血液测试在阿尔茨海默病早期诊断中准确率高达91%
帕金森病患者中前额叶皮层刺激增强奖励选择
培养皿中的帕金森病模型
破解卷积神经网络中的文字识别神经编码
为什么运动可以减缓抑郁症？
帕金森病患者中遗传变异的普遍性比之前认为的更高
█行业动态
达芬奇机器人能自主执行外科手术
Google推出Gemini1.5Flash聊天机器人
微软Azure推出Phi-3无服务器微调
字节跳动推出高质量实时语音翻译系统CLASI
摩根士丹利与OpenAI合作推出第二个生成式AI应用
新阿尔茨海默病药物遭欧洲药品监管机构拒绝
█研发动态
皮层植入物不太可能“超越正常人类视力”
神经元群簇的平衡促进了大脑的动作决策
解码狗狗的大脑活动：动作优先于对象
使用生成模型分析大脑对目标刺激的动力学响应
语言模型有语言习得的关键期吗？
图记忆学习：模仿大脑网络的终身记忆和遗忘
脑科学动态
由隆德大学的SebastianPalmquist领导的研究团队开发了一种名为APS2（淀粉样蛋白概率评分2）的血液测试方法，在诊断轻度认知能力下降或早期痴呆症患者的阿尔茨海默病方面的准确率为91%，远高于初级保健医生检查同一患者的61%。
这项研究在2020年2月至2024年1月期间，招募了1213名因认知症状接受临床评估的患者。研究方法包括对血浆中磷酸化tau217（p-tau217）和非磷酸化tau217（非p-tau217）的比例，以及淀粉样蛋白-β42（Aβ42）和淀粉样蛋白-β40（Aβ40）的比例进行分析。患者样本分别在初级保健和二级保健中进行评估。
结果表明，APS2测试在初级和二级保健中的诊断准确性分别为91%和88%-92%，显著高于标准临床评估方法的准确性。初级保健医生在标准临床评估中的诊断准确性为61%，而使用APS2测试后提高到91%。同样，痴呆症专家在标准临床评估中的准确性为73%，使用APS2测试后也提高到91%。
此外，研究发现，仅使用p-tau217的测量值，其诊断准确性与APS2测试相当，均为90%。这表明，p-tau217在阿尔茨海默病早期诊断中具有重要作用。研究结果表明，APS2测试具有高诊断准确性，可以显著提高初级和二级保健中的阿尔茨海默病早期诊断能力，从而促进更早的治疗和管理。这项研究发表在JAMA上。
#大脑健康#阿尔茨海默病#血液测试#诊断准确性#APS2
阅读论文：
帕金森病患者中前额叶皮层刺激影响奖励选择
为了深入了解决策过程中奖励和努力的神经机制，来自加州大学神经病学系的研究团队对帕金森病患者进行了研究。研究要求参与者面对不同奖励和所需身体努力的提议进行选择。通过慢性颅内记录技术，他们发现基底神经节（BG）的β振荡（12到20Hz）能够跟踪单次试验中的努力程度，而前额叶皮层（PFC）的θ振荡（4到7Hz）则反映了先前试验的奖励情况，并且没有受到净主观价值的影响。
进一步的研究表明，直接刺激PFC可以增加参与者对奖励/努力提议的总体接受度，提高对奖励的敏感性，同时减少努力对选择的影响。这些结果揭示了在BG和PFC中引导基本决策的振荡机制，并支持PFC在这些选择中的因果作用。研究结果发表在PNAS上。
#神经科学#决策机制#帕金森病#奖励与努力#颅内记录
布里格姆妇女医院运动障碍科主任VikramKhurana领导的研究团队开发了一种新模型，可以快速将干细胞转化为具有帕金森病（PD）特征的脑细胞，使得在培养皿中研究这种疾病成为可能。
研究团队使用PiggyBac载体引入特定的转录因子，迅速将干细胞转化为不同类型的脑细胞，并在神经细胞中引入聚集倾向的蛋白质，如α-突触核蛋白，以模拟帕金森病中蛋白质聚集的过程。通过CRISPR/Cas9等筛选系统，研究人员发现了多种类型的蛋白质聚集物，包括保护性的和有毒的，这些聚集物在实际患者的脑组织中也能找到相似的结构。
该模型在几周内而非几个月内重复生成干细胞转化的脑细胞，使得高通量的基因和药物筛选成为可能。尽管新模型标志着进步，但仍存在一些局限性，例如目前仅能生成未成熟的神经元。研究团队计划用成熟的神经元复制这一模型，以模拟蛋白质聚集对老化的影响。此外，团队正在将神经元和胶质细胞组合在一起，以研究炎性反应在PD进展中的作用。这一研究发表在Neuron期刊上。
#大脑健康#Neuron#帕金森病#干细胞模型#蛋白质聚集
