CoVET技术：打通神经元功能与结构的研究新突破 近日，韩国首尔国立大学团队在《Nature Communications》发表重磅成果，开发出CoVET（电压成像–冷冻电子断层扫描关联技术），成功破解神经科学与结构生物学长期存在的核心难题。 传统研究中，电生理/光学方法可观测神经元动态功能，冷冻电镜能解析超高分辨率结构，却无法在同一神经元上实现二者稳定对应。 CoVET技术通过精巧的实验流程实现了这一突破：先在特制电镜网格上培养神经元，用电压探针标记并经电场刺激，按电生理响应将神经元分为强响应、中度响应和不响应三类；15分钟内快速冷冻锁定功能状态，再通过多模态配准和定向切片，结合冷冻电子断层扫描解析分子结构。 实验证实，放电活跃的神经元不仅处于“解码状态”的核糖体比例更高，多聚核糖体排列也更紧凑，直接证明神经活动与蛋白质翻译的关联。 该技术具有功能关联精准、单细胞分辨率高、可复制性强等优势，虽目前存在模型单一、样本通量有限等局限，但未来有望结合多组学信息、扩展分析对象，为阿尔茨海默病等疾病的机制研究与药物筛选提供全新工具，推动神经科学研究迈入功能与结构精准对接的新阶段。

达特茅斯学院突破3D软性神经探针技术，脑机接口迈入立体采集时代 长期以来，神经科学领域受限于平面神经探针的“维度失配”难题，难以精准捕捉大脑三维神经回路的协调活动。 美国达特茅斯学院联合东北大学团队在《Nature Electronics》发表的突破性研究，通过“软电子器件确定性卷曲”（ROSE）技术，成功打造首个单片式3D软性神经探针，为脑机接口发展开辟新路径。 该技术核心是将柔性基底上的二维电子阵列，借助微型芯轴与PDMS间隔层，确定性卷曲为圆柱螺旋形3D探针。其优势显著：采用成熟平面工艺却突破二维限制，单片式结构提升完整性与可重复性；支持最高256通道高密度记录，可通过调整设计参数实现脑区定制化采集；柔性材料大幅降低组织损伤与免疫反应，保障五周长期稳定记录。 活体实验验证了其卓越性能，在啮齿动物与恒河猴模型中高效捕获单神经元放电信号，首次呈现三维时空脉冲图谱，视觉定向解码精度远超传统单平面探针。ROSE技术标志着神经接口进入立体采集时代，不仅为解析跨皮层深度的复杂神经回路提供关键工具，更将推动脑机接口、神经修复及相关脑疾病治疗的技术突破，助力高精度捕捉大脑三维活动的新时代到来。

可穿戴睡眠行为分析跨设备iRBD筛查研究 孤立性快速眼动睡眠行为障碍（iRBD）是α-突触核蛋白病重要临床前标志，但传统筛查依赖多导睡眠监测（vPSG），存在难度高、漏诊率高、成本高的问题。 近期西奈山-港中文联合团队发表于《npj Digital Medicine》的多中心研究，为iRBD筛查提供了新路径。 该研究聚焦“跨设备泛化”核心问题，覆盖纽约、牛津等4个国际中心，纳入Axivity AX6等三类不同分辨率设备，通过数据转换模型将各类设备信号统一映射到AX6标准，测试原模型直接迁移效果。 研究发现，睡眠行为特征具有跨设备一致性，各中心模型AUC维持在0.838-0.865；而昼夜节律（RAR）特征受环境、生活方式影响大，泛化能力弱。技术上，研究首次系统化验证了可穿戴信号跨设备映射，为行业建立统一标准提供了方法论。 临床层面，“可穿戴筛查+前驱症状评估”的两阶段策略，将特异度提升至95%以上，为临床资源紧张场景提供高效筛查路径。 该研究证实消费级可穿戴设备具备疾病级检测能力，揭示医疗级AI核心在于病理生理驱动的特征工程，推动可穿戴医学向标准化、临床落地迈进，为帕金森病等神经退行性疾病的早筛预警奠定基础。

