Dr. Alizée Roobaert
比利时佛兰德海洋研究所（Vlaams Instituut voor de Zee）研究员

全球海洋每年吸收了大约四分之一的人类二氧化碳排放量——但虽然这一过程在公海得到了充分研究，沿海水域的贡献却出人意料地知之甚少。“这实在是太复杂了——有河流入海、与陆地的相互作用、水深各异等诸多因素，”天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖优胜奖得主、佛兰德海洋研究所（VLIZ）“海洋气候变化的过去、现在与未来”课题组的研究员 Alizée Roobaert 表示，“虽然有一些局部研究，但全球沿海海洋到底吸收了多少二氧化碳，以及这种吸收如何随时间变化，依然存在很大不确定性。”

为了解决这个问题，Roobaert 与布鲁塞尔自由大学（Université Libre de Bruxelles）的 BGeoSys 团队合作，将全球沿海水域划分为边长 0.25 度的网格单元——在赤道附近每格约 28 公里。随后，Roobaert 叠加了全球数据（主要来自卫星遥感），涵盖海表温度、盐度、叶绿素 a 浓度等变量，并整合了约 1800 万个来自船只或浮标的沿海观测数据，包括不断变化的海表二氧化碳浓度测量。最终形成了一张覆盖全球海洋的高分辨率数据拼图，但二氧化碳测量值仅在部分网格中有数据。

接下来，Roobaert 利用机器学习揭示变量间的复杂关系，并逐步补全空白区域。“一旦算法理解了这些变量如何相互作用，它就能重构缺失的二氧化碳测量值。”Roobaert 解释道。最终，她得到了全球沿海二氧化碳吸收随时间变化的地图，其准确率约为以往的 10 倍，细节也显著提升。“这是目前基于观测、用于估算全球沿海水域二氧化碳吸收贡献的最先进方法，”Roobaert 表示。

除了加深我们对沿海水域在海洋碳循环中作用的理解，Roobaert 的高分辨率地图还能为特定区域的海气碳交换提供更准确的洞见。“对于‘蓝色经济’来说，这类数据至关重要——只有了解沿海水域如何影响碳循环，才能量化人类活动的影响，”Roobaert 说。

目前，Roobaert 和 VLIZ 团队正致力于进一步完善这一方案。当前的重点之一是为欧洲北海绘制分辨率高达 1 公里的二氧化碳分布更精细地图。其他目标还包括叠加海洋深度数据，制作四维地图，详细展示碳在水体柱中随时间的扩散过程。“真正驱动我的是，知道自己的工作正在弥补关键数据空白，帮助人们更好地理解海洋在全球碳循环中的作用，”Roobaert 表示，“我们正在用 AI 实现真正的全球影响，这也是我不断前行的动力。”

Dr. Zhuoran Qiao
机器学习科学家
旧金山 Chai Discovery 公司创始科学家

有时候，即便是获奖科学家也会在实验室里栽跟头。

在北京大学读本科时，Zhuoran Qiao 梦想着专攻全合成，利用复杂的实验室方法合成有机化合物。但他很快被现实“叫醒”了。“这就像做饭不好吃一样——我在实验操作上真的不太在行。”Zhuoran Qiao 笑着说，“我总是把实验搞砸，还把自己弄伤。”几次烫伤手指和实验失败后，Zhuoran Qiao 决定转向其他方向。“结果发现，我在用计算机模拟化学反应方面还挺有天赋，”他说，“在计算机上‘做实验’对我来说顺利多了。”

这其实还是谦虚了。今年春天，Zhuoran Qiao 凭借利用生成式 AI 模拟蛋白质结构的研究，成为首届“天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖”的得主。他的突破性成果有望彻底改变制药领域。

“Zhuoran Qiao 的工作令人震撼地展示了 AI 加速科学发现的力量——多亏了他的努力，过去需要耗费数月甚至数年繁重劳动的研究，现在几秒钟就能完成，”天桥脑科学研究院创始人雒芊芊表示，“他让研究人员能够快速设计新分子，为那些曾被认为‘无药可治’的疾病带来了全新的治疗路径。”

科学发现之路

在中国学习计算化学后，Zhuoran Qiao 于 2018 年前往加州理工学院，在 Anima Anandkumar 教授和化学与 AI 创新者 Thomas Miller 教授的实验室攻读博士学位。在那里，Zhuoran Qiao 开始利用机器学习，打通量子数据与分子结构高层描述之间的桥梁。“用 AI，我们能获得以往需要极高计算量才能得到的结构洞见，”Zhuoran Qiao 说。