近期的一项研究通过训练卷积神经网络（CNN）识别书写的单词，探讨了文字识别的神经编码机制。该研究背景在于理解视觉系统如何在面对阅读任务时，实现对相似字母和其相对位置的精确识别。
研究对CNN进行初步训练，使其识别来自ImageNet数据集的图像类别，然后扩展训练至识别不同书写系统的单词。通过分析这些训练好的网络，研究发现，随着识字过程的进行，网络中的部分单元逐渐专门化，能够对特定字母和其序列位置产生敏感反应。
研究结果揭示了一种新的相对位置编码原则，即“空间双字母组合”，这种编码方式通过低频和高频敏感单元的层次结构实现。此外，通过对比识字和不识字网络，发现识字显著提高了神经可辨别性，使其在早期和晚期视觉阶段对特定字母和位置产生更强的响应。
#卷积神经网络#文字识别#空间双字母组合
炎症会降低多巴胺传递，而多巴胺在奖励决策中起着重要作用。通过减少炎症，运动可以提高多巴胺功能，进而增加个体的努力意愿，特别是改善快感缺失、疲劳和主观认知障碍。研究还指出，运动不仅可以减少氧化应激，还可以提高自尊和自我效能。未来需要进行大规模随机对照试验，以进一步验证这一假说，并探讨可能的运动障碍和激励策略。研究发表在TranslationalPsychiatry上。
#大脑健康#炎症#多巴胺#动机#有氧运动
#大脑健康#Brain#基因检测#精准医学#帕金森病
AI行业动态
达芬奇机器人已能自主执行外科手术
斯坦福大学与约翰霍普金斯大学的研究人员合作开发了一项名为SurgicalRobotTransformer（SRT）的新研究项目，该项目成功地让达芬奇手术机器人能够自主执行外科手术任务。这一突破性成果解决了长期以来困扰达芬奇机器人的运动学数据不准确的问题，通过模仿学习，机器人实现了更稳定和准确的操作。
研究人员引入了一种相对动作形式，并结合手腕相机，显著提升了机器人的任务执行能力。具体来说，达芬奇机器人现能够自动完成包括组织提起、针头拾取与交接以及打结在内的基本手术任务。
达芬奇系统因其基于电位器的关节测量机制，存在着前向运动学不一致的问题，这导致了以往的模仿学习方法难以成功实施。通过将动作建模为相对运动，而不是绝对位置，研究团队克服了这一难题。他们的实验结果显示，在存在关节测量误差的情况下，相对运动的模型比绝对运动模型更为一致和可靠。
此外，研究团队发现，使用手腕相机作为输入可以显著提高学习效果。基于Transformer架构的模型，通过图像输入和相对动作表示的结合，成功执行了多项手术任务。实验数据表明，基于相对动作的模型在任务成功率上明显优于基于绝对运动学的数据模型。
#达芬奇机器人#自主手术#模仿学习#相对动作#手腕相机
阅读更多：
Google推出全新的Gemini1.5Flash模型。此次更新不仅显著提升了机器人的响应速度和质量，还强化了推理和图像理解能力。
Gemini1.5Flash引入了一系列创新功能。首先，上下文窗口扩大至32Ktokens，允许进行更长的对话和处理更复杂的问题。更为重要的是，用户可以通过GoogleDrive或直接从设备上传文件进行分析和可视化，这一功能将于近期上线。
#GoogleGemini#人工智能#聊天机器人#青少年支持#全球扩展
微软Azure推出Phi-3无服务器微调，支持Llama3.1等最新AI模型
近日，微软Azure宣布了一系列重要更新，旨在进一步增强开发人员利用AzureAI工具链创建定制AI解决方案的能力。此次更新包括Phi-3-mini和Phi-3-medium模型的无服务器微调，并支持最新的OpenAI、Meta和Mistral模型，为开发者提供更广泛的选择和更高的灵活性。
Phi-3系列模型的无服务器微调允许开发者在无需配置计算资源的情况下，快速、轻松地在云端和边缘场景中定制这些模型。Phi-3-mini更新显著提升了模型的核心质量、指令跟随能力和结构化输出支持，使开发者能够构建性能更强的AI应用而无需额外成本。这些改进包括多轮对话质量和推理能力的显著提升，以及系统提示支持和整体性能的增强。
此外，AzureAI继续扩展其模型库，目前已有超过1600个模型，包括最新的OpenAI的GPT-4omini、Meta的Llama3.1405B和Mistral的Large2等。微软通过AzureAI评估和内容安全功能，致力于构建安全、负责任的AI解决方案，帮助组织管理AI风险。
#AzureAI#无服务器端点#Phi3模型#Llama3.1#AI开发
