人工膜肺

据国家药品监督管理局网站1月5日消息，为确保新型冠状病毒肺炎重症患者治疗需要，经国家药监局审查，由深圳汉诺医疗科技有限公司生产的国产首个体外膜肺氧合设备（ECMO）设备和耗材套包，于2023年1月4日得到应急批准注册申请。ECMO全称为Extracorporeal Membrane Oxygenation（体外膜肺氧合），即“人工心肺机”，被誉为现有体外循环技术的“王者”，是重症监护室（ICU）的必备设备。其原理是通过血泵代替心脏、膜肺代替肺，将血液持续运输到人体，形成体外生命循环系统，保障各个器官运转，从而维持生命。从汉诺医疗发布的信息来看，该公司在2020年受邀成为国家高性能医疗器械创新中心的股东单位之一，并承担国家工信部国产化ECMO的重大技术攻关任务。官网显示，该中心是国家在医疗器械领域设立的唯一的创新中心，由中国科学院深圳先进技术研究院、深圳迈瑞生物医疗电子股份有限公司、上海联影医疗科技股份有限公司等单位牵头组建。ECMO已经有60年的临床使用历史，现在更是直接参与救治新冠重症患者。药监局表示，ECMO产品作为常规治疗无效的危重型新型冠状病毒感染患者的挽救性治疗设备，是新型冠状病毒感染诊疗方案中明确的治疗措施，国产产品的上市对于满足临床急需，保障重症患者治疗，确保疫情防控“保健康、防重症”目标落实，将发挥重要作用。当然，ECMO不是治愈新冠患者的手段，而是一项协助病人度过关键期的技术。也就是说，ECMO可以暂时替代新冠重症患者的心肺功能，进行体外循环。不过当下国内ECMO设备比较紧缺，此前部分赴武汉救援的医疗团队甚至自带ECMO设备前往。原因无他，ECMO国产化的难度较高。其对生物相容材料、系统整体性和制造工艺要求很高，长期以来，氧合器和离心泵两大核心部件的关键技术及工艺由欧美国家掌握，全球市场也被迈柯唯、美敦力、索林三大品牌垄断，一直到2020年，国内都没有能够提供ECMO设备的供公司。国内医疗器械龙头企业正积极投身ECMO赛道。天眼查App显示，深圳迈瑞股权投资基金股份有限公司也是汉诺医疗的股东，前者由国产医疗器械龙头迈瑞医疗设立。2021年10月4日，微创医疗全资收购拥有ECMO产品技术的德国公司HemoventGmbH，其ECMO设备于2022年9月成功获批上市。华西证券表示，国内三甲医院1442家，ICU病床5万家，测算三甲医院都配置ECMO后，ECMO国内每年市场约18亿元（终端）。

长达9年的科研攻关，一朝透出曙光 　　7月2日，由中国海洋大学角膜组织工程实验室研制的组织工程人角膜内皮(简称人工角膜内皮)，已经成功完成兔、猫和猴的角膜移植实验，这在国际上尚属首次，表明角膜中的重要部分之一——角膜内皮已经可以人工“制造”，有望年底或明年初进入临床实验。此外，该实验室已初步获得了人工角膜上皮，下一步计划制造出完整人工角膜。 　　移膜兔猫猴状态都很好 　　昨日下午，记者来到位于中国海洋大学的角膜组织工程实验室，据海洋生命学院副院长、实验室主任樊廷俊教授介绍，由该实验室研制的人工角膜内皮，继去年在新西兰兔角膜内皮移植成功后，今年又在家猫和猕猴角膜内皮移植中获得成功。截至昨日，所移植的人工角膜内皮已使新西兰兔角膜维持透明385天、家猫角膜维持透明203天、猕猴已维持角膜透明113天，这在国际上尚属首次! 　　“这些兔子、猫和猴子，都分别在实验动物中心里面饲养，现在状态都很好。 ”樊廷俊说，实验动物眼睛角膜的内皮层被撕除，然后移植入角膜组织工程实验室自己制造出来的人工角膜内皮，在百天以后，兔、猫和猴的角膜仍然保持透明，攻克了移植人工角膜内皮无法使角膜长期保持透明的国际性难题。记者看到，一只“移膜猫”的眼睛清澈透明，一点儿看不出移膜来。 　　计划造出完整人工角膜 　　据介绍，目前，该实验室已与青岛一家生物技术有限公司合作完成了第III类医疗器械的生产车间的建设，并获得了第III类植入材料及人工器官的生产许可证，为组织工程人角膜内皮的产业化生产做好了准备。 　　记者了解到，在造出人工角膜内皮后，樊廷俊和他的研究团队又将目光瞄向了完整人工角膜，他们的研究是在国家科技部“十五”863课题、“十一五”863重大课题和企业委托开发课题的资助下完成的。目前，他们与青岛中皓生物工程有限公司合作，开始了完整人工角膜的制造技术研究，已成功造出人工角膜上皮，计划于3-5年内造出完整人工角膜并完成其动物移植实验。 　　相关链接：角膜移植僧多粥少 一朝成功善莫大焉 　　“据世界卫生组织统计，现在全世界有白内障患者近3000万人，我国白内障患者500余万人 全世界有角膜盲患者6000余万人，我国患者500余万人，仅我国每年就有新增盲人约45万人。在角膜盲患者中，青壮年约占70%、儿童约占15%，他们长期蒙受失明的痛苦折磨，无法正常生活、学习和劳动，还给家人和社会带来了巨大的精神和经济负担。 ”樊廷俊教授表示，角膜移植手术可以帮助角膜盲患者重见光明，但由于捐献角膜的数量有限，因此角膜移植一直是僧多粥少，多数患者因得不到移植角膜而无法复明。据介绍，“人工角膜内皮作为人角膜内皮的等效替代物，不仅可以用于我国100余万、全世界1200余万角膜内皮盲患者的临床治疗，而且还可以用于白内障患者术后角膜内皮细胞失代偿的临床治疗。 ” 　　新闻揭秘：制造出人工角膜内皮克服了两个技术难题 　　樊廷俊介绍说，海大科研人员从2002年开始课题研究，到2009年科研成果通过教育部组织的鉴定，获得“国际首创，达到了国际领先水平”的鉴定结论，再到今年完成动物实验阶段，即将进入临床实验。然而，想要制造出人工角膜内皮，需要找到合适的“种子”和“运载工具”，这可不是容易事。寻找适宜的“种子细胞”和“运载工具”是摆在研发人员面前的两个技术难题。 　　在“十五”期间，海大科研人员通过改变培养条件、培养方法和培养液的配方，首次建立了非转染、无致瘤性的人角膜内皮细胞系，成功解决了“种子细胞”的来源问题。经过反复实验后，海大科研人员采用“去上皮层修饰羊膜”作为载体支架，在解决“运载工具”的问题。 　　相关知识 看到五彩世界靠着透明角膜 　　角膜是位于眼球最前面的半球形、表面光滑的透明组织，主要由角膜上皮层、前弹力层、基质层、后弹力层和内皮层组成。健康的角膜完全透明且具有一定的曲率半径和屈折力，加上晶状体的屈光力就可以使光线准确聚焦在眼底的视网膜上，使我们看到五彩缤纷的世界。

图1 面向新冠肺炎影像诊断的自适应注意力深度学习网络AANet图2 AANet网络相比Deep-COVID等主流深度学习方法，病症定位精准度大幅提升，热点图(saliency map)颜色深度与病症位置匹配度显著提升在国家自然科学基金项目（批准号：61973087、61773127、62073086）资助下，广东工业大学智能信息处理团队谢胜利、何昭水、吕俊等在人工智能（Artificial Intelligence，AI）辅助新冠肺炎影像诊断方面取得进展。研究成果以“面向COVID-19肺炎X影像诊断的自适应注意力网络（AANet: Adaptive Attention Network for COVID-19 Detection From Chest X-Ray Images）”为题，发表在《IEEE神经网络与学习系统汇刊》（IEEE Transactions on Neural Networks and Learning Systems, IEEE TNNLS）。论文链接：https://ieeexplore.ieee.org/document/9560709。　　2020年以来，新冠肺炎肆虐全球，造成巨大损失并引发世界性健康危机(世界卫生组织统计指出，截至2021年10月19日，全球累计新冠肺炎确诊240940937例，死亡4903911例)。在新冠肺炎防治方面，快速准确诊断新冠肺炎患者是遏制新冠病毒传播，阻止病毒扩散的关键环节。其中，新冠肺炎诊断的依据主要有核酸检测和医学影像检测，但一些患者核酸检测需2次，甚至有直到第5次才显示阳性的情况。因此，临床上影像检测是新冠肺炎诊断至关重要的手段且被列入《卫健委新冠肺炎诊疗指南（第五版）》。　　在传统影像诊断中，医生需要结合自身经验逐一查阅影像，主观性强且时间和准确性难以保证，易产生错误判断，在应对爆发性流行病（如新冠肺炎）诊断过程中受到限制。近年来，虽然深度学习等AI技术在影像诊断中取得较好进展，提高了影像诊断速度、准确性和可靠性。但在新冠肺炎影像诊断中，存在病灶边界不清，病灶形态多样且不规则等问题，致使已有的深度学习技术直接应用于新冠肺炎影像诊断时面临着无法准确定位、病灶放射学特征难以检测等挑战。针对以上问题，广东工业大学智能信息处理团队基于注意力机制、可变形卷积理论和方法，提出了“面向新冠肺炎快速影像检测”的自适应注意力深度学习网络AANet（如图1所示）。其分别通过“注意力机制模块”克服因影像病灶边界不清等导致的病症难以准确定位问题，通过“自适应可变形卷积模块”克服因病灶影像形态多样且不规则等导致的新冠放射学特征难以检测问题，从而实现新冠肺炎病症影像的快速检测和准确定位（如图2所示），在新冠肺炎公开数据集COVIDx dataset中的检测准确率高达97%（比国际主流方法Deep-COVID、COVID-Net等提高6%以上）。

人工视觉智能技术在安全、医疗和服务等领域颇有应用潜力。然而，随着网络化和信息化的发展，基于冯诺依曼构架的现有视觉系统因功耗问题难以实时处理海量激增的视觉数据。仿生人类视觉的光电突触器件可集图像信息采集、存储和处理于一体，有效解决现有视觉系统存在的时效性、功耗等问题。非晶氧化物半导体薄膜晶体管(TFT)作为传统电子器件在显示、电子电路等领域已实现产业化应用。因此，基于氧化物TFT的创新器件在产业工艺兼容性、与后端电路的在板集成等方面优势明显，在仿生人类视觉神经突触器件的研发方面，亟待解决如可见光响应弱、频率高效选择性、不同波段信号串扰等一些关键科学和技术问题。 　　中国科学院宁波材料技术与工程研究所功能薄膜与智构器件团队阐明了非晶氧化物半导体器件中与氧空位息息相关的突触权重调控的微观机理，为提高可见光响应奠定了理论基础，设计了背沟道修饰pn异质结的光电突触TFT，有效耦合了三端器件的栅压调控和两端器件的内建电场调控功能，兼具高光电响应、易集成、低功耗等优势。 　　近期，该团队携手福州大学教授张海忠团队，设计了基于InP量子点/InSnZnO的光电TFT的仿生视觉传感器，将氧化物半导体优异的电传输特性和InP量子点良好的宽光谱响应特性有机结合，使器件具有优异的栅极可控性和可见光响应特性，通过简单控制栅极偏置实现初始状态的调控，仿生模拟了人眼暗视和明视环境下适应功能的切换。该工作构建的TFT阵列在感知红绿蓝三原色字母时均表现出逼真的环境自适应特征。此外，基于该光电传感阵列的三层衍射神经网络用于手写数字识别模拟，准确率可达93%。该研究为开发环境适应性人工视觉系统开辟了新途径，并对神经形态光电子器件的研发具有启发性意义。 　　相关研究成果发表在《先进功能材料》(Advanced Functional Materials，DOI: 10.1002/adfm.202305959)上。研究工作得到国家自然科学基金和宁波市重大科技攻关项目等的支持。人眼明暗适应过程与氧化物光电薄膜晶体管光电流变化过程的类比演

