問題，加州大學(xué)洛杉磯分校（UCLA）和Avenda Health的研究團(tuán)隊開發(fā)了人工智能工具Unfold AI，用于更準(zhǔn)確地預(yù)測腫瘤體積和治療效果。

?(A) 不同風(fēng)險邊界下的 AI 腫瘤體積與(B)接受 PGA 評估但接受根治性前列腺切除術(shù)的患者整體手術(shù)病理的對比。Credit: BJUI Compass (2024).

研究團(tuán)隊對204名接受PGA治療的前列腺癌患者進(jìn)行了臨床試驗，使用Unfold AI生成三維腫瘤地圖，并與傳統(tǒng)指標(biāo)（如腫瘤分級和PSA水平）進(jìn)行比較。結(jié)果顯示，腫瘤體積是治療成功的最強(qiáng)預(yù)測因素，腫瘤體積小于1.5立方厘米的患者治療效果顯著更好。使用1.5立方厘米作為PGA的入選標(biāo)準(zhǔn)可以防止72%的治療失敗。研究發(fā)表在 BJUI Compass 上。

#神經(jīng)技術(shù) #個性化醫(yī)療 #前列腺癌 #AI預(yù)測模型 #局部治療

閱讀更多：

Brisbane, Wayne G., et al. “Focal Therapy of Prostate Cancer: Use of Artificial Intelligence to Define Tumour Volume and Predict Treatment Outcomes.” BJUI Compass, vol. 6, no. 1, 2025, p. e456. Wiley Online Library, https://doi.org/10.1002/bco2.456

大腦4D成像技術(shù)揭示視聽信息處理機(jī)制

大腦如何無縫整合多感官信息以形成連貫感知一直是一個未解之謎。西安大略大學(xué)的Yalda Mohsenzadeh和Yu (Brandon) Hu團(tuán)隊通過開發(fā)一種新的4D成像技術(shù)，揭示了大腦在處理視聽信息時的獨特機(jī)制。

?實驗設(shè)計及數(shù)據(jù)分析方案。Credit: Communications Biology (2025).

研究團(tuán)隊使用功能性磁共振成像和腦電圖技術(shù)，對參與者觀看60個自然場景視頻片段時的腦活動進(jìn)行了記錄和分析。結(jié)果顯示，大腦的初級視覺皮層對視覺和低級聽覺輸入都有反應(yīng)，而初級聽覺皮層僅處理聽覺信息。這種不對稱的跨模態(tài)交互表明，視覺信息在感知中占據(jù)主導(dǎo)地位。研究還發(fā)現(xiàn)，高層次的概念和語義信息在多感官聯(lián)合區(qū)域后期出現(xiàn)，進(jìn)一步揭示了跨模態(tài)整合的復(fù)雜性。通過與雙分支深度神經(jīng)網(wǎng)絡(luò)模型的比較，研究強(qiáng)調(diào)了早期跨模態(tài)連接在構(gòu)建生物合理的視聽感知模型中的重要性。研究發(fā)表在 Communications Biology 上。

#神經(jīng)科學(xué) #計算模型與人工智能模擬 #大腦信號解析 #4D成像技術(shù) #視聽信息處理

閱讀更多：

Hu, Yu, and Yalda Mohsenzadeh. “Neural Processing of Naturalistic Audiovisual Events in Space and Time.” Communications Biology, vol. 8, no. 1, Jan. 2025, pp. 1–16. www.nature.com, https://doi.org/10.1038/s42003-024-07434-5

抗生素治療腦植入物感染：短期有效，長期有害

腦植入物在治療神經(jīng)系統(tǒng)疾病方面具有巨大潛力，但細(xì)菌入侵可能導(dǎo)致炎癥并降低設(shè)備性能。凱斯西儲大學(xué)的Jeff Capadona團(tuán)隊通過蛋白質(zhì)組學(xué)和轉(zhuǎn)錄組學(xué)分析發(fā)現(xiàn)，植入微電極的小鼠大腦中存在與腸道相關(guān)的細(xì)菌，表明血腦屏障（BBB）的破壞可能允許微生物進(jìn)入。

?空間和細(xì)胞特異性植入位點蛋白質(zhì)組學(xué)和轉(zhuǎn)錄組學(xué)分析。Credit: Nature Communications (2025).