2021 年，正值 Zhuoran Qiao 不断完善自己的模型时，谷歌 DeepMind 发布了 AlphaFold——一个能根据氨基酸序列预测复杂蛋白质结构的 AI 模型，进一步凸显了计算模拟的潜力。AlphaFold 的能力让 Zhuoran Qiao 惊叹不已：蛋白质的折叠方式比宇宙中的原子还多，但 AlphaFold 却能极其准确地快速预测蛋白质结构。“这是个了不起的突破，”Zhuoran Qiao 说，“但我也看到还有两点不足。”

首先，AlphaFold2 只研究孤立的蛋白质，而药物研发需要模拟蛋白质与小分子的相互作用。其次，AlphaFold2 给出的是静态快照，但蛋白质在体内的生化环境中始终处于动态变化之中。“要理解蛋白质的功能，就必须捕捉其全部动态过程，”Zhuoran Qiao 解释道。

就在这时，Zhuoran Qiao 灵机一动：为何不用扩散模型（diffusion model）？这类模型后来也用于流行的生成式 AI 图像工具。正如米开朗基罗雕刻大卫像时，一点点剔除多余的石头，扩散模型则是逐步消除目标之外的噪音。比如，输入“戴高帽的猫”的提示，模型会从一堆随机像素出发，结合关于猫和帽子的训练数据，逐步逼近目标图像。

Zhuoran Qiao 意识到，同样的方法可以用于模拟蛋白质的复杂动态分子景观。“你从所有可能原子位置的随机混合出发，然后逐步去噪，最终得到三维结构，”他解释道。这里不再是文本提示，而是生化数据：蛋白质序列的进化特征、小分子的化学图谱，以及预测小分子与蛋白质如何相互作用的“接触图”。“利用这些，扩散模型可以映射每一个原子，最终还原分子结构，”Zhuoran Qiao 说。
通俗来说，这意味着 Zhuoran Qiao 的预测引擎不仅能预测蛋白质如何折叠，还能预测其与其他分子（包括潜在药物）如何相互作用。

构建“计算显微镜”

在 AI 出现之前，模拟一个蛋白质是个极其庞杂的任务，要么依赖艰苦的晶体学或光谱成像，要么靠逐原子计算机模拟。“过去大家用蛮力解决这个问题，但模拟一个蛋白质要花费数年 GPU 时间，而且还要人工设置参数，”Zhuoran Qiao 解释道。而他的生成式模型只需几秒钟就能准确还原复杂分子体系。“速度提升了一百万倍，结果往往与实验数据非常接近，”他说。

实际上，这个预测引擎为研究者提供了一个“计算显微镜”，让他们无需繁琐计算和实验，就能洞悉复杂生化系统的运作。它甚至可能帮助科学家突破传统成像的极限，探索那些尚未被实验观察到的“暗蛋白”。“我们的模型可以从已知蛋白质中泛化，帮助我们跨越这一障碍，”Zhuoran Qiao 说，“这对新药开发至关重要。”

初步研究会集中在设计针对已知蛋白质的小分子。“如果你已经有关于信号通路的生物学假说，可以用我们的工具找到能触发该效果的分子，”Zhuoran Qiao 说，“这依然不是个简单问题，但我们的引擎显著加速了搜索过程。”更具雄心的是，这个引擎还能用于从零设计蛋白质，比如开发新型蛋白质传感器，甚至创建一连串生物工程蛋白质相互作用，解锁新的生物功能。有前景的应用之一，是利用“分子胶”让致病蛋白与专门降解生化物质的蛋白结合。“通过模拟这些复杂动态，我们或许能主动清除体内的致病蛋白，”Zhuoran Qiao 说，“这还只是起步阶段，但机会无限。”

最终目标不仅是加速传统研究，更是实现药物发现自动化，让研发走向人类科学家未曾设想的新方向。“我们希望构建能自动生成全新分子的工作流，”Zhuoran Qiao 说，“从长远来看，我们能够替代药物研发中大量传统的人工流程。”

走出学术圈

为了实现这个目标，Zhuoran Qiao 开始将目光投向学术之外。2023 年，他加入了 Iambic Therapeutics，这家初创公司源自他导师在加州理工的实验室；今年，他又以创始科学家的身份创立了 Chai Discovery。“学术界是原型开发的好地方，但要产生真正的现实影响，就需要更大的团队和更多资源，”Zhuoran Qiao 解释道。

团队协作带来了令人瞩目的成果：Iambic 的 NeuralPLexer 模型刷新了结构预测的行业标准，Chai 最新模型能以 16%的成功率设计新型抗体——这是此前水平的 100 倍提升。Chai Discovery 联合创始人 Joshua Meier 称之为“蛋白质的 Photoshop”，带来了强大的新见解。“数字生物学不再是科幻——它已经成为现实，”他说。