p 　　据《新科学家》杂志网站近日报道，芬兰科学家利用受热会改变形状的橡胶材料研制出一种全新人工虹膜，能像人眼一样，无需外部控制即能自行对光线作出反应。发表在最新一期《先进材料》杂志上的这一最新成果，可用来改进相机拍照性能，并最终用于修复人眼受损部位或控制微型机器人对周围环境的应对能力。 /p p 　　在人和许多动物的眼睛内，瞳孔是光线进入眼球的入口，而虹膜能通过调节瞳孔大小控制进入眼睛的光线量。当光线太强时，虹膜会收缩以缩小瞳孔，保护敏感的视网膜 当光线较暗时，虹膜会张开让更多的光线进入眼睛。照相机就是使用了原理类似的人工虹膜，其内置光圈会通过外置传感器来感应外界光量，判断何时开启或关闭，在拍照时对光线进行调整。 /p p 　　芬兰坦佩雷理工大学科学家阿瑞· 普瑞玛基开发的这款全新人工虹膜，首次拥有对照射光线的自我调节能力，而无需植入光线传感器进行外部控制。他们选择了一种受热后会改变形状的液晶状橡胶材料，并用其制成直径14毫米的薄盘，从圆盘中间向接近圆盘外缘处径向切割12个花瓣。当处于黑暗环境下，花瓣会向外弯曲卷起，在圆盘中留下瞳孔状圆洞。 /p p 　　他们还向橡胶材料中加入了一种红色荧光染料，用蓝光或绿光照射时，荧光染料会变热，诱导花瓣卷曲回来并关闭“瞳孔”。“当用光照射时，人工虹膜会改变形状，这种自我调节能力还是首次出现，我们为此非常兴奋。”普瑞玛基说。 /p p 　　研究人员表示，现有治疗眼疾的人工虹膜都不能改变瞳孔的大小，只能帮助患者在白天看清物体，但在晚上或其他黑暗环境下仍然无法看清东西，新人工虹膜向攻克这些难题迈出了第一步。未来一旦实现对花瓣尺寸的更精确控制，就可植入人眼，还患者一个光明的世界。 /p p 　　 strong 总编辑圈点 /strong /p p 　　人眼真是一台精密至极的光学仪器。人类试图模拟它，但即使科技发展到今天，还是难以将它的功能完全实现。人工耳蜗，人工虹膜，人工心脏瓣膜……科研人员研发各种新材料，尝试用技术为人体做修补，在这条路上走得越来越成功。这次的人工虹膜，虽然还没有成熟到可以植入人眼的地步，但它首次拥有了自我调节能力，也给未来的眼疾患者带来希望。虽然它尚不具备人体虹膜的精巧，不过，若用于机器增加其视觉灵敏度，倒也是个不错的选择。 /p

12月9号，涂魔师将举办一场网络研讨会，展示全球首款自动化涂层工艺闭环控制解决方案：涂魔师非接触无损涂层测厚仪+人工智能AI！这款自动化涂层工艺闭环控制系统是由涂魔师非接触无损测厚系统以及AI人工智能组成的，不仅能够降低涂层材料的损耗，降低人力成本，同时还将提高产品质量。通过AI人工智能来推动涂层工艺产线向工业4.0时代迈进！从而为企业和环境带来可持续发展能力，在提高产品质量的同时，提高企业盈利能力和保护环境！马上扫码备注【12月9号涂魔师研讨会】进行报名登记，我们将在研讨会结束后给您发送资料和视频。

2018年8月2日，央视网消息（新闻联播）：经过四年研究攻关，中国科学院研究团队与国内多家单位合作，在国际上首次人工创建了单染色体的真核细胞，这也是继人工合成结晶牛胰岛素之后中国科学家在合成生物学领域取得的又一重大突破。这一成果今天（2日）在国际学术期刊《自然》在线发表。据小编细查，新闻中提及的中科院团队具体为中国科学院分子植物科学卓越创新中心/植物生理生态研究所覃重军研究组为主的研究团队。该团队完成了将单细胞真核生物酿酒酵母天然的十六条染色体人工创建为具有完整功能的单条染色体。该项工作表明，天然复杂的生命体系可以通过人工干预变简约，自然生命的界限可以被人为打破，甚至可以人工创造全新的自然界不存在的生命。（相关报道请请见文末。）新闻一经播出，就有小贝家的粉丝迅速@小编。新闻里屡屡出现贝克曼库尔特流式产品线经典产品MoFlo™ XDP 超速流式细胞分选系统。其实在科学家的杰出成就中，MoFlo™ XDP的出现绝非偶然，甚至可以说是必备神器。因为作为世界上最强大的流式分选系统之一，Moflo很早之前就建立了流式分选的金标准，它为推动细胞分选在科学界的应用做了杰出贡献，在全球科学家中独享盛誉。此次MoFlo再度建立了流式分选的金标准，引领了流式分选的新潮流。2018年是MoFlo系列诞辰30周年，自1988年问世以来MoFlo以其优越的性能，高活性、高纯度、高得率、超高速度一直引领着流式细胞分选仪的技术发展。从最早的Cicero、MoFlo Legacy到如今的MoFlo XDP、MoFlo AstriosEQ，MoFlo不断帮助科学家们登上一个个科学高峰。染色体分选、精子分选、干细胞分选、痕量细胞分选、以及现在热门的单细胞分选、微颗粒分选，贝克曼库尔特生命科学部与科学家们一起不断让其进化，以满足日益增长的科研需求。那么MoFlo有什么独门秘诀呢？1.集高速、高活性、高纯度、高得率为一身；MoFlo系列流式细胞仪位于市面上速度最快的流式分选仪前列。最高每秒钟200,000的液滴行成能力超过其他产品一倍以上。在70,000 EPS分选条件下仍能保持99%以上的纯度及90%以上的得率。其高活性受到业界广泛认可，是干细胞及其他脆弱细胞研究的首选。2.多激光多参数；在MoFlo系统上最多可以配置7根高功率激光，最多同时检测44个参数。可以满足你任何实验的需求。3.超大数据存储量；Summit软件有大于10亿事件的单文件存储能力，没有参数限制。让你在研究稀有痕量细胞时能看见明显的群体，而不是类似噪音的小点，结果更加可靠。4.混合分选模式；在MoFlo的系统中，不管你做几路分选都可以对不同的分选液路设置独立的分选模式。富集、纯度、单细胞模式，适应不同群落要求，同时完成实验，不用多次分选。并且能对一群细胞设置多种分选模式，既要纯度又要得率，珍贵样本绝不浪费。5.不加电垂直分选；单细胞测序最大的难题就是如何将一个目标细胞准确的分进仅有十几微升液体的管底。为了解决用户的难题，MoFlo独创不加电垂直分选功能。将废液流加电偏转，目标液滴不加电垂直下落，每一个目标细胞都可以精准的到达接受容器管底，不浪费你每一孔的努力！6.卓越的小颗粒检测能力；具备增强型前向检测器（eFSC）的MoFlo AstriosEQ，将流式的颗粒分辨率带入纳米级别。细胞外囊泡、外泌体流式分析分选的时代已经到来！7.IntelliSort II全自动分选设置及维持系统：这么优秀的系统操作一定很复杂吧？No！No！No！有了IntelliSort II系统，分选设置只需依次点按三个扭，几分钟内分选设置自动完成。最重要的是还不需要微球哦！又快又省！而且系统还能自动维持分选状态，在一定范围内根据外部环境不断微调参数，保证从分选开始到结束效果始终如一。分选开始就可以干其他事情啦，让您可以真正实walkaway。See it, Sort it. Every well, every time. 分你所见，得您所愿。选择MoFlo，助您成功！赶快联系我们吧！相关报道：1. CCTV 1 新闻联播：[视频]我国合成生物学研究取得重大突破 创建世界首例人工单染色体真核细胞2.上海发布：【最新】中科院今早在沪宣布：我国实现合成生物学里程碑式突破！*本产品仅用于科研，不用于临床诊断。