柔性电子技术：仿生义肢的“第二层皮肤”突破 全球约5700万截肢者长期受困于传统仿生义肢的弊端——笨重硅基设备、复杂连线及需涂抹导电凝胶的湿电极，既不舒适也缺乏长期实用性。近日，荷兰埃因霍温理工大学团队在《npj Flexible Electronics》发表的研究，带来了首个完全柔性、可穿戴的肌电控制前端系统，为“即贴即用”仿生四肢铺平道路。该技术核心突破在于利用非晶铟镓锌氧化物薄膜晶体管，通过创新电路架构打破“柔性与高性能”的悖论：时分复用模拟前端大幅减少布线，为高密度传感器集成奠定基础；“预充电”技术将50Hz下的输入阻抗提升至841MΩ，“自动归零”技术实现22µVrms的极低噪声，媲美刚性硅基芯片。 其临床价值显著：兼容干电极，告别导电凝胶带来的皮肤过敏与失效问题；30微米厚的柔性电路可紧随肌肉形变，从源头抑制运动伪影；闭环控制系统测试中，关节角度预测误差约20度，虽略逊于台式设备，但低功耗（每通道55.3µW）、可穿戴的优势使其能满足基本意图识别与控制。 目前系统虽为“混合集成”（后端依赖刚性芯片），且精度仍需提升以实现更灵巧控制，但时分复用架构支持扩展数百个通道。这项技术并非取代硅芯片，而是将电子触角延伸至皮肤表面，为隐形、干燥、智能的下一代仿生义肢提供了极具潜力的范本。

深度学习+可穿戴设备：提前17小时预判住院患者病情恶化 传统医院普通病房中，护士每4-8小时间断测量生命体征的“快照式”监测存在致命盲点，易错失病情恶化干预窗口，导致ICU转入率和死亡率升高。 近期发表于《Nature Communications》的研究，为解决这一痛点带来突破。美国诺斯韦尔健康中心与范斯坦医学研究院团队，研发出基于循环神经网络（RNN）的深度学习模型。 该模型通过临床级可穿戴设备收集连续生命体征数据，结合人口统计学信息，以“MEWS评分>6”为训练标签，可预测患者未来24小时内病情恶化风险。研究证实，连续监测优势显著：在888名非ICU患者中，其检测的临床警报数量是传统电子健康记录（EHR）的9倍，警报发出平均提前105分钟，核心得益于对呼吸频率、心率的精准捕捉。模型经三阶段验证表现优异，回顾性、前瞻性及外部设备验证的AUROC分别达0.89、0.90和0.84，泛化能力强，不依赖特定设备。 更值得关注的是，该模型对ICU转运、心脏骤停等“硬终点”事件总体预测准确率达81.8%，远超传统MEWS评分系统，且中位提前预测时间长达17小时。 这项研究标志着病房监护从“被动响应”向“主动预测”转型，为临床医生提供充裕干预时间，对提升患者安全、降低医疗成本意义重大，有望重塑非重症监护病房护理标准。

从“数据悖论”到“全数据”：AI 集成诊断框架 SSL-MISS-Net 的科学校准 自2021年世界卫生组织中枢神经系统肿瘤分类（WHO CNS5）确立后，胶质瘤诊断进入“集成诊断”时代，需结合组织病理学与IDH突变等分子特征，但临床数据存在“双重不完善性”——成像序列（T1对比增强、T2-FLAIR）随机缺失、分子标注不完整，传统AI因“完整数据假设”弃用大量样本，数据利用率低下。 为此，发表于《自然》旗下npj precision oncology的SSL-MISS-Net框架提供解决方案：通过跨模态自监督学习（SSL）应对影像缺失，以动态全掩码策略重构缺失模态特征；借缺失标签协同优化策略（MISS）解决标注问题，结合图卷积网络挖掘标签生物学依赖。 该框架将可用数据量从629例扩展至2238例（提升约256%），在多中心队列中，内部测试集准确率较次优方法提升10%，对胶质母细胞瘤（GBM）诊断准确率达93%，且分类平衡性优异。其可融入现有临床流程，提供实时术前预测，助力术中决策与靶向治疗筛选，未来需向端到端模型发展，提升公平性与可信度，为神经肿瘤AI临床转化奠定关键基础。

