8.11
医工学人
The Innovators
1. npj Digit. Med. | 从care.data的失败中汲取合成数据的经验教训
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
在医疗领域，利用合成数据补充真实数据可提升AI模型的准确性和跨亚组的公平性。该文通过分析英国国民医疗服务体系（NHS）care.data平台的平行案例，探讨其失败原因，并为未来合成数据计划提出建议——以保密性、知情同意和透明度为核心，推动成功应用。
https://www.nature.com/articles/s41746-025-01928-0
临床综合
当前缺血性卒中的治疗集中于清除神经血管阻塞的血栓，却忽视了由此引发的神经炎症。针对脑内浸润的外周免疫细胞的临床试验未能改善预后，导致神经炎症的机制仍不明确。尽管许多研究分析了卒中后数天至数周脑内炎症细胞和细胞因子谱，但认为这些时间点的干预已为时过晚，无法有效限制脑损伤。该研究通过临床前小鼠模型，检测了缺血性卒中超急性期（3小时）和急性期（24小时）的脑免疫细胞组成、细胞因子水平及神经功能障碍。值得注意的是，在脑组织中检测到炎性细胞因子早在3小时即显著升高，远早于中性粒细胞和单核细胞在24小时的浸润。通过抗体或基因改造清除外周免疫细胞，既未减轻神经炎症，也未改善感觉运动功能。对Cx3cr1^(gfp/+)小鼠的活体成像显示，脑内常驻免疫细胞——小胶质细胞在卒中后超急性期迅速改变形态并加速细胞因子生成。综上，本研究证明小胶质细胞是早期神经炎症的关键驱动者，在临床相关时间点调控其功能将有助于卒中康复。
https://www.nature.com/articles/s42003-025-08636-1
医学人工智能
弥散加权MRI对缺血性卒中的诊断和管理至关重要，但图像和疾病表现的变异性限制了AI算法的泛化能力。该研究提出了DeepISLES，这是一种基于2022年缺血性卒中病灶分割挑战赛（由该研究团队组织）中顶尖参赛方案的鲁棒集成算法。通过结合领先研究团队最佳方法的优势，DeepISLES在检测和分割缺血性病灶方面表现出卓越的准确性，并能很好地适应多样性数据。在大型外部数据集（N=1685N=1685）上的验证证实了其鲁棒性，其Dice分数和F1分数分别比之前的最先进模型提高了7.4%和12.6%。该算法在提取临床生物标志物方面表现优异，并与临床卒中评分高度相关，接近专家水平。在类图灵测试中，神经放射科医师更倾向于选择DeepISLES的分割结果而非人工标注。该研究证明了DeepISLES的临床价值，并凸显了生物医学挑战赛在开发真实世界、可泛化AI工具中的重要性。DeepISLES已在https://github.com/ezequieldirosa/DeepIsles免费发布。
https://www.nature.com/articles/s41467-025-62373-x
医学成像技术
传统光学与超声脑成像技术受限于颅骨的强散射与衰减，长期面临低分辨率或需开颅手术的困境，针对这个问题，苏黎世大学、苏黎世联邦理工学院等的联合团队发表综述，系统分析了穿颅波传播难题，并指出定位显微技术与混合光声成像正推动非/微创多尺度脑成像发展。该文重点阐述了三大技术路径：超声定位显微镜（ULM） 利用微泡造影剂实现穿颅微血管超分辨成像（分辨率达20μm）；光学定位技术（如DOLI/LOT） 通过追踪稀疏荧光微粒或吸光粒子突破光学衍射极限；混合光声成像（OAT） 结合光吸收对比度与超声深穿透优势。针对颅骨畸变核心挑战，团队总结了虚拟开颅术、自适应波前校正等补偿策略，并通过临床前研究（小鼠全脑成像）与初步人体试验（经颞窗ULM脑血管成像）验证了技术潜力。
https://doi.org/10.1038/s41551-025-01433-5
可穿戴技术
对精准健康管理的需求日益增长，能够将每一寸皮肤作为一个体内网络进行差异化护理。现有的大多数可穿戴技术都将数据处理任务交给了云计算，这需要广泛的云计算能力和严重的带宽拥塞，以确保及时进行数据分析。因此，迫切需要开发一个身体护理网络，其中每个节点都可以作为一个完整的电路，能够执行一组组功能，不仅包括多种生理传感，还包括用于紧急识别、预警和身体管理的原位逻辑计算。在此，该研究团队提出了一种具有多层套印图案的智能光纤，由许多长0.3毫米的小单元组成，作为一维（1D）阵列的芯片状多阈值逻辑开关电路。通过光纤与墨滴之间的曲面软接触，开发了一种套印方法，可以将线宽为75μm的不同图层交错堆叠，实现沿一根长光纤批量生产电路单元。每米>3000个电路单元的高密度智能光纤可以编织成纤维型传感器，构建纺织型覆盖体网络，每个节点作为计算终端。
https://www.nature.com/articles/s41467-025-62648-3
生物材料
用富血小板血浆 （PRP） 治疗雄激素性脱发 （AGA） 前景广阔；然而，有效和舒适的交付仍然是一个挑战。直接注射会引起疼痛，PRP 掺入微针 （MN） 硬度低且溶解缓慢。为了解决这个问题，该研究提出了一种机器学习（ML）驱动的策略，其中涉及整合治疗物质的选择、正交实验设计、ML预测和Pareto前沿识别。通过仅实施基于正交实验设计的 18 个实验，这种 ML 辅助策略可以确定最佳材料成分，同时实现高硬度和快速溶解。利用这种最佳材料组成制备了MN，并通过多个方面证明了其生物学功能，包括30 d以上持续释放各种生长因子、90%以上的细菌抑制、活性氧清除以及促进二氢睾酮损伤的人真皮细胞的增殖。体内研究表明，通过激活Wnt/β-连环蛋白途径，AGA小鼠的毛发生显着再生，其效果优于米诺地尔。值得注意的是，这种方法消除了与使用合成材料相关的生物安全风险。开发的框架有望成为加速 MN 等生物材料临床转化的通用范式。
https://pubs.acs.org/doi/10.1021/acsnano.5c05505
END
内容 | 郝娅婷 张艳青
编辑 | 刘帅
审核 | 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
推荐阅读
点击关注医工学人
本篇文章来源于微信公众号: 医工学人