研究團(tuán)隊使用蛋白質(zhì)組學(xué)和轉(zhuǎn)錄組學(xué)技術(shù)，分析了植入微電極的小鼠大腦中的細(xì)菌DNA。結(jié)果顯示，腸道相關(guān)細(xì)菌通過受損的血腦屏障進(jìn)入大腦，導(dǎo)致炎癥反應(yīng)并影響設(shè)備性能。抗生素治療減少了細(xì)菌污染并暫時改善了設(shè)備性能，但長期使用抗生素會破壞神經(jīng)退行性通路，反而降低性能。

此外，研究還發(fā)現(xiàn)部分細(xì)菌序列并非來自腸道，表明細(xì)菌可能通過其他途徑進(jìn)入大腦。這一發(fā)現(xiàn)不僅揭示了細(xì)菌入侵對腦植入物性能的影響，還為開發(fā)更安全的植入策略提供了重要依據(jù)。研究發(fā)表在 Nature Communications 上。

#神經(jīng)技術(shù) #腦機(jī)接口 #細(xì)菌入侵 #血腦屏障 #抗生素治療

閱讀更多：

Hoeferlin, George F., et al. “Bacteria Invade the Brain Following Intracortical Microelectrode Implantation, Inducing Gut-Brain Axis Disruption and Contributing to Reduced Microelectrode Performance.” Nature Communications, vol. 16, no. 1, Feb. 2025, p. 1829. www.nature.com, https://doi.org/10.1038/s41467-025-56979-4

智能連體褲精準(zhǔn)監(jiān)測嬰兒運動發(fā)展

早期運動發(fā)展對兒童神經(jīng)認(rèn)知表現(xiàn)至關(guān)重要，但現(xiàn)有方法無法在家庭環(huán)境中進(jìn)行準(zhǔn)確監(jiān)測。赫爾辛基大學(xué)的Sampsa Vanhatalo和Manu Airaksinen團(tuán)隊開發(fā)了MAIJU智能連體褲，利用AI算法實現(xiàn)了嬰兒運動發(fā)展的家庭監(jiān)測，結(jié)果顯示其準(zhǔn)確性與世界衛(wèi)生組織（WHO）專家相當(dāng)。

?一個穿著智能連體褲的孩子在玩玩具車。Credit: Sampsa Vanhatalo

MAIJU智能連體褲基于多傳感器測量（multisensor measurements），父母在家中對134名4至22個月大的嬰兒進(jìn)行了620次無監(jiān)督測量。AI算法檢測大運動里程碑（GMM, Gross Motor Milestones）的完成、測量關(guān)鍵姿勢時間，并縱向跟蹤整體運動發(fā)展。結(jié)果顯示，算法檢測GMM的準(zhǔn)確率在交叉驗證中達(dá)到90.9%-95.5%，外部驗證中達(dá)到92.4%-96.8%，與WHO專家水平相當(dāng)?？纱┐髟O(shè)備得出的姿勢時間與父母評估強(qiáng)相關(guān)（ρ?=?.48–.81），個體運動成熟軌跡與嬰兒年齡強(qiáng)相關(guān)（ρ?=?.93）。這一方法為家庭環(huán)境中的嬰兒運動發(fā)展監(jiān)測提供了可靠工具，未來可用于篩查發(fā)育遲緩、評估康復(fù)效果及跨國研究。研究發(fā)表在 Pediatrics 上。

#神經(jīng)技術(shù) #個性化醫(yī)療 #健康管理與壽命延長 #嬰兒運動發(fā)展 #AI算法

閱讀更多：

Airaksinen, Manu, et al. “Assessing Infant Gross Motor Performance With an At-Home Wearable.” Pediatrics, Mar. 2025, p. e2024068647. Silverchair, https://doi.org/10.1542/peds.2024-068647

手機(jī)攝像頭實現(xiàn)高精度心率監(jiān)測

心率監(jiān)測是評估心血管健康的重要手段，但傳統(tǒng)設(shè)備價格昂貴且不便攜。谷歌研究團(tuán)隊開發(fā)了一種基于智能手機(jī)攝像頭的深度學(xué)習(xí)系統(tǒng)PHRM，能夠通過面部視頻實現(xiàn)心率和靜息心率（RHR）的被動監(jiān)測。

?代表性示例，展示了用于驗證 PHRM 的自由生活數(shù)據(jù)的多樣性。Credit: arXiv (2025).