人类再生研究新突破：从生物电到“活体机器人” 这份内容聚焦Michael Levin实验室在人类再生领域的探索，展现生物电技术从理论到应用的跨越。Levin教授不同于多数科学家深耕基因“硬件”编辑，而是专注破解生命“软件”——生物电，提出DNA是细胞零部件清单，生物电代码才指导器官与肢体构建的核心理论。 研究始于涡虫：这类生物断体可再生，团队通过药物改变其受伤断面电压梯度，造出再生仍为双头的永久“双头涡虫”，证实形态发生场本质是生物电场，改写电信号可改变生物解剖结构。 2025年实验室迎来三大突破：用成人气管细胞自组装成“Anthrobots”人类活体机器人，未来用于人体治疗无免疫排斥；为生物电指导细胞排列提供物理学证据，掌握预测控制组织生长的“物理方程”；引入AI，借大语言模型辅助发现生物电模式与设计干预方案。 这些成果推动医学向“信息医学”转型，为癌症、出生缺陷治疗提供更安全可逆的方案，也让“自体活体药物”修复损伤、实现肢体再生的梦想更近一步。

当AI读懂肌肉“语言”——斯坦福简化可穿戴设备如何重塑人机交互？ 本期节目聚焦2025年12月发表于《Nature Sensors》的重磅研究：斯坦福大学团队研发的生成式肌电网络可穿戴设备，破解了神经工程领域的核心难题。传统肌电（EMG）设备常受限于多通道笨重、个体信号差异大、功能单一的问题，难以走进日常生活。 而这款新设备实现三重突破：硬件上，仅用6通道、4.5cm²的腕带设计，颠覆传统高密度设备形态；算法上，依托GenENet生成式AI，通过自监督学习减少校准依赖，20分钟无标记数据即可训练；功能上，首次集成精细手势识别（手语翻译准确率93.6%）与宏观步态预测（力预测相对均方根误差6.21%）。 从医疗领域的智能假肢、中风康复反馈，到消费电子的无按钮AR/VR交互，它让“读懂肌肉意图”的门槛大幅降低。 我们将拆解技术原理，探讨其如何跨越软硬件鸿沟，以及未来多模态传感融合的可能，看这场“肌肉-AI-设备”的结合，如何推动人机交互走向无缝直观的新未来。

小鼠 “电子背包”：心电监测技术新突破 在生物医学研究中，小鼠心电数据是破解人类心血管疾病的关键，但传统监测方式存诸多弊端 —— 针电极需麻醉束缚致数据应激干扰，植入手术则有创伤与感染风险。近日，山东科技大学与青岛大学附属妇女儿童医院团队在《Microsystems & Nanoengineering》发表新成果，推出非侵入式柔性可穿戴心电监测系统，为小鼠打造 “电子背包” 与 “隐形衣”，实现其清醒自由活动时的蓝牙实时高质量心电传输。 该系统核心是 “电子皮肤” 与 “软体系统” 双创新：“蛇形岛桥” 电极用磁控溅射、光刻工艺制成，40% 拉伸下仍导电稳定，借水溶性 PVA 层纹身式贴合小鼠皮肤；柔性 PCB 背包集成芯片与蓝牙模块，总重轻且仅 3mW 功耗，单次充电支持 5 天连续监测。对比传统针电极，其信噪比高 7.7dB、信号幅度提升 12.45%，抗干扰恢复更快，还能精准捕捉心肌梗死小鼠的病理心电特征。 该技术让小鼠应激水平回归正常，保障数据真实性，同时降低操作门槛，为高通量药物筛选铺路，填补亚急性病理监测空白，不过目前多导联与 AI 自动化分析仍待突破，其潜力有望推动心脏医学发展。