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》把创新放在了具体任务的第一位，全文160余次提到了“创新”关键词。2022年第十三届全国人民代表大会第五次会议上，国务院总理李克强所作的政府工作报告中，亦明确指出要坚持创新驱动发展。对科学仪器产业而言，“创新”更是至关重要。近年来，我国对科学仪器的创新和研发高度重视，先后设立了“科学仪器基础研究专项”、“国家重大科研仪器设备研制专项”和“国家重大科学仪器设备开发专项”等科研计划等。2021年11月，北京“十四五”规划也指出要支持开展关键仪器设备研发，支持挖掘一批服务于重大科技基础设施的定制化科学仪器和设备，重点突破研发新一代光谱等关键技术。不断高攀的前沿研究是创新，差异化的产品发展也是创新。为了展现光谱仪器的创新成果，分享光谱仪器研发和应用中的创新思维，共同促进光谱仪器产业化的创新发展，仪器信息网特别策划《寻找光谱仪器创新的力量》活动。本期，我们特别邀请了北京服装学院/塔里木大学龚龑教授，给大家分享创新成果，并探讨创新的方法和思维。北京服装学院/新疆大学龚龑教授仪器信息网：您认为目前近红外光谱仪器技术及应用有哪些创新的研究方向？ 龚龑：近红外光谱仪器技术的创新主要体现在以下几个方面：（1）近红外光谱数据库的建立及更新。校准模型的预测性能直接决定了近红外光谱定量和定性分析的能力，而校准模型往往需要针对不同的样本类型单独建立，需要花费大量的人力物力。比如，已有一个地区的苹果水分含量分析的近红外光谱校准模型，这个模型适用于同一地区的苹果，却不适用于不同地区苹果的水分预测。解决这个问题的方法是扩充苹果近红外光谱数据库。如果能获得全世界苹果的近红外光谱和水分属性，那么所建立的校准模型的涵盖性就会非常强，适用于任何地区的苹果水分分析。（2）近红外光谱仪的创新。校准模型的预测能力充分依赖输入的近红外光谱数据，而光谱数据通常不一致。要获得一致的光谱数据，需要测量光谱的光谱仪长期保持性能的稳定。然而，在实际的应用中，光谱仪器件会随时间老化，测量人员的操作也会对光谱数据的一致性产生影响，这些因素都会使得已建立的校准模型失效。同时，光谱仪之间测量的偏差也会导致对同一被测物定量定性分析的失败。（3）提高检测精确度。在近红外的波段区域，含氢化合物的吸收系数较小，所以尽管使用高效的化学计量学软件建立分析模型，其最终定量分析的预测结果也始终无法达到真实值。检测限较高，通常达到0.1%左右。为了克服检测限高的问题，可采用样本预处理方法（比如固相微萃取等富集方法）提高精检度，但如此操作会使近红外光谱分析技术失去其优点和特色，反而不是最佳的分析方法。仪器信息网：近红外光谱与拉曼光谱相比，在废旧纺织品分拣中有哪些优势？龚龑：近红外光谱技术是目前世界上发展非常迅速的分析技术，它具有无损、快速，应用广泛等优点，在化工、农业、环境、医药等领域发展极为广泛。与化学计量学软件、光谱仪和应用模型结合，拓展了近红外光谱仪的应用领域。近红外光谱仪目前在过程分析技术中发挥着极其重要的作用，发展飞快。近红外光谱分析技术在几十年的发展中，不断扩大其涉足领域以及应用的实效性，除应用于农业和食品分析外，还涉及生物、高分子、制药、石油化工、纺织、纤维等学科，只要是对有机物检测分析的行业基本上均可使用近红外分析技术。在我国，近红外光谱分析研究始于20世纪80年代初，现已逐步涉及谷物等农产品分析、饲料分析、石油化工、药物分析、疫情疫病诊断等方面，并伴随出现在专著出版、仪器制造和软件开发中。随着软硬件的更新换代，NIR还有望应用于其他更多方面。拉曼光谱具有无损、快速、制样简单、可微区分析、操作简便等优点，因此，拉曼可以对实验过程进行实时监测。拉曼光谱在鉴别时，为了提升鉴别准确率，样品需要进行预处理。拉曼光谱对环境要求不高，而且非接触式稳定性高，但是在纺织领域还有待探索，在以后的废旧纺织品鉴别研究中都可以进行研究。图1 训练过程中损失值，训练精度和测试精度变化图图2 不同成分比例废旧聚酯／粘胶混纺织物近红外光谱仪器信息网：贵课题组有哪些创新的成果？最突出的创新体现在哪里？龚龑：我们课题组为突破废旧纺织品资源再生循环发展利用的瓶颈，与新疆乌鲁木齐海关、深圳海关、新疆大学、北京服装学院等单位合作，采用近红外光谱仪设计了一套废旧纺织品自动识别分拣设备（如图3所示）。该设备实现废旧纺织品从输送、检测、分拣、回收利用等生产过程中的自动化、智能化。全面提升纺织行业废旧纺织品检测、分拣的自动化水平，降低废旧纺织品带来的环境影响，以及资源的浪费，缓解劳动力紧张的局面，为推动纺织业健康可持续发展具有重要意义。图3 废旧纺织品分拣设备该设备是基于近红外光谱来识别纺织品中的纤维种类和含量。在研发过程中我们克服了算法自主编写以及工控机对接的难题，最终开发一种废旧纺织品自动识别分拣系统。该系统利用自行开发的在线近红外光谱分析装置，建立了一个在线近红外（NIR）光谱库，包括聚酯、棉花、羊毛等十几种常见纺织品。我们将人工智能技术引入到废旧纺织品的识别和分拣中，利用卷积神经网络（CNN）废旧纺织品的在线近红外定性识别模型，有效提高废旧纺织品中不同纤维成分的检测准确性水平和速度，从而提升产业化加工效率。图4 废旧纺织品检测试验仪器信息网：人工智能与废旧纺织品分拣有什么联系？龚龑：人工智能分拣设备主要通过云端大数据、人工智能算法、融合传感器（分为触觉、视觉传感系统，目前普遍应用的为视觉传感系统）、机器臂/喷气设备等软硬件配合开展工作。具体构成及运作原理如下：（1）云端大数据：采集各种各样纺织样品的图片，包含废纺织品、旧纺织品、混纺织物等各种状态下图片，形成云端数据库。（2）人工智能算法：设备中内置的人工智能算法通过云端海量图像数据对机器人进行训练。前期海量数据的采集保证了无论废旧纺织品是何种状态、是否被遮挡，机器人都可以识别。（3）融合传感器：利用计算机视觉扫描快速移动的物体，通过CCD视觉、激光视觉、近红外视觉等识别传感系统相耦合，综合判断目标物的外部特征（颜色、形状、结构等）与内部特征（材质），实现废旧纺织品精准定位与细分判别。然后将识别结果传输给协作机器，控制机器臂/喷气设备运动。（4）机器臂/喷气设备：机器臂/喷气设备从传送带上准确地抓取要回收的纺织品，投放到相对应的分类收集箱中。人工智能软件识别与机器臂/喷气设备相结合，类似于人脑的神经网络系统和人的双手相结合，具备了识别和执行的能力。（5）数据回传：分拣完成后，设备将相关的数据再返回云端，与部署在各地的智能分拣设备实现数据共享和远程智能提升。例如，部署在某纺织分拣中心的智能设备可以向部署在全国各地不同智能设备，不同设备还可以互相继承废弃物识别的经验。该数据还能用于帮助项目运营方了解设备状况及并进行产量、工作量、效益等运营维度的统计。仪器信息网：您对未来光谱仪的创新发展有什么样的展望？有哪些值得期待的技术或者应用？龚龑：从微电子机械系统（MEMS）制造工艺、大数据、深度学习算法、云计算平台、物联网等技术的发展可以看到其对近红外光谱分析技术的推动力量，从工农业生产、服务业和人们日常生活等方面的发展可以看到其对近红外光谱分析技术的需求、牵引力量。在这两种力量的作用下，未来一段时期内，近红外光谱技术将会得到加速发展，以近红外光谱为核心的商业产品将在不同业务领域进一步提供深化和细化的服务，近红外光谱有望成为与时代发展特征（如大数据、云计算和物联网等）最相关的一项分析技术。尽管近红外光谱分析技术的应用前景广阔，但仍有一些技术壁垒和难题需要攻克。例如，目前光谱数据库或模型的仪器供应商依赖（Vendorlock-in)问题，即各厂商的仪器之间存在的台间差异，使其普适性的应用迁移变得困难，需要从仪器标准化、算法和软件等多方面协同努力方能得以解决。再例如，无论是传统的机器学习算法还是深度学习算法，都是在有监督学习的框架下建立定性或定量分析模型。所谓有监督学习就是每个训练集样本是带有标签的，即每个样本的光谱对应着一组参考值（真实的浓度值或类别）。随着近红外光谱技术的广泛应用，将产生大量无标签的光谱资源，这些光谱没有对应的参考值，因此，如何充分利用大量无标签的样本信息进行半监督或无监督分析模型的构建，有可能是未来很值得研究的新方向。仪器信息网：基于光谱仪的发展现状，您在产学研的道路上开展了哪些工作？龚龑：近年来，我负责并结项了一些相关课题，包括2019年的“用于食源性致病菌快检的增强拉曼散射微流控系统关键技术与应用研究”和2020年新疆兵团科技攻关计划项目“棉纺筒纱智能分拣包装关键技术装备研发与示范应用的研究”等，同时还有一些横向课题“运用拉曼光谱技术针对纺织行业气体污染与有毒物质进行快速检测的方法应用”、“城市废旧纺织品成分快速鉴别、分拣与再利用技术”等等，都是运用光谱技术进行了应用与创新。我培养的研究生也在光谱领域进行了探索，在《The International Journal of Life Cycle Assessment》、《上海纺织科技》、《毛纺科技》等发表相关论文，在第六届、第七届中国国际“互联网+”大学生创新创业大赛中荣获一银一铜。我觉得在产学研的道路上我们还要继续前进，现阶段的学生培养模式还需继续探索，在探索的过程中，找到适合当前产学研的一种新模式。团队介绍：北服检测215实验室成立于2008年，在龚龑教授的带领下，团队主要致力于纺织服装标准的制定以及光谱分析技术。制定纺织服装标准可以加强人们的环保意识，使企业也越来越重视环保纺织品的研发、生产和加工。随着光谱学的不断发展，不同的光谱分析方法也相继建立，并出现相应的光谱分析仪器。光谱分析方法在定性、定量、结构分析方面有着优越的表现，并已广泛应用于生命科学、医学、食品、化工、医药、环境、纺织、空间探索等领域。团队近两年联合南京中拓科技有限公司在研发废旧纺织品分拣设备，运用近红外光谱进行定性分析，研发分类算法以及装备设计及制造，实现废旧纺织品从输送、检测、分拣等生产过程中的自动化、智能化，全面提升纺织行业废旧纺织品检测、分拣的自动化水平，达到废旧纺织品的再利用，降低资源对环境影响及资源浪费的目标。

6月18日，澳大利亚宣布完成了世界介入法人工心脏瓣膜置换临床实验，为患有主动脉瓣狭窄的老年病人带来福音。总共有十一位女性老年病人参加了此次临床试验，手术在位于墨尔本的莫纳什医学中心（Monash Medical Centre）进行，每例手术用时90分钟，全部取得成功。主动脉瓣狭窄属于老年多发病，对于年轻的病人，现行的治疗方法是开胸手术，但对于老年患者，不能采用开胸手术，病情严重的老年患者会出现呼吸困难，其中50％以上生命不会超过一年，只有三分之一的患者生命会超过两年。 莫纳什医学中心是在击败哈佛大学、Mayo Clinic等国际竞争对手后赢得临床试验权的。手术使用了以色列制造的特殊人工瓣膜，称作&ldquo 莲花瓣膜&rdquo ，它的与众不同之处是在手术过程中可以收起并重新放置。 第二次试验将在德国、法国、英国和澳大利亚的16所医院进行，而第三次试验将在美国、欧洲、亚洲和澳大利亚同时进行，1000名病人参与。如果进展顺利，两年后这种治疗方法将在全球被广泛采用。 以上信息有HASUC整理摘录，HASUC主营：真空干燥箱、烘箱、电子防潮箱、鼓风干燥箱、培养箱、生化培养箱、霉菌培养箱、干燥柜、电炉、马弗炉、电阻炉、二氧化碳培养箱、霉菌培养箱、隔水式培养箱、低温培养箱、BOD培养箱、恒温恒湿培养箱、光照培养箱、恒温恒湿培养箱、人工气候箱、 恒温干燥箱、防潮箱、高温烤箱、低温培养箱、恒温培养箱、高低温箱、高低温试验箱、高低温交变试验箱、高低温冲击试验箱、恒温恒湿箱、高低温湿热试验箱等。

近日，南京市政府印发《南京市进一步促进人工智能创新发展行动计划（2024—2026 年）》和《南京市促进人工智能创新发展若干政策措施》“1+1”文件（以下简称《行动计划》《政策措施》）。其中《行动计划》在总体目标方面提出，到2026年，力争引培国内外先进水平的基础大模型1个，打造行业大模型20个以上，可统筹智能算力超 6000P FLOPS（FP16），每年打造30个标杆应用场景，实现人工智能核心产业规模600亿元，打造具有全国影响力的人工智能产业发展高地。在重点任务方面，《行动计划》明确了实施算法创新强基行动、算力支撑提升行动、数据汇聚共享行动、AI+应用示范赋能行动、产业集聚升级行动五大行动，涉及开展AI关键技术研发攻关、加快新技术新产品研发、加强算法支撑体系建设、布局智算基础设施、推动算力高效运载、强化普惠算力供给、建立数据流通制度、加强数据共享开放等共18项任务。例如，开展AI关键技术研发攻关，实施人工智能关键技术攻关项目15个以上,着力构建基础大模型底座；加快新技术新产品研发，研制迭代存算一体专用芯片、可重构芯片、训推一体机等产品,推动构建大模型应用的软硬件体系；加强算法支撑体系建设，鼓励企业、高校、科研机构参与开源社区建设，支持在国产芯片、国产人工智能框架上推出大模型产品等。与此同时，为推动《行动计划》的落实，《政策措施》从支持算法创新突破、提升算力支撑能力、推动“人工智能+”应用创新示范和构建良好产业生态等四个方面提出了12条措施。例如在支持构建基础大模型方面，《政策措施》提到，对落地参数量超过千亿，经权威第三方机构评测，符合标准的自研大模型，按照研发费用的20%给予牵头研发企业补助最高5000万元等。AI运行需要大量的计算资源以进行模型训练与推理，这一过程中要用到高性能计算芯片包括GPU（图形处理器）、ASIC（应用专用集成电路）、人工智能专用芯片，还有HBM等存储器芯片。随着AI大模型持续火热，相关应用不断普及，AI正成为全球半导体产业主要推动力。

