新风口!四大顶刊已有三家成立AI专题子刊!Nature子刊(IF=40.9):AI有望去除止疼的成瘾性风险!

多客科技

作者：微信文章


解螺旋公众号·陪伴你科研的第4072天
AI+

上周我们为大家介绍了5篇发表自Nature子刊与Lancet子刊的AI+医学健康领域论文，在后台收到了大家热烈的反响。



AI竟让药物研发时间缩短90%？Nature子刊：北京协和的“AI药物"已完成二期临床试验！AI+成发文新风口！

本周，我们在追寻最新科研热点时发现，去年，NEJM（新英格兰医学）和BMJ（英国医学杂志）均推出了自己的AI专题子刊NEJM AI和 BMJ Digital Health & AI 。至此，除了JAMA，四大医学期刊都拥有了属于自己的AI专题子刊。由此可见世界顶刊们也非常看好该交叉学科领域。

所以，每周小编继续为大家带来最新鲜的AI+医学健康研究资讯，希望能够为大家提供全新的视野与研究方向。

今天分享的4篇来自全球顶尖科研院校的论文，每一篇都被这些顶级研究机构发布在了它们的官网上。接下来就让我们一起看看大佬们是如何利用AI产出成果，发表高分文章的！

01



新"药"研发+AI（IF=40.9）

2025年6月23日，美国南加州大学官网发布消息，当月12日，来自美国南加州大学科研团队在Nature子刊Nature Electronics（IF=40.9）发表了题为 A programmable and self-adaptive ultrasonic wireless implant for personalized chronic pain management 的论文。论文报道了该校研发的一种利用AI智能控制的用于治疗慢性疼痛的固定在脊柱上的柔性超声诱导无线植入式（UIWI）刺激器。



本研究通过 AI 与超声植入技术的融合，构建了兼具 “精准感知 - 智能决策 - 自适应执行” 的疼痛管理体系，为慢性疼痛的个性化治疗提供了突破传统方案（如阿片类药物、有创电刺激）局限的创新路径。具体体现为：   • 疼痛实时监测与分级：利用机器学习模型（ResNet-18 神经网络）分析脑电信号（EEG），将疼痛精准分为 “轻微、中度、极度” 三级，整体分类准确率达 94.8%。通过持续监测大脑疼痛信号，实现对患者实时疼痛状态的动态评估，突破传统主观报告的局限性。
  • 闭环自适应治疗系统：AI 模型根据疼痛分级结果，自动调节外部超声发射器的能量输出，驱动植入设备产生相应电刺激强度，形成 “检测 - 评估 - 治疗” 的闭环反馈。无需人工干预，实时响应疼痛波动，解决传统刺激器无法动态适配个体差异的问题。
  • 赋能个性化治疗方案：结合患者特异性疼痛特征，通过算法定制刺激参数（如电信号强度、频率），实现 “一人一策” 的精准治疗。利用深度学习处理患者疼痛数据的动态变化，适应慢性疼痛的个体差异性和时变性。
  • AI 提升治疗效率与安全性：替代传统依赖医生经验的手动调节，减少人为误差，同时避免 opioids 类药物的成瘾风险。超声能量传输与 AI 结合的非侵入式供能方式，降低手术创伤和电池更换需求，提升长期使用安全性。
原文：https://www.nature.com/articles/s41928-025-01374-6

02



影像学+AI（新刊暂无IF）

2025年6月23日，世界顶级医疗机构美国麻省总院官网发布消息，5月16日，来自麻省总医院布莱根院区的科研团队在NEJM子刊NEJM AI（2024年创刊）上发表了题为Non-invasive biopsy diagnosis of diabetic kidney disease via deep learning applied to retinal images: a population-based study的论文。研究人员与美国退伍军人事务部 （VA） 合作开发了一种基于CT扫描结果识别罐装动脉钙化的 AI 工具，拥有接近90%的准确率可以在心脏病症状出现之前发现问题。



挖掘存量医学影像的隐藏价值： 利用深度学习算法 AI-CAC，从常规临床非门控胸部 CT 扫描中自动检测冠状动脉钙化（CAC），突破传统 “门控 CT” 的限制。每年数百万例非心脏检查的 CT 影像（如肺癌筛查）可被二次利用，避免重复检查。
高精度自动化风险分层： 模型判断 CT 是否存在 CAC 的准确率达 89.4%，对 CAC 分数是否超过 100（中度风险阈值）的判断准确率 87.3%，且能预测 10 年全因死亡率 ——CAC 分数＞400 者死亡风险是 0 分者的 3.49 倍，为临床风险评估提供量化依据。
心血管事件早期预警： 通过分析存量 CT 影像中的 CAC 负荷，AI-CAC 可识别未被诊断的高风险人群。经 cardiologists 验证，模型识别的 CAC＞400 患者中 99.2% 需立即启动降脂治疗，推动 “被动诊疗” 向 “主动预防” 转型。
医疗资源的智能化优化：美国 VA 系统中存量非门控 CT 扫描量达数百万例（仅 5 万例为门控心脏专用），AI-CAC 可直接利用这些 “闲置数据” 完成心血管风险评估，降低医疗成本并提升筛查覆盖率。研究首次证明非门控 CT 结合 AI 用于 CAC 检测的可行性，具有临床推广的潜力。
原文：https://ai.nejm.org/doi/10.1056/AIoa2400937

