蛋白质的三维结构由其氨基酸序列决定，而蛋白质的功能则高度依赖于其三维结构。蛋白质的侧链构象（side-chain conformations）在蛋白质折叠、蛋白质-蛋白质相互作用以及蛋白质设计（de novo protein design）中起着至关重要的作用。准确预测蛋白质侧链的构象是理解蛋白质折叠机制、设计新型蛋白质以及研究蛋白质相互作用的关键。然而，传统的基于物理的模型（physics-based modeling）依赖于经验评分函数（empirical scoring functions）、离散旋转库（discrete rotamer libraries）和马尔可夫链蒙特卡罗（MCMC）采样，这些方法往往由于搜索效率低下和评分函数的不准确性而难以达到理想的效果。 近年来，人工智能在蛋...
深度学习增强的金属有机框架电子皮肤在健康监测中的应用 学术背景 电子皮肤（e-skin）是一种能够感知生理和环境刺激的技术，模拟人类皮肤的功能。近年来，电子皮肤在机器人、运动科学和医疗健康监测等领域的应用潜力逐渐显现。然而，当前的电子皮肤技术面临着一些挑战：首先是多功能的实现，即如何在一个设备中同时检测多种生理信号（如生物分子、运动信号等）；其次是信号的区分问题，尤其是在同时检测多种刺激时，如何准确区分并识别不同的信号。 传统的多功能电子皮肤通常需要整合多种传感材料，这不仅增加了制造的复杂性，还可能导致设备性能不稳定。此外，现有的电子皮肤在信号的信噪比、灵敏度和稳定性方面也存在不足。因此，开发一种高性能、多功能且易于制造的电子皮肤成为了研究的焦点。 金属有机框架（Metal-Organic ...
基于离子动力学的汗液指纹识别技术：喷墨打印有机电化学晶体管阵列的研究 学术背景 汗液作为一种非侵入性的生物标志物，蕴含着丰富的生理信息，能够反映人体的健康状况，如水分平衡、疾病标志物等。然而，汗液成分复杂，包含多种离子和分子，传统的汗液监测设备通常依赖于具有特定生物识别元件（如离子选择性膜和酶）的传感器，这些传感器需要通过复杂的化学修饰来选择性结合特定的离子或分子。然而，这种复杂的化学修饰过程可能导致信号漂移和干扰，限制了其广泛应用。为了解决这一问题，研究者提出了一种基于离子动力学的汗液指纹识别策略，结合喷墨打印的有机电化学晶体管（Organic Electrochemical Transistor, OECT）阵列和人工智能算法，实现了对汗液成分的高效检测和分析。 论文来源 该研究由来自P...
引言 近年来，利用数值方法求解偏微分方程（Partial Differential Equations, PDEs）已在工程和医学等广泛学科中扮演了重要角色。这些方法在拓扑和设计优化以及临床预测中的应用已显示出显著成效。然而，由于在多种几何体上进行多次问题求解所需的计算成本非常高，导致这些方法在很多场景下变得无法负担。因此，开发能够在不同几何条件下提高PDE求解效率的方法，成为了近年科学机器学习领域的一个研究热点。 论文背景与来源 《A Scalable Framework for Learning the Geometry-Dependent Solution Operators of Partial Differential Equations》这篇文章由Minglang Yin、Nic...
大型语言模型在PET影像报告中的应用：一项结合检索增强生成模型的单中心试验研究 随着人工智能技术的迅猛发展，大型语言模型（Large Language Models, 以下简称LLM）的零样本学习能力和自然语言处理能力在医学领域引发了广泛关注。尽管LLM已经在某些医疗领域显示出改进效率和效果的潜力，但在核医学尤其是PET（正电子发射断层扫描）影像报告的应用尚属探索初期。这项研究由来自韩国首尔大学医院和首尔大学医学院的Hongyoon Choi博士及其团队完成，研究成果发表于《European Journal of Nuclear Medicine and Molecular Imaging》。 研究背景及问题陈述 PET影像在多种医学领域中应用广泛，其临床价值体现在疾病诊断、疾病分期以及疗效...