字节跳动最新开发的CLASI（CrossLanguageAgent–SimultaneousInterpretation）系统是一款高质量的实时语音同步翻译工具，能够模拟专业人类译员的翻译过程。该系统利用先进的数据策略和多模态检索技术，解决了语音翻译中的多个关键问题，如翻译质量与延迟的平衡、专业术语的准确翻译以及数据稀缺性等。
CLASI在处理复杂术语和不清晰语音信息时，能结合外部知识库和历史上下文生成准确且容错的翻译结果。在测试中，CLASI的翻译准确率显著高于现有商业和开源系统，从中文到英文的翻译准确率达到81.3%。
此外，CLASI通过多阶段训练方法，包括大规模预训练、多任务持续训练和人类标注数据的微调，使其具备强大的翻译能力和鲁棒性。系统引入了有效信息比例（VIP）作为新的评估指标，显示其在真实场景中传达有效信息的能力显著优于现有系统。
CLASI的实时翻译不仅高效准确，还具备上下文感知能力，能记住并利用之前的翻译内容，确保对话的连贯性和自然性。其在处理不流利、口语化及多语言混杂的语音特征时表现出色，适应性强，广泛适用于会议、在线视频、在线游戏等多种场景。
#字节跳动#实时翻译#CLASI#多模态检索#人工智能
摩根士丹利近日宣布完成其第二个生成式人工智能应用“AI@MorganStanleyDebrief”的部署。该工具可以总结视频会议内容并生成后续邮件草稿。这是摩根士丹利与OpenAI合作开发的第二个生成式AI应用，首个应用是2023年推出的AI知识助手工具，旨在帮助财务顾问快速查找内部研究信息。
摩根士丹利选择自研解决方案而非购买现成工具，这种做法在金融服务行业中越来越普遍。Evident联合创始人兼首席执行官AlexandraMousavizadeh表示，这种方式允许银行更好地定制和集成AI工具，从而无缝融入其工作流程。此外，其他行业如保险和零售也将从类似的AI应用中受益。
摩根士丹利全公司AI产品与架构战略负责人DavidWu表示，自建工具能够更好地满足用户需求，而不是购买现成的产品并让所有人重新学习。虽然新工具的具体效果尚待评估，但公司对其AI知识助手工具的使用率感到满意。
#人工智能#生成式AI#金融科技#定制解决方案#OpenAI
欧洲药品管理局（EMA）于周五拒绝了一项针对阿尔茨海默症新药Leqembi的上市申请，理由是该药物的副作用风险超过其潜在收益。
EMA的药物评估委员会（CHMP）表示，“不建议批准Leqembi用于阿尔茨海默病的治疗。”Leqembi由美国跨国公司百健（Biogen）和日本的卫材（Eisai）共同开发，主要用于治疗早期阿尔茨海默症患者的轻度记忆和认知问题。然而，CHMP指出，Leqembi在延缓认知衰退方面的效果不足以抵消其严重的副作用风险。
卫材表示对CHMP的负面意见“极为失望”，并计划要求重新审查，以确保这一治疗尽早在欧盟上市供早期阿尔茨海默症患者使用。尽管如此，专家们对EMA的拒绝决定表示失望，但仍保持希望。英国神经科学协会会长TaraSpires-Jones表示，“我们需要加大努力，发现新的、更安全的治疗方法。”
#阿尔茨海默症#药物审批#欧洲药品管理局#Leqembi#临床试验
AI研发动态
埃隆·马斯克的Neuralink公司宣称其Blindsight皮层植入物实现的效果，最终可以超越正常人类视力。对此，华盛顿大学心理学教授IoneFine和GeoffreyBoynton等研究团队开展了一项研究，以检验这一说法的可行性。研究团队创建了一个基于V1（初级视觉皮层）神经生理结构的计算模型或“虚拟患者”，以模拟电刺激在人类视觉皮层中的感知体验。研究模拟了广泛的人类皮层研究，包括一种极高分辨率的植入物Blindsight。
结果表明，即使植入了45000个电极，患者所感知的图像仍然模糊不清，无法与分辨率为45000像素的清晰图像相比。这是因为单个电极并不代表一个像素，而是最多刺激一个神经元，而每个神经元告诉大脑有关一个小空间区域的图像信息，并且这些感受野（receptivefield）是重叠的。图像清晰度取决于数千个神经元的信息表示方式，而不是单个电极的大小或数量。尽管如此，即使是模糊的视力对许多人来说也是一个重大突破。研究发表在ScientificReports上。
#神经技术#视觉植入物#计算模型#电刺激#虚拟患者
