關注“醫工學人”澎湃號和公眾號，第一時間獲取醫工交叉領域新聞動態~

醫工簡報是由醫工學人理事會及學生委員會整理的醫工交叉領域一日內最新進展，內容來源為著名期刊、國內外知名媒體等。周一至周五工作日發布！

醫工學人已建立各細分領域群聊（國內外醫工交叉領域頂尖高校、科研院所、醫院、企業等專家學者、碩博士、工程師、企業家等），歡迎加入醫工學人社群。

------

創新產品動態

FDA 起草面向 AI 開發人員的指南

2025年1月6日，美國食品和藥物管理局(FDA)發布了指南草案，其中包括在設備的整個產品生命周期內支持安全有效的人工智能設備開發和營銷的建議。該指南如果最終確定，將是在整個產品生命周期中為支持AI的設備提供全面建議的第一個指南，為開發人員提供一組可訪問的注意事項，這些注意事項將設計、開發、維護和文檔建議聯系在一起，以幫助確保支持 AI 的設備的安全性和安全性。本指南補充了最近發布的關于支持 AI 的設備預定變更控制計劃的最終指南，該指南提供了有關如何在產品上市后主動規劃設備更新的建議。

臨床綜合

Nat. Med. | 無論多少，運動就好

研究表明，即使是少量的身體活動也對健康有益。1月6日，哈佛醫學院的研究人員在《Nature Medicine》上發表評論，現有的健康指南應更新以反映這一發現。當前指南建議成年人每周進行 150 分鐘中等強度或 75 分鐘高強度有氧運動，但近年來通過可穿戴設備收集的數據顯示，更小的運動量（如輕強度活動、短暫的高強度活動或每天 4000~5000 步）也能顯著降低死亡率和疾病風險。

https://doi.org/10.1038/s41591-024-03396-7

醫學人工智能

Comput. Sci. Rev. | 人工智能在心律失常檢測中的進展：全面概述

心血管疾病是全球范圍內導致過早死亡的主要原因之一，其早期診斷和精準分類對改善患者預后至關重要。1月3日，《Computer Science Review》刊發綜述，系統回顧了 AI 技術在心血管疾病診斷中的應用進展，重點探討了基于機器學習和深度學習的心律失常檢測方法，總結了現有研究的優勢、挑戰及未來發展方向。

https://doi.org/10.1016/j.cosrev.2024.100719

醫學成像技術

Crit. Care | 可視化血流動力學：麻醉與重癥監護中的創新圖形顯示與成像技術

心血管成像技術的進步顯著提升了麻醉和重癥監護領域的血流動力學監測能力，特別是在超聲設備和人工智能（AI）工具的推動下，臨床醫生能夠更快速、準確地評估患者的心臟功能和微循環狀態。1月3日，多國研究人員在《Critical Care》發表文章，系統探討了圖形化顯示、AI 輔助超聲技術、斑點追蹤超聲心動圖以及舌下微循環成像在血流動力學監測中的應用，強調了這些技術在簡化診斷流程、提高測量可重復性以及指導個體化治療中的潛力，為未來血流動力學監測的進一步發展提供了重要見解。

https://doi.org/10.1186/s13054-024-05239-w

康復（神經）工程

IEEE Trans. Neural Syst. Rehabil. Eng. | 神經系統刺激的生物物理模型有限元建模：多尺度自適應網格劃分的最佳實踐

有限元模型（FEM）在測試不同刺激參數的效果和探索電極設計方面非常有用，可以在進行體外和體內實驗之前進行驗證。1月3日，來自康塞普西翁大學的 L. Rodrigo Osorio 等人討論了用于模擬外周和中樞神經系統的有限元方法，重點考慮了網格劃分和計算限制。

https://doi.org/10.1109/TNSRE.2024.3525343

可穿戴技術

2024 ICM | 基于前額腦電特征提取的無線麻醉深度監測系統

清華大學電子工程系的 Yue Cao 等人提出了一種便攜式麻醉深度評估系統，該系統由無線 5 通道腦電信號采集設備和信號處理平臺組成。與 BIS 每分鐘一次的更新率相比，該系統實現了每分鐘兩次的更新頻率，實現了無線、實時且準確的麻醉深度監測。

https://doi.org/10.1109/ICM63406.2024.10815852

生物材料

Biomacromolecules | 自組裝壓電薄膜由對齊的溶菌酶蛋白原纖維制成

蛋白質基壓電材料因其生物相容性、可降解性和機械柔韌性在柔性電子和生物醫學領域具有廣闊的應用前景。然而，蛋白質的壓電機理及其與二級結構的關系仍不明確，限制了其應用開發。1月2日，來自新西蘭奧克蘭大學的研究團隊在《Biomacromolecules》發表研究文章，他們通過將溶菌酶轉化為淀粉樣纖維并制備成薄膜，研究了其壓電特性。研究發現，添加聚乙二醇（PEG）作為增塑劑可顯著提高薄膜的柔韌性和壓電性能，優化后的薄膜表現出 1.4 pC/N 的壓電系數，并通過多種表征手段揭示了纖維的圓周排列和 PEG 與纖維間的氫鍵相互作用，為開發基于蛋白質的自組裝壓電材料提供了新思路。

https://doi.org/10.1021/acs.biomac.4c01305

END

編輯| 羅虎

審核| 醫工學人理事會