人工智能增强超快速PSMA-PET在前列腺癌分期中的应用 学术背景 前列腺癌是全球男性中最常见的癌症之一，准确的诊断和分期对于治疗决策至关重要。前列腺特异性膜抗原（PSMA）正电子发射断层扫描（PET）已成为前列腺癌患者的标准检查方法。然而，传统的PSMA-PET扫描时间较长，通常需要20分钟，这限制了患者的检查机会，尤其是在需求日益增长的情况下。为了缩短扫描时间，研究人员提出了超快速PSMA-PET扫描技术，但这种方法往往以图像质量下降为代价。为了解决这一问题，研究人员探索了人工智能（AI）技术在图像增强中的应用，以提高超快速PSMA-PET的图像质量和诊断准确性。 论文来源 这篇论文由David Kersting、Katarzyna Borys、René Hosch和Robert Sei...
基于深度神经网络的微导航显微手术系统——助力白内障手术精确性迈上新台阶 学术背景与研究问题 白内障是全球范围内导致失明的主要原因之一。如今，采用超声乳化术（phacoemulsification）结合人工晶状体植入（IOL）的手术方法已经成为治疗白内障的主要手段。这一方案不仅能够显著提高患者的视觉质量，还能有效降低手术并发症的发生率。然而，手术的效果高度依赖于其精细操作和眼球的空间定位与定向。手术过程中诸如角膜切口的位置、囊膜撕裂（capsulorhexis）的大小和位置、以及人工晶状体的角度对术后视觉恢复至关重要。 目前的眼科手术显微镜大多依赖于手术医生的经验和人工标记。这种方式面临众多挑战，尤其是在遇到复杂临床场景时，例如眼球旋转、视觉场景不完全、角膜畸变或外部遮挡等。此外，已有的商用显...
基于大语言模型探索基因集合功能发现：GPT-4的表现优异 学术背景 在功能基因组学（functional genomics）领域，基因集合富集分析（gene set enrichment analysis）是理解基因功能及其相关生物学过程的重要方法。然而，当前的富集分析主要依赖于文献整理的基因功能数据库，例如Gene Ontology (GO)等，这些数据库存在一定的局限性：数据不完整且更新速度有限。这导致了许多基因集合无法通过传统工具有效解析，这些未曾被明确标注的基因集合正是潜在产生重要生物学新见解的源泉。 在这种背景下，近年来生成式人工智能（generative artificial intelligence），尤其是诸如GPT-4的“大语言模型”（large language mode...
大型语言模型在放射学图像解读中的表现：与人类读者的比较研究 学术背景 近年来，大型语言模型（Large Language Models, LLMs）在多个领域展现了强大的能力，尤其是在自然语言处理方面。随着多模态LLMs的发展，这些模型不仅能够处理文本，还能够处理音频、视觉和视频等多种输入形式。代表性的多模态LLMs包括OpenAI的GPT-4 Turbo with Vision（GPT-4V）、Google DeepMind的Gemini 1.5 Pro以及Anthropic的Claude 3。这些模型在放射学领域的应用也逐渐增多，尤其是在生成和结构化放射学报告方面。然而，尽管LLMs在文本输入方面表现出色，其在解读放射学图像方面的能力仍然受到质疑。此前的研究表明，LLMs在基于患者病史和...
人工智能解释类型对医生诊断表现和信任的影响 学术背景 近年来，人工智能（Artificial Intelligence, AI）在医疗保健和放射学领域的诊断系统发展迅速，尤其是在辅助超负荷工作的医疗提供者方面，AI系统展现了改善患者护理的潜力。截至2022年，美国食品药品监督管理局（FDA）已批准了190个放射学AI软件程序，且批准率逐年上升。然而，AI从概念验证到实际临床应用的整合仍存在巨大鸿沟。为了弥合这一差距，培养对AI建议的适当信任至关重要。尽管高准确性的AI系统已在真实临床环境中证明了其提升医生诊断表现和患者结果的能力，但错误的AI建议可能会降低诊断表现，这无疑导致了AI在临床中的延迟应用。 医生们呼吁AI工具应具备透明性和可解释性。在医学影像领域，AI工具可以提供两类解释：局部解...