多模态乳腺癌AI框架研究简介 上海科技大学沈定刚教授团队联合香港城市大学、云南省肿瘤医院及联影智能，在《Nature Biomedical Engineering》发表研究，提出基于深度学习的HER2多模态对齐与预测（MAP）模型，革新乳腺癌HER2状态评估方式。 传统HER2检测依赖穿刺活检与组织染色，存在创伤性且易受肿瘤内异质性影响，评估准确性受限。该研究构建跨影像模态融合分析框架，整合4个中心6991例病例的14472张MRI、超声、钼靶影像，让AI通过模态对齐学习（类似CLIP对齐图像与文字的思路），从多模态影像中“解读”HER2分子信息，实现无创评估。 结果显示，MAP模型预测HER2状态的AUROC在内部集（Center A-1）达0.871、外部集（Center B-1）达0.806，结合临床资料后疗效预测AUROC最高达0.858，性能优于传统活检。该研究为医生提供精准决策工具，推动乳腺肿瘤AI从“辅助诊断”迈向“生物标志物级预测”，但仍需解决可解释性、跨人群泛化及监管验证等问题，以更好落地临床。

超声波驱动可编程软体机器人：开启医疗新可能 发表于《Nature》的一项研究中，瑞士苏黎世联邦理工学院团队攻克软体机器人无线控制难题，研发出超声波驱动的可编程人工肌肉。 该肌肉由柔性薄膜上的数万个微气泡构成，轻量且反应迅速，为微型医疗机器人发展提供关键突破。传统无线技术难适用于体内机器人：光无法穿透组织，强磁场依赖大型设备，化学燃料存毒性。 团队转而利用临床常用的超声波，通过微气泡“放大”声能——微气泡受超声激发共振，将声能转化为机械推力。其核心创新在于“频率编程”：不同尺寸微气泡对应特定共振频率，切换超声频率可精准激活目标区域气泡，实现肌肉定向弯曲；扫频超声更能驱动肌肉完成流畅波浪运动。该技术已展现多元潜力：仿生抓手以百毫秒级速度轻柔捕获活鱼，肌肉薄膜可驱动杏仁旋转、让草叶“自主”弯曲，厘米级仿生黄貂鱼能在水中游动。 更具价值的是医学应用——折叠后装入可食用胶囊的机器人，可在离体猪胃、肠内实现自主导航，预示“可吞咽机器人医生”时代加速临近。虽存气泡稳定性、超声衰减等问题，但该设计为微创手术设备等开辟了新路径。

斯坦福大学使用集成监控模型对颅内出血检测AI实时评估 FDA指南强调医疗AI需“总生命周期管理”，但黑箱属性使实时监测成难题。斯坦福大学团队提出集成监控模型（EMM），为颅内出血（ICH）检测AI构建实时信任层。EMM借鉴多专家会诊机制，由5个不同架构子模型组成，无需访问黑箱AI内部组件，通过比对子模型与原发AI的输出一致性量化置信度。 在2919个研究的数据集上验证显示，其可将AI预测分为“增高、相似、降低”三类置信度，高置信度病例帮医生减负，低置信度则精准定位模糊病例。低患病率场景中，EMM使ICH阳性预测相对准确率提升38.57%，但存在“共识幻觉”等局限——4%的完全一致病例实则预测错误。研究还明确EMM优化方向，如结合合成数据、大型语言模型（LLMs）克服数据依赖。 作为医疗AI质量管理核心工具，EMM既响应FDA及欧盟AI法案监管要求，又优化放射科工作流，推动人机协同迈向实用化。