目前，DeepMind 的 AlphaFold 数据库已被超过 200 万名研究者使用，完成了以往需 10 亿年才能完成的分析；2024 年，AlphaFold 的两位创始人获得了诺贝尔化学奖。现在，Zhuoran Qiao 说，研究者们正迈入“后 AlphaFold”时代，利用更强大、更专业的模型加速发现。“我们有机会以前所未有的规模绘制蛋白质相互作用图谱，”他说，“我很幸运能参与这场变革。”

现在，Zhuoran Qiao 表示，是时候抓住这个机遇，打造能带来临床变革性成果的实用工具和工作流了。“这对我来说很有情感意义，”Zhuoran Qiao 补充道，“如果我们能做到这一点，整个计算药物研发的方式都将被彻底改变。”

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）与美国科学促进会（American Association for the Advancement of Science, AAAS）今天联合宣布，首届“天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖”获奖名单正式公布。这一重要年度奖项旨在表彰利用 AI 赋能科学发现的创新性研究。三位获奖者将分享总计 5 万美元的现金奖励，其获奖研究论文也将在《科学》杂志上发表。

大奖得主：

• Dr. Zhuoran Qiao，机器学习科学家，旧金山 Chai Discovery 公司创始科学家，因其在生物化学领域运用 AI 的突破性工作获得大奖。

优胜奖得主：

• Dr. Aditya Nair，加州理工学院和斯坦福大学的博士后研究员及 NIH NeuroAI 项目青年学者，他的研究专注于将 AI 和神经科学相结合。
• Dr. Alizée Roobaert，比利时佛兰德海洋研究所（Vlaams Instituut voor de Zee）研究员，开发了监测海洋气候动态的创新 AI 解决方案。

“我们收到了来自世界各地、涵盖众多科学领域的投稿申请。”天桥脑科学研究院创始人雒芊芊表示，“在 AI 正根本性地加速全球科学发现的时代，我们很高兴能够发掘这三位杰出的年轻研究者，他们正在使用强大的新技术拓展人类知识的前沿。”

“我们一如既往地对 2024 年 AI 驱动科学大奖的高质量、富有想象力的投稿感到兴奋。”《科学》杂志高级编辑 Yury V. Suleymanov 表示，“这三位早期职业科学家展示了他们在AI领域的前沿技术，他们用创新的AI方案解决了科学家在多个领域面临的重大挑战和机遇。”

获奖研究亮点

大奖：将蛋白质置于计算显微镜下

Dr. Qiao 在诺贝尔奖获奖研究基础上，运用生成式 AI 技术预测蛋白质折叠，并使用先进的机器学习技术创建动态模型，展示折叠蛋白质如何随时间变化，以及它们如何与较小分子相互作用。这一“计算显微镜”能够以惊人的速度和准确性预测蛋白质行为，为药物发现提供了强大的新工具。“我们正在以前所未有的规模解锁绘制这些分子相互作用的巨大机会，并利用这一点快速开发新药物和治疗方法。”Dr. Qiao 表示。

优胜奖：聆听大脑的隐秘合唱

目前，神经成像技术的突破使研究人员能够监测单个神经元的活动，而 Dr. Nair 正在使用 AI 揭示神经元相互作用时出现的隐秘合唱与和声。他的研究表明，这些相互作用形成持久的、自我延续的模式，可以独立于任何单个神经元的活动来编码和调节持久的心理或情感状态——如兴奋、愤怒或饥饿。他的模型还揭示了，这些持久的网络效应是由作用缓慢的神经肽（neuropeptides）介导的，这使得它们随着时间的推移更加稳定。

优胜奖：了解沿海水域如何吸收二氧化碳

世界海洋吸收了约四分之一的人为二氧化碳排放，但人们对沿海海洋在推动全球海洋碳汇方面的作用知之甚少。Dr. Roobaert 使用神经网络融合全球卫星数据和来自沿海二氧化碳测量的 1800 万个数据点，创建了第一个沿海水域二氧化碳吸收的高分辨率模型。通过将零散数据集连接起来，她的方法为世界海洋的健康状况及其在气候学中的作用提供了真正的全球性概览。

奖项设置与后续活动

大奖得主 Dr. Qiao 获得 3 万美元现金奖励，其论文会发表在今天的《科学》杂志印刷版和在线版。优胜奖得主 Dr. Nair 和 Dr. Roobaert 各获得 1 万美元现金奖励，论文将在《科学》杂志的在线版发表。所有获奖者还将获得《科学》杂志在线版五年订阅，并成为荣誉陈氏学者（Chen Scholars）。

2025 年 10 月 27-28 日，三位获奖者将在旧金山举行的首届“天桥脑科学研究院 AI 驱动科学研讨会”上展示他们的研究成果。他们还将与诺贝尔奖得主 Dr. Jennifer Doudna、Dr. David Baker，以及其他全球顶尖学者、行业领袖和研究人员同台交流。研讨会面向公众免费开放，需要注册参加。详情请访问：https://aias2025.org/