齐鲁工业大学（山东省科学院）化学与制药学部胡伟教授团队，在分子光谱的人工智能模拟方面取得研究进展。研究成果以“A Deep Learning Model for Predicting Selected Organic Molecular Spectra”为题，在Nature子刊 《自然-计算科学》（Nature Computational Science）杂志上在线发表。论文第一单位为齐鲁工业大学（山东省科学院），化学与制药学部2019级本科生邹子涵为第一作者，化学与制药学部胡伟教授、光电科学与技术学部张玉瑾副教授、中国科学技术大学罗毅教授和江俊教授为本文的共同通讯作者。分子光谱作为“分子指纹”，被广泛地应用于物理、化学、生物、材料、医学、食品、环境、化工等领域。传统的分子光谱模拟采用量子化学方法，涉及昂贵的电子结构计算和复杂的光谱模拟，导致效率低下。针对该难题，胡伟教授团队结合E（3）-等变几何组、自注意机制，开发了一套深度学习模型：DetaNet，从而建立了更高效、更准确、更快速的分子性质和分子光谱的人工智能模拟方法。研究团队首先建立了包含 13万余种分子的红外、拉曼、紫外-可见吸收、核磁共振光谱数据库：QM9S 数据集；其次，通过传递高阶几何张量信息，使得DetaNet 能够预测各种分子的标量（能量、原子电荷等）、矢量（电偶极矩、原子力等）以及高阶张量（Hessian矩阵、电四极矩、极化率、电八极矩、第一超极化率等）性质。在此基础上，开发了通用模块用来预测四种重要的分子光谱，即红外光谱、拉曼光谱、紫外可见吸收光谱、核磁共振光谱。通过测试，研究团队发现DetaNet的计算效率比量子化学快3-5个数量级。本研究成果提供了原创的深度学习模型：DetaNet，在世界上首次提出直接预测分子张量性质的机器学习算法，开发了多种分子光谱的人工智能模拟算法，对分子高通量筛选、光谱辅助结构鉴定等重要的领域提供了坚实的理论基础和高效的软件工具。本课题受到国家自然科学基金、山东省泰山学者计划、济南市高校20条等项目支持。

日前，“十四五”国家重点研发计划“国家质量基础设施体系”重点专项（NQI专项）“人工智能多模态感知关键计量测试技术研究”项目实施方案论证会在中国计量科学研究院（以下简称“中国计量院”）召开。来自中国工程院、中国标准化研究院、北京理工大学等单位的行业专家以及科技部中国21世纪议程管理中心、市场监管总局科财司等部门相关领导，项目负责人、课题负责人、项目骨干等30余人参加了此次会议。会议成立了以中国工程院院士樊邦奎为组长的咨询专家组。中国计量院院长方向致欢迎辞，介绍了NQI专项的总体目标和中国计量院承担NQI专项项目情况，并强调了项目组织实施的要点。21世纪议程管理中心和市场监管总局科财司领导对项目实施及管理提出了要求。项目负责人、中国计量院研究员甘海勇介绍了项目总体情况、实施方案和实施机制。各课题负责人分别汇报了课题任务和实施方案。“人工智能多模态感知关键计量测试技术研究”项目实施方案论证会现场出席人员合影咨询专家组认真听取了汇报，经质询讨论，与会专家一致认为项目实施方案目标明确、技术路线可行、任务分工明确、保障措施有力，一致同意通过论证。据介绍，该项目针对机器视觉、语音识别、自动驾驶等智能感知装备智能化水平和安全可靠性测评的紧迫需求，拟开展多参量非线性校正、场景化在线式定标、可信任数据集扩展、大容量智能化测试等关键技术研究，建立高清投影、虚拟声场等智能评价装置，突破多组分气体、多参量触觉等复合测量技术，发展多波段融合、多模态融合等原位校准方法。项目将形成一批智能感知装备校准测试装置、模组、试验场与样本集，具备可覆盖时空、环境、本体的多维、动态、综合计量测试能力，为智能感知装备安全性、可靠性、准确性、有效性的客观测试评价提供有力的计量测试保障。

p 　　20 世纪医学的最大进步是器官移植和微创外科的兴起。21 世纪将是在分子生物学突破基础上精准医学的成熟及人工智能(artificial intelligence)渗透到医学的各个领域。近 5 年来，“人工智能+”应用于医疗研究已经成为现代科技的热点。美国的五大顶尖医院如梅奥、克里夫兰等都开始与人工智能公司合作，希望成为人工智能医疗应用领域的中心，对疾病进行探测、诊断、治疗和管理。 /p p 　　 strong 1 人工智能在医学影像识别方面的应用 /strong /p p 　　医学影像是疾病诊断的主要路径之一,2016 年美国加州大学的 Gulshan 等团队在《JAMA》杂志上首次报道了人工智能从 10 万余幅视网膜眼底照片中诊断糖尿病视网膜病变，与 54 位有美国医生执照的眼科医师及高年资住院医师相比较，其敏感性及特异性均高于人工判断。2017 年 Golden在《JAMA》杂志发表了人工智能通过深度学习，可以迅速地阅读病理照片，从而诊断乳腺癌是否有淋巴结转移，尽管还不能完全代替病理学家，但大大提高了诊断速度，减轻了病理学家的负担，提高了效果。英国曼切斯特大学 Enshaei 等对 668 例卵巢癌患者进行分析，认为人工智能优于常规的统计方法及人工神经网络计算的方法，可以更好地分析出患者的预后及影响预后的因子。 /p p 　　2017 年 11 月 24 日，一场人类和人工智能之间的对战在成都举行，代表人类出战的是 463 名超声医生，代表人工智能出战的是名为“安克侦”的甲状腺肿瘤超声辅助侦测软件。双方比赛谁能更准确地读出甲状腺超声图像。来自全国各地的 300 余位超声专家、学者见证了这次人机大战。最终，这个名为“安克侦”的人工智能与医生们打成了平手，但其实在效率上，人工智能已经超过了医生。最近，人工智能已经在肺结节、乳腺癌、冠状动脉斑块、皮肤癌、眼底病、病理等领域取得了诸多成果。 /p p 　　 strong 2 人工智能在临床医疗智能决策方面的应用 /strong /p p 　　诊断决策支持系统(clinical decision support system)是设计用来辅助医生在诊断时进行决策的支持系统，这种主动的知识系统通过对病患至少两种以上的数据进行分析，为医生给出诊断建议，医生再结合自己的专业进行判断，从而使诊断更快、更精准。Viz.AI 的 ContaCT 是 FDA 批准的第一个针对中风的人工智能诊断决策支持系统。2017 年 7 月，FDA 批准了 Cardiolog Technologies 的心电图分析平台，该技术是一项基于云计算的心脏监测分析网络服务，旨在帮助医生使用长期动态心电图监测记录来筛查心房颤动和其他心律失常的症状。 /p p 　　2018 年 2 月 21 日，FDA 宣布了 Cognoa 的同名 APP 获得认证，这也是第一款针对儿童自闭症的人工智能诊断决策支持系统。美国 IDx 公司近日宣布，FDA 已加快对其人工智能诊断决策支持产品 IDx-DR 的审查进程，预计很快就将通过认证。这个人工智能系统致力于预测糖尿病视网膜病变，这是导致糖尿病患者失明的主要原因。 /p p 　　在癌症领域顶尖的美国纪念斯隆· 凯特琳肿瘤中心(MSKCC)和人工智能领域顶尖的 IBM 相结合，便诞生了沃森肿瘤解决方案—这个由 IBM 研发的人工智能经过纪念斯隆· 凯特琳肿瘤中心的专家历时 4 年半训练而成，它汲取了 3 469 本医学专著、248 000 篇论文、69 种治疗方案、61 540 次实验数据和 106 000 份临床报告，同时还吸收了美国国立综合癌症网发布的临床指南，可为包括胃癌、肺癌、直肠癌、结肠癌、乳腺癌、宫颈癌等提供决策支持。 /p p 　　雅森与北京宣武医院、北京大学人民医院和协和医院合作研发的脑功能多模态人工智能产品问世，其通过对核磁共振、PET、SPECT、脑电等数据的分析，可以应用于阿尔兹海默症、癫痫、帕金森等各类脑功能疾病的量化分析、诊断和预测。截至 2017 年 10 月，此系统已经在全国超过 30 家大型三甲医院落地部署，累计完成病例分析超过 7 000 余例，在各类病种上平均准确率超过 84%。 /p p 　　中山大学与西安电子科技大学的研究小组合作，开发了一种能诊断先天性白内障的人工智能程序 CC-Cruiser，利用深度学习算法，预测疾病的严重程度，并提出治疗决策建议。 /p p 　　 strong 3 人工智能在医疗智能语音方面的应用 /strong /p p 　　美国 Bohannon2015 年在《Science》发表文章，首次报道了使用人机对话进行心理疾病的咨询和治疗取得成功，他通过人工智能的深度学习代替心理医师对心理障碍的患者进行疏导和治疗，由于许多患者顾虑自己的隐私而不愿意对医师敞开心扉，因而更愿意和机器对话，因此具有更大的应用价值。 /p p 　　 strong 4 人工智能在“互联网+”医疗的应用 /strong /p p 　　微医是一个智能医疗服务平台，为用户提供预约挂号、在线咨询、远程会诊、电子处方、慢病管理、健康消费、全科专科诊疗等线上线下结合的健康医疗服务。近期，微医发布了面向中医的人工智能辅助诊治系统—悬壶台，目前该平台已覆盖 11 个市、300 家中医院、累计开方超 160 万张，已成为中国应用最广的“智能中医大脑”。 /p p 　　 strong 5 展望 /strong /p p 　　现在的人工智能尚处于弱人工智能时代，并不具备沟通的功能，因此，现在的人工智能更多地应用在类似图像识别辅助分析这样的不需要与患者进行深入沟通的领域，其他领域的发展仍然需要人工智能技术的继续完善。未来，人工智能将在医疗领域发挥重要作用，将改变医疗手段甚至医疗模式，并将推动医学发展，重塑医疗产业，同时也必将对部分医生的未来产生影响。相信人工智能将给未来医疗技术带来深刻的变化，是未来医学创新和改革的强大动力。 /p

11月8日，西安交通大学第一附属医院宣布：由该院联合四川大学国家生物医学材料工程技术研究中心与西安交大机械学院等共同研发的国内首款体外膜肺氧合设备（以下简称ECMO），于11月6日在西安成功救治了两名危重心血管病患者。　　ECMO被誉为“人工心肺”“救命神器”，是常规治疗无效时挽救严重心肺功能障碍的必要措施。西安交通大学第一附属医院袁祖贻、闫炀教授团队是国内从事ECMO临床应用与研究骨干科研力量。2017年，该研究团队联合四川大学国家生物医学材料工程技术研究中心张兴栋院士、王云兵主任团队、西安交通大学机械学院庄健教授团队及西安京工医疗科技公司针对ECMO设备全血液接触面长效抗凝涂层、磁悬浮离心泵、超声流量探头、程控监测系统及ECMO膜肺展开深入设计和研发，基本完成ECMO离心泵设备及全系列耗材的样品试制，幷进行了针对抗凝涂层的大动物实验。新冠疫情暴发后，研发团队充分分析比较国外同类产品的优缺点及临床使用存在的问题，设计出针对国内临床需求的国产化ECMO。研发中采用多目标优化和数值仿真方法获得离心泵流道最优设计方案，采用芯片化控制模式保证ECMO控制的精准性和长时间工作的安全性，采用仿生涂层新技术获得了比国外同类产品更优异的长效循环抗凝血效果。

