分类： AI

来源：《自然》（Nature）

荷兰癌症研究所等团队通过结合大规模实验测量与深度学习，开发出轻量化AI模型PARM。该模型能够以前所未有的细节“阅读”非编码DNA中的调控指令，精准预测特定细胞类型（如肿瘤细胞）在不同刺激下（如药物处理）的基因开关状态。与现有大型模型相比，PARM计算需求降低千倍，使全球学者能便捷地解析癌症相关调控突变，为癌症诊断、患者分层及新疗法开发开辟了新途径。

来源：《The Conversation》

国际奥委会正积极在2026冬奥会等赛事中引入AI辅助评分系统，旨在提升评分一致性、透明度和公平性。然而，研究表明AI可能因过度精确、训练数据偏差而忽视艺术表现力与创新动作，甚至重塑运动的价值定义。同时，在行动体育等强调风格与风险的领域，AI难以量化文化内涵。因此，引入AI需在技术精度与体育精神、文化价值间取得平衡，避免技术侵蚀运动本质。

来源：《自然·计算科学》

麻省理工学院研究团队开发了一种名为DiffSyn的生成式AI模型，通过扩散算法学习超过2.3万种材料合成路径，可为特定目标材料（如沸石）推荐多种可行的合成方案，包括反应温度、时间与原料配比等。该模型能在1分钟内生成上千条合成路径，辅助科学家快速筛选。基于其建议，团队成功合成出一种具有更高热稳定性的新型沸石，突破了材料发现中合成实验的瓶颈。

来源： Nature Human Behavior

密歇根大学研究显示，生成式AI（如ChatGPT、Claude）通过分析个体的日常语言（如视频日记或自由表达），能预测其人格特质、关键行为和日常情绪，其准确性可媲美甚至超过亲近家人与朋友的判断。研究发现，AI的人格评分不仅与个体自评高度一致，还能预测其情绪状态、社交行为及心理健康诊断等现实生活指标。这揭示了人格特质在日常语言中自然流露，而AI为此提供了一种高效的分析新工具，但AI与人类判断的信号是否相同、是否存在群体差异等问题仍有待探究。

来源：《柳叶刀》（The Lancet）

瑞典隆德大学领衔的MASAI随机对照试验发现，AI辅助的乳腺钼靶筛查不仅能提高癌症检出率，还能显著降低间期癌（两次常规筛查间确诊的癌症）的发生。在超过10万名女性的两年随访中，AI辅助组的间期癌诊断率比标准双读组降低了12%，且侵袭性、大型及高侵袭亚型癌症的检出数量也分别减少了16%、21%和27%。AI系统通过风险分层，将低风险案例交由单名放射科医生判读，在保证筛查质量的同时减轻了44%的工作负荷。该研究为在乳腺癌筛查项目中推广经过验证的AI工具提供了有力证据。

来源：《物理评论快报》

维也纳理工大学等团队利用专门设计的神经网络，成功解决了量子场论在计算机晶格模拟中的长期难题：从数十万参数中自动寻找最优离散化方案，使其满足固定点方程，从而确保理论性质在粗细晶格下保持一致。该方法显著降低了模拟误差与计算负担，为粒子物理及宇宙早期物质行为等复杂问题的精确模拟开辟了新途径。

来源：《自然·生物医学工程》

德国癌症研究中心团队开发出“异种学习”方法，使AI能利用动物（猪、大鼠）高光谱影像数据中标注的病理变化模式，将其知识迁移至人类组织分析。该方法克服了物种间绝对组织特征的差异，无需依赖人类标注数据，即可识别血液循环障碍等病理状态，有望推动术中光谱成像技术更安全、精准地应用于临床。

来源：《自然·遗传学》

布罗德研究所团队基于扩散模型开发出AI工具DNA-Diffusion，能生成具有细胞类型特异性的合成顺式调控元件（CREs）。实验证实，该模型生成的序列在白血病细胞系中成功激活了抗癌基因AXIN2，其活性优于天然序列且具有细胞选择性。该技术有望与现有基因疗法结合，实现更精准的疾病治疗。