2025 年度的“AI 驱动科学大奖”申请通道将在 8 月开启，我们热情欢迎广大青年科学家们在 https://www.cheninstitute.org/prize 提前注册，以便及时收到通知。申请者应在 AI 相关的领域工作；在申请时持有医学博士、哲学博士或医学博士/哲学博士学位，并在过去 10 年内获得该学位。

同时，欢迎您加入我们的科学社区，并申请成为 AIAS 会员，以获得更多的权益。申请邮箱：AItalents@cheninstitute.org。

7 月 12 日，由天桥脑科学研究院与复旦大学附属华山医院联合主办的“碧海——聚焦超声波脑机接口与神经调控学术研讨会”在上海华山医院举行。来自国内外生物物理、生物医学工程、基础医学、临床医学领域的专家学者，围绕聚焦超声技术在脑疾病治疗中的三大方向——高强度热消融、血脑屏障开放与药物递送、低强度神经调控，分享了最新研究进展与临床转化成果。

华山医院院长、国家神经疾病医学中心主任、天桥脑科学研究院（中国）院长毛颖教授指出，聚焦超声凭借无创、精准的优势，已成为国家脑科学战略布局的关键技术。

▷毛颖院长

全球聚焦超声波领域知名领军人物、多伦多大学 Kullervo Hynynen 教授回顾了该技术治疗特发性震颤、帕金森病和阿尔茨海默病的里程碑进展，并提出低成本头盔式定位等创新方向。

犹他大学 Jan Kubanek 团队开发的便携式设备 Spire，无需磁共振引导即可实现抑郁症和慢性疼痛的精准调控。上海市精神卫生中心张天宏教授介绍了超声热消融技术在强迫症等精神疾病中治疗取得的显著效果。范德堡大学 LiMin Chen 教授展示了磁共振引导聚焦超声在慢性疼痛治疗中的突破。台湾大学 Hao-Li Liu 教授介绍了自主研发的 NaviFUS 系统，在胶质瘤和癫痫治疗中显著延长患者生存期并减少发作频率。华山医院张俊海团队分享了聚焦超声热消融在子宫腺肌症等疾病中的临床应用。

▷孙阶博士（左），Jan Kubanek 教授 （右）

来自中华医学会超声医学分会、北京协和医院、华山医院、上海市精神卫生中心、浙江大学医学院二院、武汉同济医院、福建医科大学一院等的知名神经、超声医学科专家参加了会议，并进行了热烈的讨论交流。会议由天桥脑科学研究院聚焦超声首席科学家孙阶博士主持。
此次将聚焦超声波作为脑机接口新的技术方向，正是盛大与天桥脑科学研究院整合国际优势资源，在这一前沿领域开辟的全新赛道。

▷与会专家与嘉宾在华山医院合影

过去 10 年，盛大和天桥脑科学研究院在脑机接口最硬核的侵入式赛道超前布局，频频出手，成果喜人。在国际上，支持加州理工学院 Richard Andersen 院士的运动解码、UCSF Edward Chang 院士的语言解码研究，取得了世界级重大突破成果。在中国，支持、孵化和投资中科院陶虎教授创办的脑虎科技，已成为中国侵入式脑机接口估值最高的企业和准独角兽，上海市认定的科创行业八大赋能者之一。

5 月 30 日 -31 日，天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）与 AGI House 联合主办了 2025 参数记忆研讨会。本次活动汇聚了来自全球人工智能、神经科学与计算科学领域的顶尖专家，彰显了 TCCI 致力于利用 AI 驱动科学研究与发现的坚定承诺。两天会议期间，双方还共同举行了黑客马拉松。

杰出演讲嘉宾与思想领袖

本次研讨会邀请了多位重量级嘉宾，包括：

• Yiran Chen，杜克大学 John Cocke 杰出教授
• Prateek Chhikara，Mem0 创始 AI 工程师
• Jian Pei，杜克大学 Arthur S. Pearse 杰出教授
• Yixin Chen，圣路易斯华盛顿大学计算机科学与工程系教授
• Tatsunori Hashimoto，斯坦福大学计算机科学系助理教授
• Yu Su，俄亥俄州立大学助理教授
• Scott Knudstrup，Thousand Brains Project 研究员
• Charles Packer，Letta 首席执行官
• Kenneth Norman，普林斯顿大学计算与理论神经科学 Huo 教授
• Joon Sung Park，斯坦福大学计算机科学博士生
• Yan Liu，南加州大学教授

这些卓越的专家围绕参数记忆、AGI 架构，以及人工智能与人类认知的交汇等前沿话题，分享了开创性见解。他们的报告激发了关于 AI 驱动科学未来及其面临的伦理、技术与社会挑战的热烈讨论。

