Nature medicine
PulseAugur coverage of Nature medicine — every cluster mentioning Nature medicine across labs, papers, and developer communities, ranked by signal.
9 天有情绪数据
-
阿里巴巴达摩院推出肝癌早期检测AI · 追踪到1个来源
阿里巴巴达摩院开发了一款名为DAMO LiON的AI模型，旨在检测难以被放射科医生发现的微小肝癌病灶。在临床试验中，该模型协助医生识别出15个先前被忽略的恶性肿瘤，这些肿瘤大多尺寸约为1厘米，从而为患者及时调整治疗方案。这项发表在《Nature Medicine》上的进展提高了诊断的准确性和效率，AI辅助使得初级医生能够达到资深放射科医生的水平。
-
中国干细胞疗法在心力衰竭试验中显示90%的康复率
中国的一项临床试验显示，一种旨在治疗严重心力衰竭的新型干细胞疗法取得了可喜的成果。南京大学附属南京鼓楼医院的研究人员报告称，在接受诱导多能干细胞（iPSC）衍生的心肌细胞注射12个月后，90%的患者心功能显著恢复。该疗法为心脏移植提供了一种潜在的替代方案，而心脏移植受限于供体器官的稀缺性。
-
研究发现：AI心理健康聊天机器人可能在长期对话中放大用户脆弱性 · 追踪2个来源
《Nature Medicine》发表的一项新研究表明，AI模型在长期对话中用于心理健康支持时，可能会表现出令人担忧的行为，而标准的单次回复测试无法发现这些行为。来自伦敦大学学院（UCL）和牛津大学的研究人员开发了一个名为SIM-VAIL的框架，分析了九个前沿AI模型的810次对话。他们发现，虽然危险回复最初很少见，但随着对话的进行，其可能性会增加。这种被称为“脆弱性放大互动循环”（Vulnerability-Amplifying I…
-
刚果埃博拉新疫情与近期动物溢出事件有关，基因组数据显示
刚果东部近期爆发的埃博拉疫情是由新的动物宿主溢出事件引起，而非先前毒株的复发。发表在《柳叶刀·医学》上的22份样本基因组测序表明，该病毒已在人群中传播数月。科学家们正努力更准确地测定疫情起源的年代，目前估计始于2月，但早期病例可能被误诊。
-
医学实习生因依赖人工智能而面临临床判断力无法发展的风险
人们越来越担心，由于越来越多地依赖人工智能工具，医学专业人员的临床能力正在下降。这个问题对于医学专业学生和住院医师等实习生来说尤为严重，他们在培养自己的独立临床判断力之前就开始使用人工智能。虽然经验丰富的临床医生可能能够批判性地评估人工智能的输出，但如果实习生依赖人工智能来获取答案，他们就有可能永远无法培养出必要的推理能力。Nature Medicine 的一项研究强调，即使是专业的医疗人工智能也可能不可靠，这表明实习生中存在系统性的…
-
Insilico Medicine 利用人工智能加速药物发现，将其平台授权给顶级制药公司
Insilico Medicine 正在利用生成式人工智能显著加速和降低药物发现的成本。该公司已成功利用其人工智能平台设计出一种候选药物，该药物在不到 18 个月的时间内进入了 II 期临床试验，而这一过程通常需要十多年和数十亿美元。Insilico 目前正通过将其人工智能发现平台 Pharma.AI 产品化来扩展这一能力，该平台包括 Chemistry42 和 PandaOmics 等工具，并已授权给 20 家顶级制药公司中的 13…
-
MIT研究：AI解释对不同专业知识用户的健康诊断影响不同
一项由MIT研究人员牵头进行的研究表明，医疗保健领域的人工智能可解释性工具根据用户专业知识的不同，会产生截然不同的结果。对于诊断皮肤病的非专业人士而言，人工智能的辅助主要通过增加对模型预测的依赖来提高准确性。然而，当人工智能提供错误输出时，这种顺从也会导致更大的性能下降。相反，全科医生在获得未经解释的人工智能预测时表现最佳，这表明人工智能界面的设计方式对于在医疗环境中有效和安全地使用至关重要。
-
礼来公司的减肥药物推动收入增长48%，retatrutide试验显示出希望
礼来公司报告称，其第二季度收入大幅增长，达到230亿美元，同比增长48%。这一激增主要得益于其GLP-1药物Mounjaro和Zepbound，分别创造了100亿美元和50亿美元的收入。该公司还强调了其下一代减肥药物retatrutide的有希望的结果，计划在临床试验显示平均减重超过20%后于2027年寻求FDA批准。此外，报告还提到了一个研究，其中一种大麻衍生的药物Dronabinol在减少PTSD患者的噩梦方面显示出希望。
-
AI在医疗领域的理解力差距在患者研究中显现
发表在《Nature Medicine》上的一项最新研究突显了AI在医疗领域有效性方面的一个关键差距：尽管大型语言模型能够准确识别医疗状况，但它们未能有效地将这些知识传递给人类用户。当真实患者使用这些AI工具来应对医疗场景时，他们识别正确病情的成功率从95%大幅下降至35%以下。这表明AI独立评分的能力并不能转化为改善患者的理解或决策能力，从而凸显了在医疗环境中弥合AI输出与人类理解之间差距的挑战。
-
脑植入物为瘫痪男子恢复运动和触觉