晶状体如同人眼中的一个精密光学元件，可以让进入眼睛的光线投影并聚焦到视网膜上，形成清晰的影像，因此我们可以看到外部精彩的世界。晶状体的主要成份是蛋白质和水份，它会因为老化而出现雾化或混浊的情况，而雾化的晶体则会阻碍光线和影像投射到视网膜上。老年人常见眼疾白内障就是由于老化引起的，患者晶状体会变得浑浊，如同透过一层白色障碍物在看东西，极大影响到视力。而相关的药物治疗至今未取得突破性进展，人工晶体植入术是治疗白内障最有效的手段，即把已变得不透明的晶状体拿掉，换上人工晶状体，术后相当于给人眼重新更换了一个光学镜头，且手术安全有效。人工晶状体（Intraocular Lens）通常是由一个圆形光学部和周边的支撑袢组成，光学部的直径一般在 5.5～6 mm 左右，支撑袢的作用是固定人工晶体，可以是两个 C 型或 J 型的线状支撑袢，通常有硬质人工晶体、折叠人工晶体，单焦点/多焦点、黄色人工晶体等。 人工晶状体作为第三类医疗器械，透光率是必测指标。《YY 0290.2-2009眼光科学 人工晶状体 第2部分：光学性能及试验方法》规定了对于人工晶状体透光性能的要求，详见下表描述。标准要求每一型号的人工晶状体都应该给出在波长300nm-1100nm范围内对于光焦度为20D的人工晶状体的光谱透过率记录（例如记录在使用说明书或包装上）。 岛津基于标准《YY 0290.2-2009眼光科学 人工晶状体 第2部分：光学性能及试验方法》开发了透光孔径为φ3mm的人工晶状体测试附件，并针对多数人工晶状体特殊的支撑袢结构，设计了斜凹圆槽，人工晶状体装入后被准确固定在定位孔中。为了模拟晶状体在人眼中的实际状态，支架中可充入盐溶液代替房水，一般可采用0.9%NaCl的盐溶液。以下为对某品牌人工晶状体进行测试的结果。仪器配置如上图所示，即在岛津的紫外可见分光光度计UV-2600i上使用积分球附件，人工晶状体放置在样品侧的人工晶状体支架中，并预先充入盐溶液，同时在参比侧的支架中也注入盐溶液。为了考察测试重复性，对样品进行5次测量，每次测试需要拆开支架重新装样，以验证该人工晶状体支架对于样品定位的准确性。经过5次测试，可看到该支架具有优异的测试重复性。YY 0290.2-2009 标准要求“光谱透射比记录应表明人工晶状体在紫外线（UV） 部分的光谱被滤除，对于光焦度为20D的人工晶状体或同等物，以光谱透射比10%对应的波长作为UV截止波长时，该波长应不小于360nm”。当截止波长小于360nm，则说明人工晶状体不能有效阻挡紫外光。UV截止波长还可反映有害蓝光的透过情况，当小于360nm时，有害蓝光的透过率会变大，而过多的有害蓝光进入人眼视网膜中有可能会导致黄斑眼疾的发生。从上图测试结果得到此人工晶状体的UV截止波长为398nm，可满足行标的要求。 本文内容非商业广告，仅供专业人士参考。

p strong 　　李德毅 /strong /p p strong 　　中国工程院院士、中国人工智能学会理事长 /strong /p p 　　我们今天的科学家，尤其是计算机科学家，把‘计算’用得太狠了，对‘计算’的依赖甚至有些‘贪得无厌’了! /p p 　　人工智能学者不能只盯着计算认知，一味要求 人脑研究的步伐有多快，而要拿出更多的精力放在“记忆认知”和“交互认知”上。 /p p 　　关于自动驾驶，无论是对话、诗词或者驾驶，图灵测试都允许测试者现场介入，判定结果都带有近似性和主观性。但是，和对话、诗词测试相比，驾驶的图灵测试可以进行更为精确、更为客观的评测。 /p p 　　当初汽车被发明出来的时候，人们最感兴趣的是汽车的结构、机械、传动、轮胎、底盘和车身。到20世纪，人们感兴趣的则是发动机、碳排放和被动安全。到20世纪末、21世纪初，人们总体上关心3件事情，轻量化、清洁化、智能化。 /p p 　　智能化，有4个阶段，第一是理性辅助驾驶，以人驾为主 第二是自动驾驶，局部时段可以放开手和脚 第三是自动驾驶，即用自动驾驶接管驾驶权 第四是人机协同驾驶。 /p p 　　无人驾驶的重点，难在拟人。汽车是从马车演变而来，作为动力工具，汽车的马力可以达到100匹马力，但汽车远远不如马应对不同的负荷、天气、路面，以及不同车辆情况下的适应能力。说白了，汽车的感知、认知能力远远不如马这个认知主体，“老马识途，车不如马!” /p p 　　所以根本问题不在于车而在于人，要解决人的问题，就要让驾驶员的认知能够用机器人替代，让机器人具有记忆、决策和行为能力，于是新的概念产生了——“驾驶脑”。 /p p 　　“驾驶脑”不等于驾驶员脑，“驾驶脑”是要做驾驶员的智能代理，要去完成包括记忆认知、计算认知和交互认知在内的驾驶认知，他说，这应该是人工智能时代最有意义的课题之一。 /p p strong 　　蒲慕明 /strong /p p strong 　　中国科学院外籍院士、中国科学院神经科学研究所所长 /strong /p p 　　不管是国内还是国外，都是如此，不过随着研究手段不断丰富，研究领域不断突破，两者的交叉融合成为热点，甚至出现一个新的研究名词，类脑智能。美国、欧盟都相继启动相关研究计划，中国也启动了脑计划。但中国的计划是将脑科学和人工智能结合得最为紧密的。 /p p 　　比如，现在流行的深度学习，就是基于人工神经网络的一个应用，这些人工神经网络都可以从神经科学的一些规律中得到灵感。蒲慕明说，比如可以借鉴神经突触的可塑性、记忆储存、提取与消退，等等。 /p p 　　目前的脑科学研究能启发人工智能的并不是特别多。因为当前的脑科学研究，仅相当于物理、化学等学科在19世纪末期的研究水平，要完全理解大脑，可能是几个世纪的事情，而不是我们这个世纪就可以达到的。 /p p 　　对于类脑研究，必须要在这个时候做一些适当的应用，假如不把已经知道的知识应用到对脑疾病的诊断、干预和治疗上，那么到2050年我们的医疗系统很可能要面临崩溃——那时你会发现仍然没有一个脑疾病能够治愈。 /p p 　　对于人工智能的应用，不一定非要完全搞清楚，神经科学一些具有阶段性的成果，也可以给人工智能的发展提供启发。 /p p strong 　　谭铁牛 /strong /p p strong 　　中国科学院院士、中国科学院自动化研究所研究员 /strong /p p 　　“模式识别”是人类最重要的智能行为，也是人工智能重要的研究内容——机器的“模式识别”能力，在一定程度或者很大程度上反映了机器智能“类人”的程度。 /p p 　　比如语音识别，近些年突飞猛进的科大讯飞，能将维吾尔语翻译成汉语，汉语翻译成维吾尔语 再如步态识别，在看不到人脸、虹膜和指纹的时候，就能通过步态在几十米外感知到其身份。 /p p 　　此外，还有图像识别，其中具有代表性的人脸识别，早在几年前马云刷脸支付已经引爆舆论热点。图像识别不仅可以用在手机上，还可在查找丢失儿童上发挥作用。 /p p 　　关于模式识别的技术瓶颈，可通过借鉴生物的机理改进，未来生物启发的模式识别在人工智能领域前景可期。其最终追求，是希望模拟逼近人的模式识别，这是非常艰巨的过程。 /p p 　　目前，模式识别的主要瓶颈在于鲁棒性、自适应性和可泛化性。 /p p 　　关于鲁棒性，说白了，就是人工智能“够不够皮实”“是不是稍微有点扰动，就会出错”。比如在酒会上聊天，背景噪音比较多，如果想听清其中某一个人的声音，就要忽略或者抑制背景中其他对话的干扰——人类可以做到这一点，也就是听觉系统所谓的鸡尾酒效应，但人工智能可以吗? /p p 　　关于自适应性，则比较容易理解，人类的眼睛会随着灯光的变化、环境的变化进行调整，这说明自适应性非常强。这一点可以应用到人工智能上，比如人脸识别，有一位朋友十几年甚至几十年没见，再见面是否还能认出来?他说，现有的模式识别在这方面还不是很理想。 /p p 　　可泛化性，说白了就是“举一反三”。当小孩认识苹果后，即便只记住了一次，也可以识别其他类型的苹果，这说明人类看到一个东西后，不仅知其然，还知其所以然。而知其所以然，就是人工智能领域所说的“深度学习”。但目前的人工智能深度学习，必须建立在大量数据的基础之上，这一点也有待进一步研究。 /p p 　　要解决这3个问题，关键还是看人类本身，在微观层面上，人工智能的模式识别可借鉴人类的神经元，神经元有兴奋性、抑制性、功能可塑性和传播性。科学家受到这个启发，增强了模式识别动态系统的稳定性。 /p p br/ /p

最近，在科技圈最火爆的话题莫过于Sora的问世。作为首款文生视频模型，它能根据简单的文本指令生成一段视频影像，且细节丰富、画面真实。“这意味着人工智能已经在一定程度上理解了人类物理世界运行的规律，如果未来人工智能能够理解环境系统的物理规律，我们可以更好地解决环境问题。”清华大学环境学院副院长、生态环境人工智能研究中心主任、碳中和讲席教授徐明告诉中国环境报记者。人工智能应用的三个层次：资料库、助手、伙伴目前，人工智能，尤其是判断式的人工智能已经在生态环境领域有了相对广泛应用。徐明介绍，“判断式的人工智能也可以看作弱人工智能，例如通过机器学习形成的专用模型，能够对环境材料进行判断和预测。”比如，在大气污染方面，利用人工智能判断异常情况及预测未来污染的发展趋势；在固废管理方面，可以辅助进行垃圾分拣分类；在生物多样性保护方面，可以用于监测野生动物的栖息地和迁徙路径。“但是，强人工智能（生成式人工智能）在环境领域尚未普及，在其他行业也基本是同样的情况。”徐明解释，未来强人工智能不仅能实现将现实世界平移到虚拟世界，或许还能实现真正的世界模型功能，拥有和现实世界相同的动态运行规律。从弱人工智能到强人工智能，人工智能的应用具体可以分为几个层次？徐明给出的答案是三个。首先，第一个层次是问答式信息获取，类似于ChatGPT。徐明团队开发的天工AI Chat工具可以实现此项功能，通过提问可以获取专业的生态环境领域的知识。协助处理日常工作的事务，是人工智能应用的第二个层次。人工智能可以在某个领域帮助完成简单的日常工作任务，解放人力，减少时间成本。第三个层次便是自主理解并管理工作，人工智能可以自主理解和解决涉及若干个步骤的所有复杂事件。“当人工智能发展到第三层次时，它将会理解庞杂的环境系统，针对已经发生或可能发生的环境问题提出解决方案，对我们建设美丽世界发挥着关键作用。”徐明说。随着层级的不断提高，人工智能扮演的“角色”也从“资料库”向“助手”转变，直到成为和人类并肩作战的“伙伴”。在生态环境保护领域，人工智能也将是一股强大力量，为保护地球提供全新的可能性。人工智能在环境领域的发展：机遇与挑战并存不久前，国务院国资委召开“AI赋能 产业焕新”中央企业人工智能专题推进会。会议强调，要推动中央企业在人工智能领域实现更好发展、发挥更大作用。会议的召开也体现了人工智能是进一步推进高质量发展的未来趋势。那么，目前来看人工智能在生态环境领域还有哪些潜在应用？徐明介绍，“比如，成为产品绿色设计、环境管理、绿色供应链管理等业务助手；再比如建立环境管理虚拟实验室，进行难以在大尺度实地进行的实验等。”总的来看，人工智能在生态环境保护领域的应用前景广阔，它可以帮助提高工作的准确性，提升管理效率，但同时也不能忽视其中潜在的挑战和问题。“人工智能对生态环境领域知识的总结和梳理需要大量的数据资料，包括学术文章、教材书籍、统计公报以及专利信息，甚至具体到企业的环评报告等，如何筛选出高质量的资料用以人工智能的训练学习，是目前需要完成的事情。”徐明表示，随之而来的还有数据隐私和安全问题，对于不同级别的数据资料进行合理的分类及管理也是需要解决的问题之一。

