医工简报 | 人工智能早期癌症检测：乳腺；用于步态识别的长期异常步态恢复

星标“医工学人”，第一时间获取医工交叉领域新闻动态~

8.1‍‍‍‍‍‍‍‍

医工学人

The Innovators

1. 人工智能早期癌症检测：乳腺

2. Signal transduction and targeted therapy | 癌症中的免疫逃避：机制和前沿治疗方法

3. Nat. Med. | 多模态人工智能与血糖调节正常、糖尿病前期和2型糖尿病人群血糖峰值的相关性

4. Med. Image Anal. | 用于3D低剂量和少视角心脏SPECT成像的通用扩散框架

5. Expert Systems with Applications | 用于步态识别的长期异常步态恢复

6. npj flexible electronics | 可调节模量且机械自适应的干式微针电极用于个性化电生理信号记录

医工简报音频内容已在喜马拉雅、小宇宙等平台上线，欢迎订阅收听~

行业动态

人工智能早期癌症检测：乳腺

7月30日，MedTech Dive 发布报道，一家医疗健康科技公司能够在早期发现时可以将乳腺癌治疗成功率提高高达 90%——Mamosis 是 Pera Soft 的健康科技衍生公司，正在通过专注于早期癌症检测的人工智能解决方案来应对这一挑战。Mamosis 相关产品只需 5 秒即可分析乳房 X 光检查图像以识别癌组织。其人工智能模块不断改进，目前准确率超过 90%，标志着医疗保健领域的真正转变——传统诊断可能需要数天时间。

https://www.medtechdive.com/press-release/20250730-early-cancer-detection-with-ai-mamosis-1/

临床综合

Signal transduction and targeted therapy | 癌症中的免疫逃避：机制和前沿治疗方法

免疫逃逸是肿瘤学中的一项重大挑战。它允许肿瘤逃避免疫监视和破坏，从而使治疗干预复杂化并导致患者预后不佳。7月31日，中南大学湘雅医院等研究团队发表一篇综述文章，该综述解决了了解癌症如何逃避免疫监测的迫切需求。它旨在通过检查肿瘤诱导的免疫抑制、免疫检查点调节以及遗传和表观遗传影响，全面概述肿瘤逃避免疫检测的策略。此外，它还探讨了肿瘤微环境（TME）在促进免疫抵抗中的动态作用，并强调了代谢重编程对免疫抑制的影响。此外，还重点关注肿瘤异质性如何影响免疫逃逸，并讨论当前免疫疗法的局限性。分析了关键信号通路的作用，包括程序性细胞死亡蛋白1/程序性细胞死亡配体1（PD-1/PD-L1）、细胞毒性T淋巴细胞相关抗原4（CTLA-4）、转化生长因子-β（TGF-β）、活化B细胞的核因子κ轻链增强子（NF-κB）和干扰素基因的环状GMP-AMP合酶刺激剂（cGAS-STING）的作用，以阐明它们对免疫逃逸的贡献。强调了免疫逃避的复杂性，强调了个性化方法和多组学数据整合对抗治疗耐药性的重要性。此外，它还讨论了新兴的治疗策略，例如双特异性抗体、溶瘤病毒和纳米技术驱动的免疫疗法，展示了癌症治疗的创新途径。这篇综述的意义在于它有可能指导免疫治疗的未来研究和创新，最终改善患者的预后并增进我们对癌症免疫学的理解。

https://www.nature.com/articles/s41392-025-02280-1

医学人工智能

Nat. Med. | 多模态人工智能与血糖调节正常、糖尿病前期和2型糖尿病人群血糖峰值的相关性

2 型糖尿病（T2D）是一种多方面的疾病，与多种因素相关，包括饮食、遗传、运动、睡眠和肠道微生物组。目前基于糖化血红蛋白（HbA1c）等偶发性检测的诊断和监测方法无法完全捕捉其复杂性。在美国 1,137 名参与者的前瞻性队列中，该研究团队分析了来自 347 名深度表型个体（174 名血糖正常、79 名糖尿病前期和 94 名 T2D）的多模态数据。发现不同糖尿病状态的葡萄糖峰值指标分布存在显着差异，T2D 中峰值消退的预期时间更长，夜间低血糖值更高。确定了平均血糖水平和肠道微生物组多样性之间以及峰值消退的预期时间与静息心率之间的显著相关性。该多模式血糖风险概况在来自独立队列的 1,955 名血糖正常个体和 114 名糖尿病前期个体中进行了验证，通过强调具有相同 HbA1c 值的个体之间的显着变异性来改善风险分层。这种多模式方法提供了详细的表型，可以潜在地改善 T2D 的预防、诊断和治疗，并且比 HbA1c 信息量更大。