关键技术聚焦领域

• 检索增强生成（RAG）：深入探讨 RAG 技术及其在提升 AI 记忆系统中的作用
• 参数记忆架构：讨论可针对特定任务调优的参数记忆系统的设计与实现
• 可扩展性与实时更新：聚焦 AI 记忆系统的扩展性挑战及其实时更新能力

赋能创新，造福人类

天桥脑科学研究院举办本次研讨会及黑客马拉松，体现了其在脑科学与技术交叉领域推动创新的使命。“人工智能不仅仅是一种工具，更是推动科学突破、造福全人类的催化剂。”创始人雒芊芊表示，“通过汇聚世界级专家并支持协作探索，我们希望加速 AI 成果向现实解决方案的转化。”

如需了解更多会议及嘉宾信息，请访问：

https://meetings.cheninstitute.org/meetings_w/2025_chen_institute_agi_house_joint_parametric_memory_workshop

5 月 12 日，天桥脑科学研究院和华山医院联合举办了”老年健康大数据的长期动态监测与管理”专家讨论会。本次会议汇聚了临床医学、基础医学、数据科学和人工智能等多领域顶尖专家，共同探讨大数据驱动的老年健康管理创新模式，为应对人口老龄化挑战提供科技支撑。

论坛开幕式上，天桥脑科学研究院（中国）副院长杨扬致欢迎辞，华山医院国家老年疾病临床医学研究中心丁玎教授主持研讨会议。整个研讨会分为”需求研讨”和”技术供给”两大环节，系统性地探讨了老年健康管理的临床需求与技术解决方案。

在需求研讨环节，浙江大学公共卫生学院袁长征教授分享了 Mind 饮食模式在中国人群中的本土化研究成果，指出高危人群依从性低、地理随访困难等挑战，并提出智能化营养监测与反馈系统的创新构想。华山医院全科医学科黄延焱教授介绍了社区认知障碍综合干预策略，强调以改善日常生活功能为核心的多维度非药物干预方案，并探索大语言模型在个性化认知康复中的应用前景。

▷黄延焱教授（右一），丁玎教授（右二）

英国伦敦大学学院的 Eric Brunner 教授和陈韫韬教授分别介绍了 Whitehall II 纵向研究及环境风险因素与痴呆症关系的最新发现。特别是陈教授团队基于 1 公里空间分辨率的研究表明，长期暴露于高水平 PM2.5 或二氧化碳环境与痴呆症风险显著相关，为环境因素在老年健康中的重要性提供了有力证据。中山大学廖婧教授则分享了数字技术在失智症基层防治中的实践经验与挑战，尤其指出数字鸿沟、技术整合等五大核心难题。

技术研讨环节中，北京安定医院杨志教授展示了基于微信小程序的游戏化认知评估和训练系统，通过自适应难度机制提升老年人认知训练效果。盛大 Theta Wellness 团队介绍了融合中西医理念的 AI 健康管家平台，实现了”预防-干预-康复”全周期管理。Dlab 团队展示了智能老人随访系统，通过智能语音交互和多通道管理有效解决老年群体数字鸿沟问题。

凝动医疗和杭州照护通健康科技分别介绍了基于计算机视觉的健康评估系统和物联网生命体征监测技术，为老年健康提供了非接触式监测解决方案。天桥脑科学研究院邵涵钰博士则分享了耳戴式设备在健康监测中的创新应用，展示了集成多模态传感器的前沿技术。

▷全体参会专家合影

圆桌讨论环节上，与会专家围绕”技术赋能老年健康大数据的动态监控和管理”展开热烈讨论，最终达成七大核心共识：

1. 推动 AI 与数字化技术赋能长期队列研究；
2. 发展基于手机游戏化的认知评估与干预策略；
3. 探索 AI 赋能老年叙事医疗的创新路径；
4. 加强环境暴露数据智能监控；
5. 提升老年人可穿戴设备依从性；
6. 明确健康管理智能体的可靠性边界；
7. 优化智能健康数据管理机制。

丁玎教授在闭幕式上表示，本次研讨会不仅展示了老年健康管理领域的前沿成果，更为产学研各方搭建了深度交流的平台。未来将继续组织类似高水平研讨会，推动老年健康管理技术创新与临床实践深度融合，为应对人口老龄化挑战贡献智慧和力量。

此次研讨会的成功举办，标志着天桥脑健康研究院在老年健康大数据研究与应用领域迈出了重要一步，为构建智能化、精准化的老年健康服务体系提供了系统性解决方案和实践指导。随着 AI 技术与医疗健康领域的深度融合，老年健康管理将进入更加智能、精准、人性化的新时代。