仪器信息网讯 为推动生物医学及相关研究领域持续向前发展，加强学术交流，由中国物理学会光散射专业委员会主办，上海交通大学、武汉大学、上海师范大学和华中农业大学联合承办的第三届全国生物医学拉曼光谱学术会议于3月29日在上海召开。会议期间，近60位报告嘉宾在线分享，内容涵盖了拉曼光谱与单细胞分析、人工智能与拉曼光谱、拉曼光谱与生化传感分析、拉曼与生物医学其他相关、拉曼相关显微技术及生物成像、拉曼光谱与疾病诊断、等离激元纳米结构与新型SERS基底等相关内容。29日下午，会议安排了人工智能与拉曼光谱、拉曼光谱与生化传感分析两个主题，14位报告嘉宾现场分享。特别值得一提的是，“人工智能与拉曼光谱”成为本次会议的热议话题之一，吸引了各位专家、学者和厂商交流成果经验，引发热烈讨论。“人工智能”（Artificial intelligence, AI）自1956年正式命名，经过数十年的发展过程中，已经渗透到各个学科领域，成为引领科技发展的重要力量，并已在各行各业得到了广泛的应用。特别是近年来，国家对人工智能越来越重视，2024年政府工作报告指出，“深化大数据、人工智能等研发应用，开展‘人工智能+’行动，打造具有国际竞争力的数字产业集群”；不仅如此，国务院印发的《推动大规模设备更新和消费品以旧换新行动方案》中，也指出要建立激励和约束相结合的长效机制，加快淘汰落后产品设备，提升安全可靠水平，促进产业高端化、智能化、绿色化发展。那么当拉曼光谱携手人工智能，会碰撞出什么样的火花？又会给学科发展带来怎样的助力呢？厦门大学 任斌教授报告题目：《人工智能助力的拉曼光谱》厦门大学任斌教授在报告中介绍了课题组近年在利用人工智能方法提升拉曼光谱数据采集与分析能力方面所开展的研究。在数据采集阶段，他们提出一种学习仪器固有噪声的方法，以提高拉曼光谱的信噪比与时空分辨率。为了降低数据采集与训练成本，其课题组发展了只需输入单张谱图或者高光谱图像即可实现轻量去噪，无需额外准备训练集，使得深度学习的实时降噪成为可能。此外，为了提升拉曼光谱对复杂样本的识别能力，他们还发展了可同时提取光谱全局和局部特征的分类算法，能够实现对光谱细微差异的病原体囊泡的鉴定，为拉曼光谱用于快速诊断细菌感染奠定了基础。厦门大学 刘国坤教授报告题目：《人工智能+SERS快检》厦门大学刘国坤教授在报告中也分享了人工智能+SERS快检的相关工作。课题组开展了面向 SERS 快检的相关研究，提出了基于酸度系数的样品前处理方法。考虑到实际样品基质对目标分子的 SERS信号识别的严重干扰，他们提出了基于CNN 的深度学习算法。该方法与简单前处理方法结合，可以实现多种复杂基质中的痕量目标分子SERS信号的快速准确识别，检测灵敏度达到专家级用户水平，该工作将进有力推动 SERS快检实用化和智能化。中国科学院微生物研究所 傅钰研究员报告题目：《机器学习辅助拉曼光谱技术单细胞水平表征微生物》中国科学院微生物研究所傅钰研究员也在报告中谈到机器学习辅助拉曼光谱技术单细胞水平表征微生物方面开展的工作。他们通过逐一遮蔽光谱的理念建立了新型的微生物拉曼光谱特征峰提取算法(ORSFE)，可视化呈现了人工智能分析微生物拉曼光谱的关键位移峰，打破了人工智能鉴定过程的黑箱。中国科学院长春光学精密机械与物理研究所 李备研究员报告题目：《先进拉曼技术在生物医学领域的应用》中科院城市环境研究所 崔丽研究员报告题目：《基于单细胞拉曼的环境抗生素抗性及进化研究》中国科学院长春光学精密机械与物理研究所李备研究员在报告中也讲到基于人工智能与深度学习算法的拉曼光谱分析方法。中科院城市环境研究所崔丽研究员分享了该课题组发展的单细胞拉曼-统计算法连用新方法，以及拉曼结合深度学习高灵敏快速识别病原菌及囊泡等相关工作。除此以上报告之外，大会第一天下午还有多位报告嘉宾从不同角度分享了创新的工作，由武汉纺织大学沈爱国教授和中国科学院合肥物质科学研究院杨良保研究员分别主持。武汉纺织大学 沈爱国教授主持中国科学院合肥物质科学研究院 杨良保研究员主持华中农业大学 韩鹤友教授报告题目：《药物的纳米传递及其精准治疗应用》江南大学 谢云飞教授报告题目：《拉曼光谱在食品安全与质量控制中的应用》陕西师范大学 张正龙教授报告题目：《近场调控稀土发光》南京大学 龙亿涛教授报告题目：《纳米孔道限域增强的单分子测量》雅盖隆大学 Malgorzata Baranska教授报告题目：《SRS:Sensitive, Rapid and Specific Raman imaging of cells》吉林大学 徐抒平教授报告题目：《细胞膜蛋白相关的SERS分析技术》科研的进步，离不开仪器技术的助力。在下午的报告环节，多位仪器厂商的代表也在现场分享了最新的技术、仪器及解决方案。HORIBA中国 周磊博士报告题目：《守护美好生活-HORIBA生命科学解决方案》雷尼绍(上海)贸易有限公司 李兆芬报告题目：《雷尼绍拉曼光谱技术在生命科学领域最新进展》牛津仪器WITec 苏虹羊报告题目：《WITec高分辨快速拉曼成像赋能生医前沿科学研究》第一天的报告内容丰富多彩，各位报告嘉宾不仅给大家展示了最新的研究成果，更是从不同角度给大家提供了创新的科研思路。精彩还在继续，敬请期待……为了展现光谱产业化的最新成果，探讨人工智能对光谱新产业的影响，第十七届科学仪器发展年会（ACCSI2024，苏州，2024年4月17-19日）特别开设“人工智能赋能光谱仪器新产业”专题论坛。本次论坛将邀请行业知名专家及企业代表现场分享，欢迎各位领导、专家学者、用户、仪器企业管理及研发负责人、投融资机构代表等共聚一堂，为产业发展献计献策。本次论坛由中国仪器仪表学会近红外光谱分会、仪器信息网共同主办；会议时间：2024年4月19日 ；会议地点：苏州狮山国际会议中心。详细信息请查看ACCSI2024会议官网：https://www.instrument.com.cn/accsi/2024/index

对许多人来说，简称DNA的脱氧核糖核酸并不陌生，它是携带生命遗传密码的重要载体。但如今，即便如此重要的载体也能被人工合成的物质替代了。 　　英国医学研究委员会分子生物学实验室等机构的研究人员在最新一期美国《科学》杂志上发表报告说，他们人工合成了一种名为XNA的物质，在许多关键功能上可替代DNA，这对研究生命起源乃至“人造生命”具有重大意义。 　　DNA拥有双螺旋结构，由两条反向平行的多核甘酸链相互缠绕形成。打个简单的比方，这就像衣服上的拉链，由两个链条组成，每个链条上有用于相互咬合的链齿和承载链齿的布条。在DNA的链条中，链齿是一些碱基，而承载它们的支架由糖类和磷酸分子组成。 　　据研究人员介绍，XNA也能像DNA一样存储遗传信息。由于它所用的“链齿”，也就是碱基，和DNA中的一样，因此XNA链条和DNA链条之间还可互相结合，实现遗传信息的传递。 　　在实验中，研究人员将一个DNA链条上的遗传信息传递到XNA上，随后再传回另一个DNA链条，遗传信息传递的准确度高达95%以上。此外，如果满足一些前提条件，部分XNA聚合物在试管中还能如DNA一样进化成不同形态。 　　报告的作者之一菲利普霍利格说，上述实验结果说明XNA已拥有DNA的两个关键功能——遗传和进化。 　　由于人造的XNA在分子构成上与DNA并不完全相同，这说明DNA不一定是携带生命遗传密码的唯一载体。有观点因此认为，地球上的生物之所以都采用了DNA来携带遗传信息，是因为地球生命起源之初，环境中相应种类的分子数量较丰富。而在宇宙中其他地方，也许存在遗传方式不相同的生命形式。 　　这项研究还被认为是在“人造生命”道路上迈出的重要一步，不过有专家认为，人类使用XNA来人工编制遗传信息并创造一种新生命，还有很长的路要走。

从去年全国两会开始，“人工智能（AI）”就成为一个备受关注的热议话题，今年全国两会延续了这一热度。国务院总理李强日前在政府工作报告中多次提到人工智能，并提出开展“人工智能+”行动。对于“人工智能+”行动，接受《证券日报》记者采访的多位全国政协委员和人工智能相关企业普遍认为，“人工智能+场景创新”“人工智能+算力基础”“人工智能+法治建设”有望率先“动起来”。人工智能+场景创新推动大模型与数字化系统融为一体我国人工智能技术快速发展、数据和算力资源日益丰富、应用场景不断拓展，为开展人工智能场景创新奠定了坚实基础，当前人工智能技术已经在医疗保险、交通运输、智能制造、智能家居、教育等领域广泛运用。全国政协委员、上海移动总经理陈力对记者表示，要明确我国人工智能所要解决的技术、社会和经济发展等问题，在此基础上锚定我国人工智能的发展模式和方向。明确人工智能产业发展规划布局，集中资源投入上游基础层企业，解决中高端人工智能产品自主供应能力不足的问题。提升我国人工智能主管部门与其他部门的联动，自上而下地激发人工智能与各行各业的融合活力。全国政协委员、360集团创始人周鸿祎在接受《证券日报》记者采访时表示，中国发展人工智能大模型的一个重要方向是借助产业和场景的优势，将大模型与业务流程、产品功能相结合，寻求多场景应用、垂直化和产业化的落地。昆仑万维董事长兼CEO方汉向记者介绍，在交通物流行业，人工智能技术应用可以助力企业提升运输效率，降低全社会物流的成本；在文化旅游行业开发文化大模型，能够贯通各类文化机构的数据中心，充分挖掘文化数据的价值；在科技创新领域以科学数据支撑大模型的开发，可以更深入地挖掘各类科学数据和科技的文献应用。人工智能+算力基础建立全国一体化算力大市场从ChatGPT到Sora，从单模态到多模态，从单一智能到通用智能，人工智能大模型技术正在引领新一轮全球人工智能创新热潮，同时，大模型计算也带来了智能算力需求激增，随着“东数西算”工程推进，去年以来全国多地掀起了智算中心建设热潮。全国政协委员、天娱数科副总经理、山西数据流量生态园董事长贺晗在接受《证券日报》记者采访时表示，需要鼓励引导市场主体建设区域级、行业级、企业级等多层次智算聚合服务平台、算力并网平台，广泛汇聚多方算力资源，整合闲置算力，特别是各地政府主导建设智算资源，实现多地算力资源的共享和最优利用，减少投资浪费，增加有效供给。贺晗提出，健全算力调度标准规范体系，为算力资源供给方提供能力自查参考，同时为算力需求方提供算力调度能力使用参考，引导新建算力资源按统一标准建设及接入。全国政协委员、中国信息通信研究院院长余晓晖对记者说，要发挥全国超大规模市场优势，利用互联网发展成功经验，以算力先互联、再成网、构建大市场为主线，基于统一标识符实现多样性算力互联感知，通过弹性网络能力和标准化架构接口实现业务和数据流动互通，进而打造智能感知、高速弹性、安全绿色、先进普惠的算力互联网。人工智能+法治建设确保人类“守法”、机器“守德”去年7月份发布的《生成式人工智能服务管理办法》，促进生成式人工智能健康发展和规范应用；去年10月份发布的《全球人工智能治理倡议》，围绕人工智能发展、安全和治理三个方面系统阐述了人工智能治理的中国方案。全国政协委员、陕西省高级人民法院副院长巩富文对《证券日报》记者表示，我们应当以《全球人工智能治理倡议》为指引，全面整合相关法律、法规，形成“中国特色”人工智能伦理指南，建立科技伦理审查及负面清单准入、分级分类管理、协同监管等制度，确保人类“守法”、机器“守德”。巩富文建议设立新型财产权——“人工智能生成物者权”，认定其权利主体为人工智能生成程序的使用人，不仅可以明确生成物法律地位和归属，推动其进入相关产业链、价值链，激励人工智能生成物的创作传播和产业投资，还可以为侵权责任认定打下良好基础，降低人工智能生成物对现有创作市场的冲击，以达到激励人工智能生成物的生产传播与公共领域保留相平衡的目的。全国政协委员、金杜律师事务所高级合伙人张毅对记者表示，应该尽快推进《人工智能法》的制定和出台，以《人工智能法》及配套的监管工具为核心，形成完整的人工智能技术法律体系。全国政协委员、南方科技大学副校长金李对记者表示，我们在消费过程中，逐渐从现金支付到手机二维码支付，再到人脸识别支付，科技让我们的生活变得更加便捷高效，但这背后也面临着身份信息泄露和隐私安全风险，在科技的便利性和隐私保护之间，需要法律与监管尺度进行平衡，人工智能等新一代信息技术的发展，带来更多新的商业模式和应用创新，相关法治建设也要与时俱进。