运动皮层在执行重复性任务时表现出高度变异性，而吸引子动力学是支持工作记忆和决策制定的主要数学模型。经典皮层模型虽然解释了一些尖峰动力学，但无法解决试次间的变异性问题。研究人员提出了一种新型的尖峰皮层吸引子网络架构，将兴奋性和抑制性神经元聚类结合在一起。这种架构能够在广泛的网络规模和参数范围内稳健地产生亚稳态，维持局部的兴奋与抑制平衡。
#神经科学#运动皮层#吸引子动力学#神经元群簇
这项研究由ErinPhillips领导的科学家团队完成，他们希望通过研究犬类的视觉处理来揭示犬类认知的奥秘。研究团队使用功能性磁共振成像（fMRI）和机器学习技术对两只家养犬和两名人类受试者观看视频时的大脑活动进行解码。他们拍摄了三段30分钟的视频，包括狗跑步、人与狗互动、车辆经过和动物出没等。每个受试者在观看这些视频时，研究人员记录了他们的大脑活动，并训练了一个神经网络（Ivis）来分类视频内容。
#认知科学#犬类认知#视觉处理#功能性磁共振成像#机器学习
通过生成建模分析大脑对靶向刺激的动态响应
最新的研究讨论了探讨了生成模型在揭示靶向刺激技术（如光遗传学和经颅磁刺激）下大脑动态的应用。通过与实验数据的对比，生成模型有助于验证大脑功能的假设，特别是在解析由靶向刺激引发的大脑活动方面表现出巨大潜力。
生成模型能够模拟大脑活动以预测或复制在真实神经数据中观察到的动态模式。它们在实验发现与理论神经科学之间起到桥梁的效用，能够提供对自发和刺激诱发的大脑活动的见解。
#目标刺激#生成模型#神经科学#系统生物学
传统观点认为，人类在儿童早期对第二语言的习得更为敏感，随着年龄的增长，这种习得能力会逐渐下降。同时，如果在关键期后减少第一语言的使用，通常不会导致明显的语言能力丧失。然而，这些关键期效应究竟是由生物学预设的大脑成熟过程，还是由经验引导的神经连接稳定所导致的，一直是学界争论的焦点。
ETHZürich的一组研究人员最近利用语言模型对这一问题进行了研究，试图探索这些现象是否仅限于人类，或是更广泛的语言学习者共有的特征。通过在不同的实验条件下训练语言模型，研究发现与人类不同，语言模型在没有直接等同于先天成熟阶段的情况下，并未表现出关键期效应。
此外，该研究还尝试通过在训练中途引入正则化处理来模拟神经可塑性的减少，从而逆向工程关键期。实验结果显示，仅通过语言学习本身可能不足以引发关键期，需要额外的工程手段使语言模型在认知上更具可信度。这一发现不仅挑战了关键期效应必然出现在统计学习者中的观点，而且为理解人类语言习得提供了新的视角。
#语言习得#关键期#语言模型#第二语言#第一语言
来自同济大学和澳大利亚麦考瑞大学的研究团队开发了一种新型的图记忆学习（GML）框架，旨在提高图形数据处理模型在面对持续变化的数据时的效率和准确性。
传统的图神经网络在处理实时更新的数据时，往往需要频繁重训练，不仅耗费资源，也难以及时适应数据的增减。研究团队借鉴大脑神经网络动态和功能结构耦合的原理，提出了一个灵活的记忆和遗忘机制，使得AI模型能够像人类大脑一样，有选择性地记住或忘记信息。
这一框架，名为脑启发的图记忆学习（BGML），通过多粒度的图分区和层次化学习机制，有效地处理了记忆保持和遗忘之间的冲突。实验结果显示，BGML在多个真实世界的节点分类数据集上，相比其他基线模型展示了卓越的性能。
该框架不仅能够提高处理动态图数据的效率，还能在保护隐私和遵守数据删除法规方面发挥重要作用。研究人员希望这一成果能够推动图形数据处理技术的进一步发展，尤其是在社交网络分析、生物信息学和推荐系统等领域。
#图记忆学习#图神经网络#数据动态性#AI技术#记忆与遗忘
整理｜ChatGPT
编辑｜丹雀&存源
关于追问nextquestion
关于天桥脑科学研究院
天桥脑科学研究院（TianqiaoandChrissyChenInstitute,TCCl）是由陈天桥、雒芊芊夫妇出资10亿美元创建的全球最大私人脑科学研究机构之一。
TCCI与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了TCCI加州理工神经科学研究院。
TCCI建成了支持脑科学研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括学术会议和交流、夏校培训、AI加速科学大奖、科研型临床医生奖励计划、特殊病例社区、中文媒体追问等。