类风湿性关节炎、克罗恩病和溃疡性结肠炎等炎症性疾病有着复杂的致病机理,患者即使长期坚持服药也往往仍然会感觉不适。
这些疾病之所以棘手,是因为它们在不同患者身上的表现和症状往往并不相同。事实上,即使在同一位患者身上,这些疾病也可能随时间推移而发生变化。
这些疾病会改变人体当中不同器官和各类细胞中的无数基因,通过遗传表达影响身体健康。面对如此多样且复杂的病症,诊断和治疗自然也成了摆在医护人员面前的重大难题。
有鉴于此,瑞典卡罗林斯学院的研究人员决定以新的方式做点前所未有的探索。
使用数字孪生研究炎症性疾病
研究人员们为每位患者的独特病况建立起了“数字孪生”,即与患者体征映射的数字模型。
这些模型在本质上是对患者个体的计算机模拟,能够帮助研究人员更好地理解具体病理表现。
通过研究这些模型,研究小组发现了一种潜在的解决方案:将疾病变化再进一步拆分成更多部分,即一个个“分子程序”(molecular programs)。
这些分子程序由一定数量的蛋白质控制,这些蛋白质的工作原理就像是人体中的开关。其中某些“开关蛋白”正是TNF抑制剂等药物的已知靶点。当然,这种治疗方法并不适合所有人。
新发现与未来的可能性
领导此项研究的小组成员Mikael Benson表示,“我们发现不同的患者往往拥有不同的开关蛋白。”
“另外,我们发现这些蛋白质并不是在简单地激发或阻断疾病。相反,它们的作用更像是相机上的可调节光圈,是在放大或缩小疾病的严重程度。”
换句话说,这些蛋白质并不能彻底消除疾病,但可以调整其症状烈度。
人体中的一切过程都可以用数学议程来描述,而通过分析成千上万个独立细胞中不同基因的活动,我们也许能够调整这些议程、适应不同患者的独特病况。
而一旦改变诊疗方法,例如改变用药课题,数字孪生模型则可帮助我们预测结果。
这项研究为治疗严重疾病开辟了新的可能性。Benson博士解释道,“我们可以开发出新的方法,为每位患者的开关蛋白设计正确的药物组合。”
“我们还将向其他研究人员提供项目成果,让他们以此为基础对患有其他免疫疾病的患者开展更多研究。”
在此项研究中,研究人员对患有类风湿性关节炎的小鼠模型,及患有各类炎症性疾病的人类患者的数字孪生进行了综合分析。
Benson博士指出,“我们发现,尽管小鼠只有关节部分发炎,但却在十种不同器官的不同细胞类型中,表现出成千上万的基因活性变化。”
“这是我们第一次如此全面地从器官角度出发,理解人体如何受到类风湿性关节炎的影响。”
这一发现,也标志着人类在理解和治疗复杂炎症性疾病方面迈出的重要一步。
有了这些知识,我们就能转向更加个性化的药物疗法,在提高疗效的同时更好地控制副作用。
这是个令人兴奋的发展方向,有望大大改善炎症性疾病患者们的生活质量。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。