自1913年第一次使用人工肾用于临床以来，经过大量的反复研究和改进，人工肾经历三个换代过程，在结构和功能上有显著的改进。 　　1944年，二战硝烟弥漫，这一年的下半年盟军挺进德国，罗斯福第四次当选美国总统。同年令医学界为之鼓舞的是，有“美国的诺贝尔奖”美誉之称、最具声望的生物医学奖——拉斯克医学奖获得者，美国犹他大学医师威廉• 考尔夫(Willem Kolff)发明了肾透析机。 　　 　　这与出现在世人面前，第一次被称为“人工肾”的时间过去了31年。1913年伦敦和荷兰的生理学大会上，展出的仅供动物使用的简单透析器，他的设计者阿贝尔(John Abell)给其取名叫“人工肾”。 　　 　　这一期间，有士兵因潮湿和寒冷而患“战壕性肾炎”，直至发展成尿毒症病死沙场 也有因各种原因导致的尿毒症病人，因医生束手无策而死去。直到年轻的威廉• 考尔夫医生与工程师玻克(Berk)使用塞璐芬膜，共同研制出第一台供临床使用的转鼓式人工肾，从此大大提高了透析效果。 　　我们为什么会关注一个小小医疗仪器的历史，因为这与人类自身疾病的发展息息相关，有数据统计显示，全世界每天约有10.6万个新增病人进入常规血液透析治疗，其中仅5%可望进行肾移植。当前，每年新增病例有大幅上升趋势，而中国慢性肾功能衰竭发病率为每年每百万人口50到100人，这一数据背后意味着，仅北京、上海每年会有4000例以上的患者进入透析队伍。 　　人工肾的大意义 　　众所周知，人体重要器官之一肾脏，担负着人体血液处理的重任。肾脏好比一个过滤器，血液通过肾动脉流入肾脏，经肾脏的过滤作用，把血液中的有毒物质、代谢产物和多余水分滤除，形成尿液排出体外，而经过滤的血液通过肾静脉回流至心脏。当肾功能衰竭时，急性慢性肾功能衰竭均可导致终末代谢产物和内源性毒性物质在体内潴留，水、电解质、酸碱平衡紊乱以及内分泌功能失调，从而引起一系列自体中毒症状，这一症状就是尿毒症。因此解决人体“自身中毒”的解决方式就需要血液透析机。 　　血液透析机又叫人工肾，一个小小的仪器，其中最主要的两个部分——生物人工血滤器和生物人工肾小管辅助，将主导人体血液在体外的一系列净化处理。血液从人体的动脉流出，经“人工肾”净化处理重新通过静脉流回到人体，这一过程帮助肾脏发挥除滤功能，但并不能完全替代肾脏的自我平衡、调节、代谢和内分泌功能。特别针对于慢性肾功能衰竭，及其他急性中毒等病状，如肝性昏迷、肝肾综合症、肝硬化顽固腹水等。 　　自1913年第一次使用人工肾用于临床以来，经过大量的反复研究和改进，人工肾经历三个换代过程，在结构和功能上有显著的改进，从标准平板型人工肾(KILL型透析器)演变到卷管型人工肾(COLL型透析器)，直至到现在的空心纤维型人工肾的出现，在未来临床阶段将会向小型化、移动化方向发展。 　　专注于医疗事业的日本企业旭化成医疗株式会社(以下简称“旭化成”)，于1974年生产出世界上第一支中空纤维透析器(人工肾)，得益于旭化成在纤维材料领域及医疗事业上的专注。旭化成是日本最大的中空纤维透析器生产商，占有日本市场近50%市场份额，也是世界最大中空纤维透析器生产商之一。 　　从病患角度考虑，肾脏移植是目前医学上公认的治疗肾脏衰竭的最好方法，因为移植到病人体内的肾几乎可以完全代替已衰竭了的肾脏的功能，从而让病人过上正常人的生活。 　　但实际情况并不如愿。根植“人工肾脏”领域四十年的专家——旭化成医疗指出，并非每位肾衰竭病人都有机会接受肾移植，这是因为可能没有适合的肾脏，或是因为脑死亡后的器官捐献者的数目远远低于需求者的数量。由于捐献者的肾脏必须同病人的身体相匹配，因此，病人要等到一个合适的肾脏进行肾移植需要很长的一段时间。 　　中国透析移植研究会主任委员唐孝达教授曾表示过，肾移植之后，移植器官一年内的存活率在90%左右，3-5年是60%-70%，十年的长期存活率在40%左右。 　　近年来，肾衰竭和尿毒症在人群中的发病率不断提高，人工肾脏受到越来越多的重视，在医学领域发挥着较强的实质性效用，许多医疗机构正试图将这些技术做到尽善尽美，帮助患者早日脱离病魔的折磨，开启医疗新篇章。 　　人工肾的“中国之路” 　　中国使用人工肾治疗尿毒症工作始于1953年，1957年、1958年先后在上海、天津使用进口人工肾进行医疗临床治疗，但中国各大城市大规模使用人工肾，则要追溯到上世纪80年代。 　　中国在人工肾的研究也有超过20年的历史，例如上海TX型人工肾、天津80-2型人工肾等，但这些作为平板型人工肾已被淘汰，目前医疗临床使用的多是已进口人工肾为主，生产厂商主要来自欧美和日本，如德国费森尤斯、贝朗，瑞典金宝、贝克尔，美国COBE、韦洛克，日本旭化成等。 　　在中国有良好口碑的旭化成医疗成告诉记者，其在中国的杭州装配工厂，结合从日本进口的产品面向中国医疗机构销售，特别是在High Flux膜受到很高的评价，对长期透析患者的生存质量改善上作出贡献。 　　相比国外近一个世纪的发展，人工肾的“中国行”才算刚刚起航，虽在国内临床医学领域得到了一定程度的使用和推广，但这条人工肾脏中国之路看起来并不顺畅。一方面受制于当前医疗改革的迟迟推进，另一方便更多在于高昂的医疗费用。 　　就目前来看，透析对大多数中国家庭而言是一笔非常昂贵的支出，患者家属可能很难承受如此大的经济压力，这也将成为医疗救助环节的一个极大瓶颈。2012年上演的“廖丹刻章救妻”故事，一度令中国网民为之动容，凄美爱情故事的背后，对病人及病人家属而言，这是一场“持久”的战争，来自患者每周两至三次的透析，以及金钱、时间、精力上的战斗。 　　旭化成医疗对于中国市场有着自己的看法，随着中国的经济的飞速发展、保险制度的不断扩大和完善，今后患者接受各种治疗的机会也将不断增加，关于透析这块，旭化成方面表示会多多参加地方中医医院的透析普及項目，帮助透析在中国的普及。 　　“人工肾脏今后的发展目标是更人性化，以人为本将会成为所有人工肾脏研发者的共同宗旨。”旭化成在其今后人工肾的发展上有清晰的目标。旭化成医疗表示，家庭疗法是新的研究方向，通过利用新兴学科来实现人工肾领域的全面改革。今后，患者在自己家中也能进行透析，无需再每周一次或两周一次地去医院挂号看病，这样也省去了患者的医疗支出，经济负担也能相对减轻。 　　旭化成方面还表示，他们正着手研发一种更能节省劳力的透析治疗方法，以人为本的医疗发展宗旨将会贯穿始终。他们认为，“健全的生命和医疗保障对于人们生活的重要性无可厚非，这也是人类的共同需求更是生命意义的所在。”