5 月 9 日 -11 日，“2025 浦江创新论坛”第七届神经科技国际创新论坛在上海举行，由中国神经科学学会神经调控基础与转化分会、天桥脑科学研究院（中国）和复旦大学计算神经科学与类脑智能学科创新引智基地联合主办，复旦大学神经调控与脑机接口中心、上海临港司南生命科技有限公司承办，闵行区科学技术委员会指导。

在当前全球科技革命与产业变革深度融合的关键时期，如何突破神经调控与脑机接口领域的技术瓶颈，推动基础研究向临床应用高效转化，构建产学研医协同创新生态，共同应对脑疾病这一全球性健康挑战，已成为摆在科技界和医疗界面前的重要课题。

本届论坛以“创新驱动·跨界融合·赋能未来”为主题，汇聚了 10 余个国家和地区的顶尖学者、临床专家及产业领袖，其中包括英国皇家学会会士、加拿大工程院院士、17 位国际知名外籍专家以及 70 余位国内科研及产业的知名专家学者和企业家演讲嘉宾，以及 450 余名参会人员。大家围绕人类共同挑战展开对话交流，共同探讨神经调控与脑机接口领域的最新科研突破、临床转化应用及未来产业发展趋势。

会议采用多论坛并行模式，聚焦“基础研究、技术创新、临床转化、产业应用”四大板块，设有神经科技未来产业主论坛、7 场专题平行 Workshop 及高端学术会议，全面覆盖神经调控与脑机接口领域的创新链条。

在神经科技未来产业论坛的圆桌环节，来自科技、转化、投资等领域的专家代表集中讨论了脑机接口技术的创新、应用挑战及未来方向，强调了科研与商业合作的重要性。各位产学研各界代表指出中国在科技创新方面取得显著进步，但成果转化面临激励机制缺失、专业经理人匮乏等问题。脑机接口技术在医疗、教育、消费领域的潜力不可限量，科技创新前景十分乐观，他们呼吁加强跨学科合作和政策支持，以克服转化难题。

“超声神经调控：机制与应用”研讨会重点探讨了超声技术在神经调控中的机制研究，包括超声波对小鼠皮层星形胶质细胞与神经元钙动态的差异化调控、微泡振荡对运动皮层的生物效应，以及基于声学超表面的精准经颅聚焦技术；同时聚焦临床应用，涵盖帕金森病干预、脊髓损伤康复及超声与光遗传学融合的靶向治疗新策略，探索人工智能算法在优化神经刺激参数中的潜力；创新性提出声遗传学技术与超声参数优化方案，凸显跨学科研究对技术转化的推动作用。

4 月 19 日，由天桥脑科学研究院与 Dlab 共同主办的“移动端眼动技术应用研讨会”在线上顺利召开。本次研讨会汇聚了眼动 AI 技术专家与认知行为科学家，围绕移动端眼动追踪技术的最新进展与应用前景展开了深入交流，为推动该领域的技术创新与产学研合作搭建了重要桥梁。

在专题报告环节，伯明翰大学程义华博士系统梳理了眼动追踪技术的发展历程与核心技术瓶颈，创新性地提出基于可微三维视线建模的端到端估计系统，有效提升了多设备兼容性。

▷程义华博士介绍移动端眼动追踪技术的基本原理与算法框架

加州理工学院 Ralph Adolphs 教授分享了其团队在社会情感领域利用手机与电脑端眼动追踪技术进行的前沿研究，展示了眼神交互模式在精神与认知状态评估中的关键作用。

▷加州理工学院 Ralph Adolphs 教授移动端眼动追踪在认知研究中的突破性案例

浙江大学朱干成博士重点介绍了 TCCI 移动端眼动追踪 SDK 的算法框架、数据隐私保护方案及未来的数据采集平台规划，并针对研究者实验开发需求提出了切实可行的技术解决方案。

▷朱干成博士介绍 TCCI 眼动 SDK 及拟建在线实验平台的技术解析

会议期间，与会专家共同提出了“AI 多终端眼动追踪与认知状态推理工作流”的创新构想，实现跨设备眼动数据的自动化采集、标注与智能分析，并具备高级认知行为推理能力。多位国内外顶尖 AI 团队专家参与了交流。

本次研讨会激发了学界对移动端眼动技术的关注，并吸引了多家商业公司和研究团队咨询后续合作可能性。未来，相关技术成果有望加速落地，推动眼动追踪技术在认知行为研究与智能交互领域的广泛应用。

“数据是人工智能的石油与原动力”，这一观点在AI技术一日千里的当下，愈发凸显其重要意义。然而，在医疗领域，数据孤岛、标准化不足与共享困境始终制约着AI技术的突破和AI临床服务的落地。

为破解以上困局，2025年3月30日，国家精神疾病医学中心/上海市精神卫生中心与天桥脑科学研究院（中国）联合举办了医疗数据开放和安全使用专家研讨会。该会议围绕医疗数据分级、数据安全技术、数据共享机制等多个议题展开深度探讨，会议形成的专家建议和共识将推动和催化数据要素和新一代AI技术在精神健康领域的创新应用。

