科学摘要

分类： AI

  •  生成式AI临床推理能力仍存短板，鉴别诊断表现不佳

    来源： 《JAMA Network Open》

    麻省总医院团队评估21种大语言模型在29个临床案例中的分步推理能力，发现模型在完整信息下最终诊断准确率超90%，但超80%的情况下无法生成合理的鉴别诊断清单。为此提出PrIME-LLM评分体系，综合评估诊断推理全流程。研究强调当前AI仍需“人类在环”监督，尚不适合无监督临床部署。

  •  AI自主设计生物实验，治理与安全措施滞后

    来源： The Conversation

    研究发现，AI已能通过自动化云实验室自主设计并运行数万项生物实验，大幅降低成本。但现行监管未能跟上其“双重用途”风险：AI可能被滥用于优化病毒传播、指导生物武器开发。尽管部分公司采取自愿安全措施，但政策空白仍存，需在防范风险与避免过度限制间取得平衡。

  •  利用不确定性微调AI模型，可生成更优分子结构

    来源： Molecular Systems Design & Engineering

    布鲁克海文实验室与得克萨斯农工大学团队在变分自编码器中引入不确定性量化，通过“主动子空间方法”识别对分子生成影响最大的参数区域进行微调，而非重新训练整个模型。该方法使AI在药物发现、材料设计等领域能生成比原始模型预测性能更佳的分子，将不确定性从障碍转化为优化设计的工具。

  • AI成功设计人工蛋白，实现皮质醇生物传感器突破

    来源： Nature Communications

    韩国科学技术院李圭列教授与David Baker教授合作，利用AI从零设计出能选择性识别特定化合物的人工蛋白，并开发出皮质醇生物传感器。该技术突破传统天然蛋白改造局限，可应用于疾病诊断、新药研发和环境监测，相关设计已申请美国临时专利。

  •  AI工具DefensePredictor快速发现数千种细菌抗病毒蛋白

    来源： Science

    MIT团队开发AI系统DefensePredictor，通过分析蛋白特征，在数千个细菌基因组中快速识别防御蛋白。测试显示，其在E. coli中预测的防御系统中近45%能有效抵抗噬菌体感染，并发现大量此前未知的免疫系统。该工具将数月的实验室工作缩短至数分钟，已向全球科研界开放。

  • 受魔方启发，物理学家用AI简化粒子物理复杂方程

    来源： arXiv（预印本）

    罗格斯大学物理学家David Shih受魔方还原逻辑启发，开发出一种AI方法，可将粒子物理学中极其冗长的方程简化。该方法将方程简化视为“打乱与还原”过程，简化率接近完美，远超此前基于机器学习的方法。研究全程与AI系统Claude协作完成，展示了AI辅助科研的新范式。

  • AI医疗聊天机器人实际辅助决策效果不佳

    来源：《The Conversation》

    研究发现，公众使用AI聊天机器人处理常见健康问题后，正确判断病情与就诊场所的能力并未提升，甚至低于未使用者。尽管模型本身具备医学知识，但人机沟通失败（信息遗漏、误解）导致效果下降。研究指出，AI更适合整理信息等辅助性工作，尚不能胜任诊断或导诊，临床判断仍需人类医生。

  •  AI分析文献图谱可预测未来研究热点

    来源： Nature Machine Intelligence

    研究结合大语言模型与机器学习，分析材料科学论文中的关键词共现关系，构建概念图谱并预测未来两三年内可能升温的研究组合（如“钙钛矿”与“太阳能电池”）。专家访谈证实部分AI建议具有创新性。该工具旨在辅助而非取代研究者，为跨学科合作和选题提供数据支持。

  • AI模型可凭单次血样检测多种神经退行性疾病

    来源：Nature Medicine

    瑞典隆德大学团队基于全球最大的神经疾病蛋白质数据库，开发出可同时诊断阿尔茨海默病、帕金森病等五种痴呆相关疾病的AI模型。该模型通过联合学习识别蛋白质模式，预测认知衰退能力优于临床诊断，为未来单次血检实现多病共诊奠定基础。

  • AI框架发现新型碳同素异形体，兼具超硬与奇异特性

    来源：Applied Physics Letters

    中国研究人员结合大语言模型CrystaLLM与物理验证框架，通过混合熵引导搜索，发现了多种新型稳定碳同素异形体。其中包含硬度超过金刚石的超硬相、负泊松比金属相及窄带隙半导体相。该方法大幅提升了新材料发现效率，可拓展至其他元素体系的功能材料设计。