首个全音节中文语音脑机接口解码技术重磅突破 近日，复旦大学附属华山医院、上海科技大学与脑虎科技联合团队在《Science Advances》发表重磅研究，成功研发首个能实时解码中文全音节的脑机接口系统，攻克中文作为声调语言的解码难题。不同于英语等拼音文字，中文单音节语素特性显著、同音字密度高，声调直接决定语义，容错率极低，传统音素解码模型难以适配。 该系统创新采用256通道柔性高密度电极，捕捉精细神经放电模式；通过“音节流+声调流”双流解码架构，精准识别394个普通话基本音节及四个声调，实现全谱系覆盖。临床实测中，系统在43岁癫痫患者身上表现亮眼：仅靠神经信号，音节与声调识别准确率分别达71.2%和69.1%，结合语言模型后实时句子准确率提升至73.1%，通信速度达49.7字符/分钟，接近正常手写速度。 患者可通过意念驱动数字人发声、与大模型对话、控制机械臂，构建完整交互生态。这项研究打破“以英语为中心”的BCI设计范式，为全球数十亿声调语言使用者提供新方案，对渐冻症等闭锁综合征患者的日常沟通具有重要临床价值，同时为跨语言通用脑机接口研发奠定基础。 目前研究仍需扩大样本验证，未来将向无线化、长期植入方向推进。

OpenFold3：开源蛋白质结构预测的新突破 据Nature News独家报道，加州大学伯克利分校等高校组成牵头的OpenFold联盟，于10月底在GitHub以MIT许可证放出发布OpenFold3预览版。作为全球首个非商业、公开代码与权重的蛋白质-小分子/核酸复合体结构预测模型，它这款非商业工具打破了行业封闭格局，目标直指壁垒，明确以比肩DeepMind的AlphaFold3为目标。 与相较于需排队等待官方服务器的AlphaFold3不同，OpenFold3支持学术机构与药企本地部署，且允许商用、及修改，填补了开源赛道的关键空白。内部测试显示，其对蛋白质-配体复合体的预测准确精度已接近AlphaFold3，不过仍但团队强调需更多外部盲测验证，团队目前正全球征集未公开结构以推进助力模型迭代。 当前，算力与数据是其主要挑战：复刻AlphaFold3需数百万GPU小时经费，而且复合体结构实验结构数据远少于纯蛋白。对此，开发者计划以“社区众筹”汇聚模式，鼓励药企匿名贡献的结构数据已解析结构。在同类竞争中，OpenFold3凭借其MIT许可证的商业放行优势，显著区别于RoseTTAFold-All-Atom等仅限学术使用的模型。据悉，正式版权重与训练脚本预计2025年夏季公开，同步发布同行评议论文。

柔性超声换能器新突破：精准抗炎治疗的可穿戴医疗革命 可穿戴超声技术为医疗诊断与治疗带来革新，但传统柔性超声换能器长期面临声学性能与曲率控制的核心矛盾，声束漂移、量产困难等问题限制了临床应用。 韩国科学技术院团队在《npj flexible electronics》发表的研究，通过柔性-刚性（FTR）结构设计与低熔点金属合金（LMPA）技术，成功研发出静态可调曲率的柔性超声换能器阵列，破解了这一行业痛点。 该技术创新性采用“刚性岛屿-弹性桥接”结构，将高声学性能的CMUT元件嵌入柔性弹性体，通过晶圆级微制造实现规模化生产。LMPA的引入实现了曲率的精准调控与锁定，加热液化塑形后冷却固化，可稳定保持超声束聚焦方向，无需复杂电子赋形即可实现物理聚焦，声压提升1.6倍、轴向分辨率提高五倍。性能测试显示，该器件兼具优异的电学稳定性与机械耐久性，100次弯曲循环后性能几乎无衰减，声学输出达到治疗级标准。 在类风湿关节炎小鼠模型中，通过超声刺激脾脏激活胆碱能抗炎通路，显著减轻关节肿胀并改善步态功能，验证了其抗炎治疗潜力。 这项技术既保留了CMUT的量产优势，又解决了柔性器件的精准聚焦难题，为慢性炎症疾病的家庭化、非侵入性治疗提供了新方案，未来有望结合2D阵列与AI闭环系统，推动可穿戴诊疗一体化设备的革新。