研讨会汇聚了来自于国家心理健康和精神卫生防治中心、上海市精神卫生中心、上海人工智能实验室、清华大学、复旦大学、上海交通大学、天桥脑科学研究院等多家单位的二十余位专家学者。专家们共同梳理和探讨医疗领域（以精神健康为例）数据开放共享的难点和解决方案，为推动医疗领域数据有效使用和 AI 赋能医疗献计献策。

一、高质量数据集和新一代AI技术推动精神卫生服务革新

上海市精神卫生中心院长赵敏做开场致辞，以国家将2025-2027年定为“儿科与精神卫生服务年”切入，强调当前正处于精神健康服务需求激增与供给严重不足的关键时期。着重强调了人工智能在优化精神科服务体系中的重要作用，尤其提及上海市精神卫生中心联合天桥脑科学研究院共建的“灵溪”。该项目收集了5000例抑郁、焦虑障碍患者的临床诊疗数据。在技术前景展望中，赵院长以“数据是AI的粮食”为喻，指出，在数据质量、标准化和伦理规范性等问题逐渐解决的过程中，数据要素和AI技术将极大的赋能精神科诊疗。

▷赵敏院长致辞

随后，国家精神疾病医学中心脑健康研究院办公室主任张青，代项目负责人上海市精神卫生中心医务部主任陈剑华，做题为“抑郁、焦虑诊疗数据库建设”的报告。在报告中，张青主任阐述了抑郁焦虑诊疗数据库（“灵溪”）的建设进展。数据库建设历时三年，搭建了5000例初诊抑郁焦虑症患者的诊疗数据库。该数据库整合了问诊中的语音和语义、电子病历及量表评估等多维数据。

▷张青主任报告“抑郁、焦虑诊疗数据库建设”

在AI技术应用层面，研究团队采用最新大语言模型，对千万级文本和语音进行深度解析。通过特征提取建立症状图谱，运用自然语音处理技术破解AI诊断黑箱，定位关键语义特征构建疾病诊断模型。算法也进一步考虑了关键生活事件对疾病发生发展的重要影响，为开发基于AI的认知行为疗法奠定基础。研究团队基于真实医生问诊的流程，创新性地使用数字医生与数字患者模拟对话的方式，训练两个AI模型进行模拟问诊。通过模型对抗生成问诊对话数据，通过对生成数据的评估，进一步验证问诊流程的标准化程度和逻辑性。针对于真实数据和合成数据，研究团队还开发了完整的专家标注和模型标注体系（experts in the loop，EITLs）。未来，研究团队希望能整合视频、可穿戴设备数据，包括更多生物学特征，实现从精准评估到精准干预的闭环。

张青主任强调，人工智能正在重塑精神疾病诊疗范式，其突破关键在于构建”数据-算法-场景”三位一体的闭环体系。标准化数据库建设需突破三大关卡——首先实现多模态数据融合，其次建立动态标注机制，通过experts in the loop（EITLs）的方式来不断优化AI模型，最后打通临床验证通路。数字疗法从实验室走向临床的转折点，在于形成可解释、可复制、可溯源的智能诊疗范式，这既需要技术迭代更需要医工交叉的制度创新，本次研讨会就是一个很好的创新体现。

二、保障安全的医疗数据共享至关重要

天桥脑科学研究院人工智能与精神健康前沿实验室科学家耿海洋博士做题为“医疗数据开放和安全使用的现状、展望与技术方案：以精神健康领域为例”的报告。他介绍了数据开放的意义，相关规范，医疗数据的特点，开放的现状，展望和技术方案等多个方面，尤其强调了医疗数据共享和形成共识的重要性。

基于我国精神健康领域现存的巨大诊疗需求和专业医师的极度缺乏的现状，该报告提出“数据分层、梯度开放、立体防护、多方协作”的解决路径。首先，建立五级数据开放体系，从最基础的结构字段到全脱敏数据API调用逐级深入，其中“安全沙箱”允许研究团队在封闭安全环境分析数据，保留分析日志，不接触原始信息。其次，构建四维防护机制，针对语音数据采用声纹剥离技术，视频数据采用面部模糊处理，生理信号限定72小时存储周期，疗效数据实行实时动态脱敏。

报告中重点提及合成数据技术，该技术已经取得重要进展，通过大模型生成的虚拟对话和病历在保持真实数据分布特征的同时，消除隐私泄露风险。技术，如经颅交流电刺激（tACS），因其在治疗多种神经精神疾病和神经性疾病方面的潜力而备受关注。然而，其在不同脑区的颅内反应机制尚不明确，这限制了该技术的进一步优化和临床应用。