PHRM系統(tǒng)利用光電容積描記法（photoplethysmography），通過分析智能手機(jī)前置攝像頭拍攝的面部視頻中的光線反射來測量心率。研究團(tuán)隊對495名志愿者提供的225,773段面部視頻進(jìn)行了測試，并在205名參與者提供的185,970段視頻中進(jìn)行了驗證。結(jié)果顯示，PHRM系統(tǒng)在不同膚色和光照條件下的心率測量誤差均小于10%，且與可穿戴設(shè)備相比，每日RHR的誤差小于5 bpm。這一系統(tǒng)無需額外設(shè)備，僅需一部智能手機(jī)即可實現(xiàn)高精度心率監(jiān)測，有望讓全球數(shù)十億人受益。

#神經(jīng)技術(shù) #個性化醫(yī)療 #健康管理與壽命延長 #智能手機(jī) #心率監(jiān)測

閱讀更多：

Liao, Shun, et al. Passive Heart Rate Monitoring During Smartphone Use in Everyday Life. arXiv:2503.03783, arXiv, 8 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.03783

機(jī)器人也能泡咖啡，新框架讓機(jī)器人在不確定環(huán)境中完成任務(wù)

機(jī)器人完成復(fù)雜任務(wù)的能力受到限制，尤其是在不確定的環(huán)境中。為了提升機(jī)器人在復(fù)雜任務(wù)中的表現(xiàn)，Ruaridh Mon-Williams等研究人員開發(fā)了一種名為ELLMER的框架，結(jié)合了大型語言模型和機(jī)器人傳感器反饋控制，使機(jī)器人能夠執(zhí)行復(fù)雜的長期任務(wù)。

ELLMER框架結(jié)合了大型語言模型和機(jī)器人傳感器反饋控制。通過將視覺、力反饋和語言處理相結(jié)合，ELLMER使機(jī)器人能夠執(zhí)行復(fù)雜的長期任務(wù)，如制作咖啡。研究使用了一個七自由度的Kinova機(jī)械臂，在不確定的環(huán)境中執(zhí)行任務(wù)，并利用集成的力和視覺反饋來完成任務(wù)。實驗表明，機(jī)器人能夠在不確定的環(huán)境中完成制作咖啡的任務(wù)，展示了其在動態(tài)環(huán)境中的適應(yīng)能力。研究發(fā)表在 Nature Machine Intelligence 上。

#認(rèn)知科學(xué) #大模型技術(shù) #機(jī)器人操控 #傳感器反饋 #復(fù)雜任務(wù)

閱讀更多：

Mon-Williams, Ruaridh, et al. “Embodied Large Language Models Enable Robots to Complete Complex Tasks in Unpredictable Environments.” Nature Machine Intelligence, Mar. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s42256-025-01005-x

6G 網(wǎng)絡(luò)將像人類一樣思考

當(dāng)前無線技術(shù)和人工智能（AI）在常識推理方面存在顯著差距，限制了其在復(fù)雜場景中的應(yīng)用。弗吉尼亞理工大學(xué)的 Walid Saad、Omar Hashash 和 Christo Thomas 團(tuán)隊提出，通過將下一代 AI 與無線技術(shù)深度融合，賦予系統(tǒng)類似于人類的思考、想象和規(guī)劃能力，才能實現(xiàn)真正的無線革命。

?（從左至右）瓦利德·薩德和博士生奧馬爾·哈沙什嘗試一款類似于在元宇宙中與數(shù)字孿生互動時經(jīng)常使用的虛擬現(xiàn)實頭盔。Credit: Photo by Chelsea Seeber for Virginia Tech.

