标签： AI

来源：《科学》

研究人员开发了一款名为DrugReflector的人工智能模型，该模型通过分析约9600种化学物质在50多种人类细胞中对基因活动的影响数据进行训练。验证显示，该模型在寻找能影响特定血细胞生成的化合物方面，效率比从化合物库中随机筛选的传统方法高出最多17倍，有望显著加速新药研发进程。

来源：美国眼科学会年会

伦敦大学学院研究团队在AAO年会上公布，经训练的AI程序在青光眼筛查中准确率达到88%-90%，显著高于人类专家（79%-81%）。该研究基于6,300余名参与者数据，AI通过分析视盘垂直杯盘比等结构性指标进行风险评估。研究者指出，AI结合遗传风险靶向等策略，有望突破传统筛查成本限制，实现青光眼的普惠性早期诊断。目前全球约11%人群面临青光眼风险，该技术为这一不可逆致盲疾病的防控提供了新方案。

来源：《细胞报告方法》

哥伦比亚大学团队开发出一款名为RESPAN的人工智能驱动软件，能够全自动识别、分割并量化神经元树突棘的形态特征（如体积、长度与表面积）。该工具在分析速度和准确性上均显著优于传统人工方法及现有软件，并可对活体动物神经元进行空间定位分析。作为开源工具，RESPAN无需编程基础即可操作，其广泛应用将有助于提升神经科学研究的一致性与可重复性，为阿尔茨海默病等神经退行性疾病的机制研究提供新路径。

来源：《天体物理学杂志》

中国云南天文台团队开发出双通道神经网络模型，通过结合天体形态特征和光谱能量分布，实现对恒星、星系和类星体的高精度分类。该系统在KiDS巡天数据测试中成功分类2700万个天体，准确率达99.7%，甚至纠正了以往星表中的错误分类。该技术解决了传统光谱分析效率低下的难题，为处理未来大规模巡天数据（如LSST）提供了高效工具，将助力稀有天体发现和宇宙结构研究。

来源：《科学数据》

研究团队利用超级计算机Bridges-2，开发了一款基于自然语言处理的开源AI工具，用于自动检测临床试验报告是否符合CONSORT与SPIRIT指南的83项报告标准。该模型通过分析200篇临床试验论文进行训练，在篇章整体符合度判断中F₁分数达0.865，能有效识别报告中的关键信息遗漏。未来该工具将向科研人员与期刊免费开放，帮助作者在投稿前自查、期刊在评审中把关，从而提升临床试验报告的透明度和科学性，最终惠及患者与医疗实践。