醫工學人The Innovators

1.人類豬肝：FDA批準首次安全試驗；

2.Nature|肺部信號驅動癌癥相關血凝塊發現及評估；3.npj Digital Medicine|利用預訓練語言模型從癲癇評估報告中提取癲癇發作頻率;4.IEEE Trans. Med. Imaging|DistAL：一種用于病變檢測的可遷移特征學習域偏移主動學習框架;5.Nature Medicine|AI驅動的腦機接口能否提升人類智能？6.Nature Machine Intelligence|以人為本的可穿戴多模態視覺輔助系統設計和制造;7.Nat. Nanotechnol|用于細胞內凝聚物光電化學調節的金修飾納米多孔硅.

醫工簡報音頻內容已在喜馬拉雅、小宇宙等平臺上線，歡迎訂閱收聽~

行業動態

人類豬肝：美國監管機構批準首次安全試驗

美國食品藥品監督管理局 （FDA） 批準了首次測試轉基因豬肝是否可以安全用于治療器官衰竭患者的試驗。作為試驗的一部分，沒有資格接受人體器官的嚴重肝功能衰竭患者將暫時連接到外部豬肝，該肝臟將過濾他們的血液。

澳大利亞悉尼大學（University of Sydney）的移植外科醫生韋恩·霍桑（Wayne Hawthorne）說，這項試驗是異種移植領域（在人體中使用動物器官）以及患有嚴重肝衰竭（死亡率約為 50%）的人向前邁出的一大步。他補充說，這表明幾十年的研究是值得的。

https://www.nature.com/articles/d41586-025-01209-6

臨床綜合

Nature| 肺部信號驅動癌癥相關血凝塊發現及評估

血凝塊在血管內形成，阻礙血液流動，是癌癥患者的常見并發癥。無論癌癥的類型如何，血栓的形成（也稱為血栓形成）通常會導致死亡(1)(,)(2)，尤其是在疾病晚期，當癌癥已經擴散到遠處器官并形成新的腫瘤生長部位（稱為轉移）時。預防血栓的藥物可降低癌癥相關血栓和死亡的風險，但這些療法的給藥方式并未評估因預防血栓而導致凝血或出血過多的風險。Lucotti等人研究發現由肺部釋放的小細胞外囊泡 （sEV） 是與癌癥相關的促凝信號的來源。作者建議，基于血液的分子可用于預測誰是血栓的高風險，以及誰可以從及時的抗凝血藥物中受益。

https://www.nature.com/articles/d41586-025-01130-y

醫學人工智能

npj Digital Medicine| 利用預訓練語言模型從癲癇評估報告中提取癲癇發作頻率

癲癇發作頻率對于評估癲癇治療、確保患者安全和降低癲癇意外猝死的風險至關重要。由于這些信息經常在臨床敘述中描述，德克薩斯大學休斯頓健康科學中心的研究者們提出了一種從此類非結構化文本中提取結構化癲癇發作頻率細節的方法。該研究調查了兩項任務：（1） 提取描述癲癇發作頻率的短語，以及 （2） 提取癲癇發作頻率屬性。對于這兩項任務，微調了三個基于 BERT 的模型（bert-large-cased、biobert-large-cased 和 Bio_ClinicalBERT），以及三個生成式大型語言模型（GPT-4、GPT-3.5 Turbo 和 Llama-2-70b-hf）。最終的結構化輸出整合了這兩項任務的結果。GPT-4 在所有任務中均表現最佳，頻率短語提取的準確率、召回率和 F1 得分分別為 86.61%、85.04% 和 85.79%;癲癇發作頻率屬性提取為 90.23%、93.51% 和 91.84%;以及 86.64%、85.06% 和 85.82% 的最終結構化輸出。這些發現突出了微調生成模型在從有限文本字符串中提取任務的潛力。