03



细胞识别+AI（IF=33.3）

2025年6月24日，来自澳大利亚Garvan医学研究所的科研团队在AACR（美国癌症研究协会）期刊Cancer Discovery（IF=33.3）上发表了题为 AAnet resolves a continuum of spatially-localized cell states to unveil intratumoral heterogeneity 的论文。开发了一种能够区分肿瘤中不同细胞的AI，从而实现肿瘤原型细胞的高效分析，更好的了解肿瘤的生长和转移。



本研究的最大亮点在于AAnet 通过量化肿瘤异质性、定义细胞原型，为 “精准消灭所有肿瘤细胞” 的治疗目标提供了技术支撑，标志着 AI 在癌症生物学研究与临床治疗中的深度融合，具有改变现有癌症诊疗范式的潜力。
Garvan 研究所联合多国团队开发的 AI 工具 AAnet首次将肿瘤细胞的连续状态简化为可分析的 “原型细胞组”，解决了传统方法难以量化肿瘤异质性的问题。
利用 AAnet 对三阴性乳腺癌等模型的单细胞数据进行分析，研究团队识别出五种不同的癌细胞 “原型”（archetypes）。每组细胞具有独特的基因表达谱、生长路径、转移倾向及预后标记，颠覆了 “肿瘤细胞均一化” 的传统认知。
传统癌症治疗基于器官来源和分子标记，忽视肿瘤异质性；而 AAnet 可从生物学层面解析患者肿瘤内的细胞类型分布，助力设计 “组合疗法”—— 针对不同细胞组的生物通路制定联合用药方案，有望避免因部分细胞耐药导致的复发，显著提升治疗效果。
研究虽以乳腺癌为切入点，但 AAnet 的技术框架可推广至其他癌症（如肺癌、前列腺癌）及自身免疫疾病等。未来有望通过 AI 分析与传统诊断结合，构建更全面的个性化诊疗体系，推动精准医学的跨领域应用。
原文：https://aacrjournals.org/cancerdiscovery/article/doi/10.1158/2159-8290.CD-24-0684/763140/AAnet-resolves-a-continuum-of-spatially-localized

04



X光+AI（IF=4.5）

2025年6月20日，来自日本大阪都立大学的科研团队在放射学期刊Radiology: Cardiothoracic Imaging（IF=4.5）上发表了题为 Performance of a Chest Radiograph–based Deep Learning Model for Detecting Hepatic Steatosis 的论文。研究团队创造了一种可以从普通X光胸片中发现脂肪肝的AI。



本研究的最大亮点在于通过AI实现了仅需X光胸片即可筛查脂肪肝将脂肪肝检测从 “专科高端设备” 转向 “基础临床场景”，以低成本、高可及性的方案解决了早期筛查的瓶颈问题。
突破性技术路径：这个AI首次实现了利用胸部 X 光片（临床常规检查项目）捕捉肝脏影像特征，广泛地对脂肪肝进行无创检测，且准确性接近90%。传统脂肪肝诊断依赖超声、CT 等昂贵设备，而胸部 X 光具有普及性高、成本低、辐射剂量小的优势，该技术突破了检测场景的限制，为大规模早期筛查提供可能。
解决临床痛点：降低检测门槛与医疗成本 针对全球 1/4 人口受脂肪肝困扰、但传统检测设备普及不足的现状，该技术利用临床已广泛应用的 X 光设备，无需额外硬件投入，可显著降低诊断成本与技术门槛。尤其适用于资源有限地区或常规体检场景，有望推动脂肪肝 “早发现早治疗”，减少肝硬化、肝癌等并发症风险。
跨模态应用创新：拓展胸部 X 光的临床价值 突破胸部 X 光仅用于心肺疾病检查的传统认知，挖掘其对肝脏疾病的诊断潜力，实现 “一次检查、多器官评估” 的临床价值拓展。该研究为医学影像的跨模态分析提供新思路，证明 AI 可通过挖掘常规影像的隐藏信息，提升医疗资源利用效率。
临床转化导向：未来若推广至临床，可借助基层医疗机构的 X 光设备实现脂肪肝的广泛筛查，弥补超声等手段的覆盖缺口，对提升全球肝病防控效率具有重要公共卫生意义，体现 AI 技术在普惠医疗中的落地价值。
原文：https://pubs.rsna.org/doi/10.1148/ryct.240402


—END—
撰文丨解螺旋排版丨解螺旋



国人发文新蓝海！中山医学院团队靠NHANES发JCR一区，这个红利期要抓紧！



复旦博士私藏曝光：一分钟搞定文献检索、选题和论文写作也轻松拿捏！(文内附干货）