研究團(tuán)隊提出了一種基于感知模塊、世界模型和行動規(guī)劃組件的 AI 原生無線系統(tǒng)（AI-native networks）。感知模塊通過抽象現(xiàn)實世界元素創(chuàng)建可推廣的表示，世界模型則基于因果關(guān)系和高維計算（HD computing）構(gòu)建，能夠模擬物理世界的復(fù)雜運作。行動規(guī)劃組件使系統(tǒng)能夠處理未預(yù)見的場景、捕捉直觀物理規(guī)律、進(jìn)行類比推理和填補(bǔ)信息空白。

研究還指出，當(dāng)前的 AI 工具（如自動編碼器和現(xiàn)成的人工神經(jīng)網(wǎng)絡(luò)）在處理復(fù)雜無線環(huán)境時存在局限性。未來的 6G 網(wǎng)絡(luò)需要具備常識推理能力的 AI 系統(tǒng)，以支持元宇宙、數(shù)字孿生（digital twins）和全息傳輸?shù)刃屡d應(yīng)用。通過將 AI 與無線技術(shù)無縫融合，研究團(tuán)隊為未來的 AGI 原生系統(tǒng)奠定了基礎(chǔ)，使其能夠無縫協(xié)調(diào)物理、虛擬和數(shù)字維度。研究發(fā)表在 Proceedings of the IEEE 上。

#認(rèn)知科學(xué) #跨學(xué)科整合 #人工通用智能 #6G網(wǎng)絡(luò) #數(shù)字孿生

閱讀更多：

Saad, Walid, et al. “Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G.” Proceedings of the IEEE, 2025, pp. 1–39. IEEE Xplore, https://doi.org/10.1109/JPROC.2025.3526887

MetaVision3D：AI驅(qū)動的三維腦代謝組圖譜

空間代謝組學(xué)通過高分辨率映射代謝物，揭示了細(xì)胞代謝和疾病機(jī)制的關(guān)鍵見解。Xin Ma等研究人員開發(fā)了MetaVision3D，一個由計算機(jī)視覺驅(qū)動的管道，用于將連續(xù)的2D MALDI質(zhì)譜成像切片轉(zhuǎn)換為高分辨率的3D空間代謝組。

MetaVision3D使用先進(jìn)的算法進(jìn)行圖像配準(zhǔn)、歸一化和插值，以實現(xiàn)連續(xù)2D組織切片的整合，從而生成一個全面的3D模型，展示宿主組織中獨特的多樣化代謝物。作為原理驗證，MetaVision3D被用于生成正常和患病小鼠的3D代謝組圖譜。

研究結(jié)果顯示，MetaVision3D不僅提高了空間數(shù)據(jù)的精度和分辨率，還能補(bǔ)償MALDI成像中固有的實驗和技術(shù)變異性。通過MetaVision3D，研究團(tuán)隊首次構(gòu)建了小鼠大腦的中尺度3D代謝組圖譜，揭示了代謝物分布與大腦功能之間的密切關(guān)系。例如，脂質(zhì)物種PE 44:12在小腦的分子層和顆粒層中富集，暗示其在運動和認(rèn)知功能中的獨特代謝需求。PS 38:6在海馬齒狀回中顯著富集，表明其在這一與記憶形成和空間導(dǎo)航相關(guān)的海馬亞區(qū)中的特殊功能。此外，磷酸肌醇如PI 38:5和PS 40:6主要分布在前額葉皮層，這一區(qū)域與高級認(rèn)知功能相關(guān)，同時在海馬和小腦的顆粒層中也顯著存在，這些區(qū)域分別對突觸可塑性和運動控制至關(guān)重要。

未來，研究團(tuán)隊計劃擴(kuò)展3D代謝組圖譜數(shù)據(jù)庫，涵蓋更多分子類別，如小分子代謝物、糖原和糖相關(guān)復(fù)合碳水化合物，并將MetaVision3D應(yīng)用于其他器官的3D代謝研究，以創(chuàng)建全身代謝圖譜。研究發(fā)表在Nature Metabolism 上。

#神經(jīng)技術(shù) #自動化科研 #空間代謝組學(xué) #MALDI質(zhì)譜成像 #3D代謝組圖譜

閱讀更多：

Ma, Xin, et al. “AI-Driven Framework to Map the Brain Metabolome in Three Dimensions.” Nature Metabolism, Mar. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s42255-025-01242-9

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問為紐帶，深入探究人工智能與人類智能相互融合與促進(jìn)，不斷探索科學(xué)的邊界。如果您有進(jìn)一步想要討論的內(nèi)容，歡迎評論區(qū)留言，或后臺留言“社群”即可加入社群與我們互動。

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創(chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點，支持腦科學(xué)研究，造福人類。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學(xué)院合作成立了加州理工天橋神經(jīng)科學(xué)研究院。

Chen Institute建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、等。