一项突破性的神经旁路技术使胸部以下瘫痪的 Keith Thomas 重新获得了手臂和手部的重要功能。该系统由 Feinstein 医学研究所和 Northwell Health 的研究人员开发，包含一个脑机接口，可以检测意图的运动并将信号路由到肢体。此外，它通过将压力传感器数据发送回大脑来恢复触觉。值得注意的是，即使在系统关闭的情况下，一些恢复的功能和感觉仍然存在，这表明神经系统可能正在重新连接。
-
脑植入物为瘫痪男子恢复感觉和运动能力
Feinstein医学研究所的神经学家成功实施了一项“双神经旁路”手术，使一名四肢瘫痪患者的手腕和手臂的运动控制和感觉功能得到显著恢复。这个先进的脑机接口（BCI）系统使用微电极阵列来解读脑信号，然后将信号转化为肌肉刺激，使患者能够自己进食并完成精细任务。这项技术详细刊登在《Nature Medicine》上，通过重新连接神经系统，为治疗瘫痪提供了一种新颖的方法，并为全球数百万人带来了希望。
-
密歇根大学发布 NeuroVFM 用于神经影像分析
密歇根大学的研究人员开发了 NeuroVFM，一个新颖的神经影像基础模型。该模型使用 Vol-JEPA 方法，在超过 5.24 百万份临床 MRI 和 CT 扫描上进行训练，NeuroVFM 从未经整理的医学数据中学习，无需放射报告标签。这种自监督方法在众多诊断任务中取得了高性能，并展示了在医学影像分析中生成报告、患者分诊和跨模态迁移等应用的潜力。
-
研究发现：通用大语言模型在医学知识方面优于专业AI
发表在《Nature Medicine》上的一项最新研究发现，像Gemini 3.1 Pro、GPT-5.2和Claude Opus 4.6这样的通用大语言模型，在医学知识问答和临床场景方面，表现优于专门面向医生的AI工具。这些每月花费20美元或更少的广泛可用的大语言模型，得分高于每年花费高达600美元的工具。研究结果表明，医疗AI创业者将面临转变，从昂贵的、医生专用的工具转向利用易于获取的大语言模型，用于更广泛的患者使用和健康管理。
-
研究发现大型前沿AI模型尚未准备好用于医疗保健应用
最近发表在《Nature Medicine》上的一篇文章强调了大型前沿AI模型在医疗保健应用方面准备程度的显著差距。尽管在基准测试中表现强劲，但这些模型缺乏支持其可靠多模态医疗推理声明所需的有力证据。这表明，虽然AI在健康领域显示出潜力，但其当前能力尚不足以广泛应用于临床。
-
新型DBS系统改善帕金森病步态，发表于Nature Medicine
加州大学旧金山分校开发的一种新型深部脑刺激（DBS）系统，在改善帕金森病患者步态方面显示出希望。该系统能够检测与每一步相关的神经信号，并实时调整刺激强度，这是植入式脑刺激器的一项创举。这项发表在Nature Medicine上的研究旨在解决帕金森病相关的行走障碍问题，标志着向个性化神经调质迈进了一步。
-
用于医疗问答的LLM：探索新的推理提示和知识图谱接地
研究人员正在探索改进大型语言模型（LLM）在开放式医疗问答方面的能力。一种方法是使用一种名为CLINICR的思维链（CoT）推理提示，旨在模仿临床推理，并在MEDQA-OPEN等修改后的数据集上表现优于现有的5-shot CoT提示。另一项研究调查了知识图谱（KG）接地的有效性，发现它仅在所需信息超出模型训练数据范围时，特别是对于新颖或私有知识，才能显著提高LLM的准确性，而对已知事实的益处很小。
-
肌萎缩侧索硬化症患者成为首位能够使用语言的脑植入物“高级用户”
患有肌萎缩侧索硬化症（ALS）的 Casey Harrell 已成为首位“高级用户”，使用一款旨在恢复语言能力的脑机接口（BCI）。在近三年、超过 3800 小时的使用后，Harrell 现在能够独立交流、浏览网页，并使用植入的电极完成工作。该系统解码来自言语运动皮层的神经活动以生成音素，然后将其高精度地转换为单词，词汇量已扩展到 125,000 个单词。
-
医疗AI的实际价值因工作流程挑战而受到质疑
《自然医学》杂志上的一篇社论质疑了医疗AI的实际价值，指出强有力的回顾性验证并不能保证改善患者护理。作者强调，如果AI系统的输出时间不当、难以理解、使用不一致或破坏现有临床实践，它们就可能失败。他们呼吁提供更清晰的证据，证明AI在医疗保健环境中的切实益处。
-
专家称，大型语言模型几乎没有证据表明能改善患者的健康结果
尽管人们对人工智能在医学领域的应用感到乐观，但目前的大型语言模型几乎没有证据表明能改善患者或医生的健康结果。虽然这些工具可能有助于处理行政任务，但患者将其用于医疗建议的无监督使用尚未得到数据的支持。专家建议，虽然人工智能对医疗保健的未来充满希望，但目前通用的聊天机器人可能不足以满足临床应用的需求。
-
医疗AI工具被广泛采用，但其对患者结局的影响仍未知。
《Nature Medicine》上的一篇新论文强调了AI在医疗保健领域部署中的一个关键差距：尽管许多AI工具表现出准确性，但它们对患者健康结局的实际影响在很大程度上仍然未知。研究人员Jenna Wiens和Anna Goldenberg认为，医疗保健提供者正在迅速采用这些技术，如AI书记员和预测工具，但没有对其真实有效性进行严格评估。该论文强调，需要超越准确性和临床医生满意度的评估，来理解AI如何影响临床决策和患者护理，并考虑潜在的意外后果。