https://www.nature.com/articles/s41591-025-03849-7

医学成像技术

Med. Image Anal. | 用于3D低剂量和少视角心脏SPECT成像的通用扩散框架

低剂量和少视角采集会显著影响心脏SPECT（单光子发射计算机断层扫描）的图像质量，而现有深度学习方法难以泛化至不同采集条件。7月31日，耶鲁大学与华盛顿大学研究团队提出DiffSPECT-3D框架，通过投影与图像双域一致性策略实现3D心脏SPECT的通用性重建。该模型创新性融合CT解剖信息，提出2.5D条件策略以全局观察3D图像体积，解决扩散模型内存限制问题；设计扩散后验采样（DPS）确保重建与低剂量/少视角数据一致，并嵌入MLEM迭代更新以匹配扫描几何参数。在795例患者的1325次临床SPECT-CT研究中验证，模型在1%-50%剂量和1-9视角条件下均能保持临床诊断性能，无需微调即可适应不同采集协议，同时可提升全剂量图像的降噪效果。

https://doi.org/10.1016/j.media.2025.103729

康复（神经）工程

Expert Systems with Applications | 用于步态识别的长期异常步态恢复

步态识别可以在没有被试主动配合的情况下通过远距离行走方式识别被试。步态容易受到不同干扰因素（如物体阻碍、行人遮挡等）的影响，导致步态样本异常。现有步态识别方法主要集中在设计更精细的深度步态识别网络上。恢复异常步态样本的研究仍然相当有限。现有步态遮挡恢复方法很难从语义上提供长期预测，因为在恢复过程中没有充分考虑步态周期特征。该研究提出了一个基于帧生成的长期异常步态恢复框架，包括三个模块：发现锚帧以进行生成引导的全局步态参考模块、预测运动信息的运动逼近模块和增强步态规律的帧细化模块。实验结果表明，所提出的三个模块都可以明显提高帧生成性能。所提出的整体异常步态恢复框架显着优于现有最先进的视频插帧方法，并使现有的深度步态识别模型在各种具有挑战性的步态数据集上实现了更高的识别精度。

https://www.sciencedirect.com/science/article/pii/S0957417425021827

可穿戴技术

npj flexible electronics | 可调节模量且机械自适应的干式微针电极用于个性化电生理信号记录

电极是电生理信号记录的基础，需要稳定的皮肤接触和低阻抗以实现高质量、长时间的信号采集。干式微针电极能够穿透角质层并避开毛发以确保稳固接触，但传统刚性设计缺乏组织贴合性，可能导致不适或损伤。该研究提出了一种基于PEDOT:PSS（一种导电高分子复合材料）和形状记忆聚合物的可调节模量、机械自适应的干式微针电极（MDME）。亚毫米级MDME可穿透皮肤屏障，并在体温激活后软化以匹配组织力学特性，从而最小化侵入性。该电极表现出低且稳定的界面阻抗，能够实现高质量的肌电图、心电图、脑电图和皮层电图记录。使用一个月后，其电生理信号均方根噪声仅增加6微伏，而传统Ag/AgCl凝胶电极的噪声增加了63微伏。脑电图信噪比达到8.12分贝，优于颅骨螺钉电极的7.26分贝。这项研究标志着MDME在电生理记录领域的显著进展，为其在个性化医疗和人机交互中的潜在应用开辟了新途径。

https://www.nature.com/articles/s41528-025-00458-9

END

内容 | 郝娅婷张艳青

编辑 | 吴苡齐

审核 | 刘帅罗虎

扫码添加医工学人负责人微信，进入综合及细分领域群聊（国内外医工交叉领域顶尖高校、科研院所、医院、企业等专家学者、硕博士、工程师、企业家等），参与线上线下交流活动