https://www.nature.com/articles/s41746-025-01592-4

醫學成像技術

IEEE Trans. Med. Imaging| DistAL：一種用于病變檢測的可遷移特征學習域偏移主動學習框架

深度學習在醫學影像分析中已展現出卓越性能，但當應用于不同醫療中心的數據時，其有效性會因域偏移而顯著下降，病變檢測任務因病變多樣性及復雜性受影響尤甚。4月14日，香港中文大學白帆等人聯合阿里巴巴達摩院一同提出了一種結合主動學習與域不變特征學習的域偏移主動學習框架（DistAL）。該框架包括可遷移特征學習算法和混合樣本選擇策略RUDY：可遷移特征學習通過對比一致性訓練，學習判別性與域不變特征；RUDY策略綜合考慮代表性、不確定性和多樣性，先選取代表性樣本以應對域偏移，再選不確定樣本以提升類別可分性，最后通過K-means++初始化去除冗余以保證多樣性。實驗結果表明，DistAL僅標注目標域1.7%的樣本即可實現與全標簽訓練相當的性能，在來自不同醫院、成像協議、標注規范及病因的8個數據集上的5組實驗中均優于其他主動學習方法。

https://doi.org/10.1109/TMI.2025.3558861

康復（神經）工程

Nature Medicine| AI驅動的腦機接口能否提升人類智能？

腦機接口 （BCI） 從大腦收集信息并使用人工智能 （AI） 工具對其進行解釋，但最新的 BCI 正在通過可以訓練參與者大腦的 AI 系統來翻轉這種信息流。BCI 研究結合了神經生理學、計算神經科學、機器學習、理論神經生物學和神經外科。雙向 BCI （其中大部分仍處于臨床前研究階段）可以重塑人類思維并幫助協助完成復雜的腦力任務，但倫理和監管挑戰比比皆是。

BCI 生理學家 Aaron Batista 說，在某些特殊情況下，人工智能可能會重塑人類智能，包括需要認知幫助的患者，也可能適用于醫療保健從業者。“這些都是非常前沿的問題，”當被問及這項研究時，Batista 笑著說。“雙向接口的圣杯是刺激大腦以創造逼真的感知或在存儲新記憶的配置中驅動神經活動的東西。”

https://www.nature.com/articles/s41591-025-03641-7

可穿戴技術

Nature Machine Intelligence|以人為本的可穿戴多模態視覺輔助系統設計和制造

人工智能驅動的可穿戴電子系統為非侵入性視覺輔助提供了有前途的解決方案。然而，最先進的系統沒有充分考慮人類的適應，導致盲人的采用率很低。14日，上海交通大學的研究者們提出了一種以人為本的多模式可穿戴系統，該系統通過融合軟件和硬件創新來提高可用性。對于軟件，研究者們定制人工智能算法以匹配應用場景和人類行為的要求。在硬件方面，通過開發可拉伸的感覺運動人造皮膚來補充音頻反饋和視覺任務，從而提高耐磨性。自供電摩擦電動智能鞋墊將真實用戶與虛擬形象保持一致，支持在精心設計的場景中進行有效訓練。視覺、聽覺和觸覺的和諧結合使導航和導航后任務得到了顯著改進，人形機器人和虛擬和真實環境中的視覺障礙參與者都證明了這一點。實驗后調查突出了該系統的可靠功能和高可用性。這項研究為用戶友好的視覺輔助系統鋪平了道路，為提高視障人士的生活質量提供了替代途徑。

https://www.nature.com/articles/s42256-025-01018-6

生物材料

Nat. Nanotechnol| 用于細胞內凝聚物光電化學調節的金修飾納米多孔硅

金屬-半導體界面納米催化技術已在眾多領域獲得廣泛應用，但其在介導細胞應答中的作用仍屬未知領域。本研究通過揭示納米多孔硅基光催化劑在生理條件下實現水雙電子氧化生成過氧化氫的長期未明機制，填補了這一空白。通過精確調控胞外環境中光電化學法可控合成過氧化氫，實現了對細胞內應激顆粒形成的精細調控，從而顯著增強細胞在強氧化應激條件下的存活能力。該光電化學策略在離體嚙齒動物心肌缺血再灌注損傷模型中展現出顯著療效。實驗數據表明，采用溫和濃度的過氧化氫光電化學原位生成預處理方案，能有效緩解心肌缺血再灌注所致的心功能下降和心肌梗死。這些發現不僅為缺血性疾病管理提供了一種可行的無線治療干預策略，更凸顯了納米結構半導體催化器件在生物醫學領域的巨大應用潛力。

https://www.nature.com/articles/s41565-025-01878-4

END

內容|鄒海達 羅虎 張艷青 員蓉

編輯 | 黃丹青

審核 |劉帥 羅虎