▷耿海洋博士报告“医疗数据开放和安全使用的现状、展望与技术方案：以精神健康领域为例”

耿海洋博士提出，医疗数据开放需遵循“安全阀”与“催化剂”双重属性，既要以技术手段筑牢隐私防火墙，更需通过制度机制创新释放数据潜能。精神健康领域应率先通过隐私计算实现原始医疗数据保护，通过区块链存证实现全流程可追溯。未来医疗AI发展将呈现“数字双生”新形态，真实数据训练与虚拟数据生成的双螺旋结构，既能破解伦理困局又可加速技术迭代。

三、医疗数据开放与治理：从价值出发，跨领域共议标准化、伦理挑战及国际范例

在接下来的圆桌讨论中，与会专家针对医疗数据开放和安全使用的痛点、难点与方案设计以及抑郁、焦虑等诊疗数据库建设的机遇与挑战两个话题，从政策和价值导向、科研转化等多个角度展开了热烈讨论。讨论中，专家们高度认同医疗数据库建设和医疗数据共享的必要性。

多位专家指出，数据开放的核心目标是激发数据要素价值，助力数字疗法、医疗效率提升及基层赋能。需明确数据共享的底线，分类分级管理数据风险。安全、有效、可及的数据治理策略未来需“聚焦临床需求，价值为核心驱动力”。

Dlab首席运营官韩云芸表示Dlab高度重视数据在医疗AI发展中的价值，并提出，当前医疗数据存在碎片化、标准化不足的问题，需投入大量资源解决。Dlab（由天桥脑科学研究院Scientific Data Foundry孵化而来），以数据和人工智能作为双核驱动，以高质量的领域专家和自动化的作业工具，提供专业化数据采集、标注和合成的全链条专业化服务；致力于帮助合作伙伴提高科研效率和实现模型算法的持续升级；进而推动科学、医疗和人工智能等相关领域的学术发展以及产业进程，促进人类智能和人工智能的深度交互。

▷韩云芸女士发言

随后，关于数据价值的议题，专家们进行了积极而深入的讨论。其中上海交通大学医学院临床研究中心副研究员张维拓认为，搞清楚用数据做什么非常关键，比如用于企业模型训练的数据和用于监管验证的数据就不能混用。用于监管和验证就是发挥数据价值的重要方向。信通院华东分院人工智能与大数据事业部主任陈俊琰认为，数据能够打破信息孤岛，支持精准诊疗、分级诊疗，同时应鼓励探索医疗数据潜在商业价值。从应用角度出发，有专家提出，数据在药物研究、监管、心理健康风险监测等方面能发挥重要作用。与会者一致认为，从价值出发，才能更好地探索数据用途，最大化其价值。

▷张维拓副教授发言

▷张俊琰主任发言

另外，针对耿海洋博士报告中提到的合成数据，也有多位与会专家谈到自己看法。张维拓副研究员认为，将合成数据用于模型验证，可以用来确保数据集在监管机构的可信度；陈俊琰主任也提到用算法生成数据，或可提升数据集的完整性和实用性。

四、以国际数据库建设和共享作为参考

讨论环节中，上海市精神卫生中心副院长王振、复旦大学公共卫生学院党委书记罗力、上海交通大学计算机科学与工程系副教授吴梦玥、清华大学电子工程系助理教授张超等与会专家，通过已有可参考案例给医疗数据库开放共享提供了很多启发。比如UK Biobank作为政府主导的数据库，其数据向全球研究者开放，使用时需通过申请并说明研究用途；欧盟健康数据空间（European Health Data Space, EHDS）则整合欧盟27国包括挪威、冰岛等关联国家的健康数据，通过制定统一的数据分类、安全标准及传输规则，确保成员中心互认，推动了跨中心数据共享，其患者拥有数据控制权，可选择是否授权数据使用，并随时行使“被遗忘权”（数据删除权）。这些都是医疗数据库建设和共享可以参考的范例。

▷王振副院长发言

▷罗力书记发言

五、医疗数据共享大势所趋

最后，国家精神疾病医学中心脑健康研究院院长徐一峰总结道：

医疗数据共享是大势所趋，不仅是AI技术赋能精神卫生服务的核心驱动力，更是实现国家“精神卫生服务年”战略目标的关键技术支撑。然而，现在仍存在数据碎片化、伦理安全风险及标准化滞后等挑战。与会专家的集思广益，为解决以上挑战提供了重要思路：其一，以“价值导向”指导医疗数据共享治理框架的制定，通过分类分级机制明确数据应用场景，确保合规与伦理底线；其二，加速多模态数据标准化，建立统一采集与标注规范，避免偏差；其三，探索“共建共享”模式，参考上海数据交易所“重大疾病行业创新中心”经验，以成本共担、权益共享激发多方参与动力。

▷徐一峰院长总结