p 　　中国人工智能学会、国家工信安全中心、华夏幸福产业研究院等四大权威机构、历时半年完成该本重磅报告，从全新的角度阐述了中国 AI 产业和学术的创新现状。 /p p 　　《2018人工智能产业创新评估白皮书》由中国人工智能学会、国家工信安全中心、华夏幸福产业研究院、思保环球联合发布。 /p p 　　白皮书聚焦人工智能的使能技术与应用场景两个层面，基于论文、专利、人才、行业壁垒等多个维度，创新性地构建了人工智能产业创新评估体系，客观评价了当前人工智能产业的创新发展水平，为政府、企业、投资机构布局人工智能提供了借鉴和参考。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/0a3a11e3-a62a-4d56-940e-8c02731f2d87.jpg" title=" 01.jpg" alt=" 01.jpg" / /p p style=" text-align: center " strong 研究范围和评价体系 /strong /p p 　　随着人工智能迎来第三次发展浪潮，在全球主要国家的积极推动下，社会各界对人工智能的投入与期许空前高涨。构建科学客观的创新评估体系，准确评估当前人工智能产业的创新发展水平，对人工智能产业健康有序发展具有重要的现实意义。报告结合人工智能细分技术的发展和应用水平，聚焦语音交互、文本处理、计算机视觉和深度学习四项使能技术，以及交通、医疗、制造、安防、零售等八大重点应用场景，对人工智能产业创新水平进行了客观的评价。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/e7adc7d7-250c-470c-9a14-ce0c9b6599d9.jpg" title=" 02.jpg" alt=" 02.jpg" / /p p style=" text-align: center " strong 图 1 人工智能产业创新评估范围 /strong /p p 　　为客观分析四项核心使能技术和八个重点应用场景当前所处的发展阶段，报告基于现有学界产业创新评估的研究成果，结合人工智能产业的行业属性，采用定量和定性分析相结合，构建了科学客观的人工智能产业创新评估体系。体系下设使能技术就绪度指数和应用场景融合度指数两个一级评估指标，并在使能技术就绪度下设立了理论、应用、性能驱动力三个二级指标，在应用场景融合度下设立了资源、技术、数据、场景、环境驱动力五个二级指标。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/19326b91-7308-4a89-808f-e947bccd24df.jpg" title=" 03.jpg" alt=" 03.jpg" / /p p style=" text-align: center " strong 图 2 人工智能产业创新评估体系 /strong /p p strong 　　人工智能使能技术就绪度 /strong /p p 　　深度学习技术的发展，推动以语音交互、文本处理、计算机视觉为代表的人工智能快速发展，并在多个场景迅速落地。为客观评价以深度学习为代表的四项使能技术的发展水平，报告从理论研究、应用研究和技术性能三个维度进行了评估，分别计算出四项使能技术的就绪度指数。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/c1242858-0d8f-4a1c-84d4-1606e17b800b.jpg" title=" 03-1.jpg" alt=" 03-1.jpg" / /p p style=" text-align: center " strong 图 3 人工智能使能技术就绪度评估维度 /strong /p p 　　从使能技术就绪度指数来看，深度学习就绪度最高。作为人工智能的主流算法，深度学习就绪度最高(8.3)，经处于技术成熟期 计算机视觉(7.7)和语音交互(6.2)次之，处于技术应用的探索期，主要体现在以语音助手和医疗影像诊断为代表的产品已经逐渐进入实用阶段 文本处理则仍处于技术爬坡期，技术进展缓慢使其离真正实用仍存在较大距离。 /p p img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/930c05be-a40b-48cc-bc72-da298eb24a47.jpg" title=" 04.jpg" alt=" 04.jpg" / /p p style=" text-align: center " strong 图 4 人工智能使能技术就绪度指数 /strong /p p 　　从使能技术实际发展情况来看，深度学习和计算机视觉是布局重点。在理论研究(论文产出)方面，四项使能技术从2013年开始逐渐成为研究热点，其中深度学习是学界关注重点，其次是计算机视觉。语音交互和文本处理的论文产出增速较为平稳，但文本处理论文产出量和引用频次均为最低。在应用研究(专利申请)方面，计算机视觉和深度学习专利申请占比较高，但平均专利强度较低，专利布局仍处于起步阶段 语音交互专利申请比例低但平均强度较高，表明语音交互关注度呈现逐渐下降趋势。 /p p style=" text-align: center" img style=" width: 617px height: 328px " src=" https://img1.17img.cn/17img/images/201905/uepic/e8156869-318e-4c45-b498-c0b1782cfe87.jpg" title=" 06.jpg" width=" 617" height=" 328" / /p p style=" text-align: center" img style=" width: 605px height: 316px " src=" https://img1.17img.cn/17img/images/201905/uepic/09863951-a378-42c6-bc6a-8dd5d06bdd2d.jpg" title=" 05.jpg" width=" 605" height=" 316" / /p p style=" text-align: center " strong 图 5 人工智能使能技术实际发展情况 /strong /p p 　　从中美两国使能技术发展水平来看，美国四项使能技术的理论研究和应用研究均大幅领先于中国。在理论研究方面，中美文本处理领域的差距最小，深度学习领域差距最大 在应用研究方面，深度学习领域的差距最小，语音交互领域的差距最大。具体来看，美国四项使能技术的论文影响力和平均专利强度要远高于中国，中国论文和专利“多而不强”的局面依然存在。同时我们还发现，中国四项使能技术专利申请量均居首位，特别是相关研发机构近三年活跃度较高，超过54%的专利均在近三年申请。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/054caf0c-259b-4eba-acaa-8edc0e3ec037.jpg" title=" 07.jpg" alt=" 07.jpg" / /p p style=" text-align: center " strong 图 6 中美两国使能技术发展水平对比 /strong /p p 　　从使能技术人才分布来看，美国人工智能领域四项使能技术相关的高端人才遥遥领先于其他国家。统计发现，美国人工智能高端人才超过1.3万，中国不足0.5万，与美国相比差距悬殊。从细分技术领域来看，计算机视觉相关的高端人才占比最高，达38%，其中美国5432人，中国1892人。从中国人工智能使能技术研发人才分布来看，北京、广东、江苏、上海和浙江五省市人才优势明显，其中北京、广东人工智能研发人才超过万人。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/9c3a5e84-d27a-410b-a814-837ea5335cf8.jpg" title=" 08.jpg" alt=" 08.jpg" / /p p style=" text-align: center " strong 图 7 全球人工智能使能技术人才分布 /strong /p p 　　 strong 人工智能应用场景融合度 /strong /p p 　　随着以深度学习为代表的使能技术的发展，大量科技企业从特定的行业或场景出发，推动人工智能使能技术与行业加速融合，提供差异化的新产品、新服务和解决方案，形成了丰富的“AI+”应用场景，成为人工智能产业快速发展的重要驱动力。本报告从资源、技术、数据、场景和环境五个驱动力维度对八个“AI+”场景进行了评估，分别计算出了八大应用场景的融合度。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/bbb7b813-c24b-40a9-baeb-8e8760e7d967.jpg" title=" 09.jpg" alt=" 09.jpg" / /p p style=" text-align: center " 　 strong 图 8 人工智能应用场景融合度评估维 /strong /p p 　　从应用场景融合度指数来看，人工智能与各行业依然处在人工智能融合的早期。根据应用场景融合度指数显示，汽车(3.9)、医疗(3.8)和家居(3.7)是人工智能融合度相对较高的三个场景 零售(3.5)、机器人(3.3)和安防(3.2)次之 制造(3.0)和教育(2.8)融合度指数较低。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/fd163fcd-8227-4366-a819-b308fdfc0442.jpg" title=" 10.jpg" alt=" 10.jpg" / /p p style=" text-align: center " strong 图 9 人工智能应用领域融合度指数 /strong /p p 　　从应用场景的融合实际情况来看，汽车、医疗、家居是布局重点。在技术驱动力方面，人工智能在各个领域的专利申请自2014年开始爆发式增长，其中汽车和医疗领域增长明显，而教育和零售领域增长相对缓慢。在资源驱动力方面，人工智能的研发机构和研发人才主要集中在汽车、医疗、家居领域，从事零售、教育的人工智能研发机构和人才相对较少。结合近三年专利申请情况来看，专利布局重点更是主要集中在汽车、医疗、家居和安防领域，人工智能与机器人的融合则是新的应用热点。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/4980be83-78d8-4f80-b336-bf9b46ff65c5.jpg" title=" 11.jpg" alt=" 11.jpg" / /p p style=" text-align: center " strong 　　图 10 人工智能专利在各应用场景的分布 /strong /p p 　　从全球应用场景融合整体水平来看，美国应用融合优势明显。在八大应用领域中，美国人工智能研发人员数量占据一半左右，而中国各领域人工智能研发人员普遍偏少。在专利申请量方面，除医疗领域外，中国的专利申请规模均超过美国，特别是在机器人和制造两个领域专利优势明显。在专利申请强度方面，美国大幅度领先中国，中国专利质量仍有待提升。具体到应用场景来看，美国医疗领域人工智能专利规模和强度优势显著，中国机器人和制造领域人工智能专利申请实力具有一定的优势。 br/ /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/4ccb8ba2-bb21-4366-bd70-c1941763d2e6.jpg" title=" 12.jpg" alt=" 12.jpg" / /p p style=" text-align: center " 　 strong 　图 11 中国人工智能应用领域研发实力对比 /strong /p p 　　从应用场景融合的主要瓶颈来看。高质量数据缺乏、行业壁垒高、应用场景不清晰是当前人工智能与行业深度融合的主要瓶颈。从数据积累程度来看，汽车、医疗和机器人三个领域具备一定的数据优势，而家居和制造两个领域数据积累明显不足。从数据开放程度来看，汽车、教育和机器人三个领域数据开放程度较高，而医疗和制造两个领域数据开放程度相对较低。从场景介入壁垒来看，医疗、制造的行业壁垒较高，人工智能企业较难进入。 /p p br/ /p p img style=" width: 654px height: 344px " src=" https://img1.17img.cn/17img/images/201905/uepic/f565c015-ce97-4aac-833e-0b198b1b4f26.jpg" title=" 14.jpg" width=" 654" height=" 344" / /p p img style=" width: 655px height: 354px " src=" https://img1.17img.cn/17img/images/201905/uepic/e2406269-5aef-4a27-82ec-e7e09c9244ed.jpg" title=" 13.jpg" width=" 655" height=" 354" / /p p style=" text-align: center " 　　 strong 人工智能产业发展水平评价 /strong /p p 　　通过使能技术和应用场景融合情况评价，我们可以发现，人工智能整体发展仍处于初级阶段。从使能技术发展来看，深度学习已经成为当前主流的人工智能算法，是目前理论研究的重点方向 深度学习技术已处于成熟期，并越来越多地应用到各种实际场景中，也逐渐显现出一定的发展瓶颈 计算机视觉和语音交互尚处于技术应用初期，两项技术均开始在不同的场景中尝试应用落地 而文本处理仍处于技术爬坡期，技术进展缓慢。从应用融合来看，基于报告对应用场景发展阶段的划分，目前人工智能在汽车、医疗、家居、零售、机器人和安防行业处在融合的培育期，而在制造和教育行业仍处在融合的萌芽期。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/ed712604-8970-40d5-9286-4ecfbda3ff66.jpg" title=" 15.jpg" alt=" 15.jpg" / strong 人工智能产业发展研判与展望 /strong /p p strong 　　01 /strong /p p strong 　　使能技术 /strong /p p 　　语音交互。语音交互技术存在对大规模数据依赖性强，远场识别准确率低、复杂场景识别效果欠佳等技术瓶颈，特别是语义理解技术尚未真正突破严重制约着语音交互技术的规模化商用。语音交互下一步将重点提升在远场识别尤其是复杂环境下的识别率，而智能家居无疑仍然是语音交互技术应用探索的最佳场景。 /p p 　　文本处理。场景、学习和数据获取是文本处理技术面临的主要困难，增强学习、视觉语言融合、联合学习将是未来文本技术的主要突破方向。发展中的文本处理技术将率先渗透到数字化程度高、政策和社会性障碍低、个性化元素强的行业。 /p p 　　计算机视觉。计算机视觉的瓶颈在于复杂程度高、鲁棒性低、数据匮乏和算力成本过高。计算机视觉的发展重点在于利用非监督学习和迁移学习方法降低数据依赖，提升算法试用领域，并实现与文字、语音技术的深度融合。 /p p 　　深度学习。深度学习依赖于多层神经网络下的梯度下降和随之而来的大量参数不断优化，但是多层梯度下降后的结果是非线性的和非凹的，深度学习方法的有效性难以得到理论证明。未来深度学习的发展方向主要是对深度学习机制的理解和实际模型的借鉴性研究。 /p p strong 　　02 /strong /p p strong 　　应用场景融合 /strong /p p 　　AI+汽车。以无人驾驶为主导的智能汽车是人工智融合度较高的应用场景，传统的汽车行业将被新的技术和商业模式所革新。但智能汽车的发展依然面临着车辆软硬件技术、人工智能算法、以及政策和商业化不成熟等多重挑战。 /p p 　　AI+医疗。快速发展的智能医疗领域已经出现虚拟助手、辅助诊疗、智能影像、药物研发、精准医疗等多种新实践。底层医疗数据的数量质量参差不齐、复合人才体系缺乏、医疗行业应用场景磨合难度大、行业壁垒高等都制约着人工智能技术的深度应用。 /p p 　　AI+家居。人工智能与家居的融合是当前业界探索的重点。人工智能在交互、决策和服务三个层面优化、提升家居产品性能。产品价格高、用户隐私保障难、语音识别率低、互联互通难等是智能家居发展面临的主要挑战。 /p p 　　AI+零售。人工智能助力零售行业线上线下深度融合，并带来消费场景的进一步延伸，全面提升了用户消费体验。当前，基于应用场景的技术提升和可靠性存在挑战。另外，如何有效打通C端和B端是智能零售行业亟需解决的难题。 /p p 　　AI+机器人。人工智能推动机器人从机械化迈向智能化。智能机器人在工业和服务领域逐渐成为人类重要助手，如协助机器人、物流机器人及公共服务机器人等。但受制于人机交互、环境感知和机器学习等技术水平限制，目前机器人智能化程度依然较低。 /p p 　　AI+安防。人工智能在安防行业处于探索应用阶段。智能安防以算法、算力、数据作为发展的三大要素，在产品落地上主要体现在视频结构化、生物识别、物体特征识别三个方面。人工智能将推动安防行业逐渐向城市化、综合化和主动化方向发展。 /p p 　　AI+制造。人工智能从研发创新、质量控制、故障诊断、运营管理等多个方面，推动制造业转型升级，是实现智能制造的核心驱动力。然而制造业与人工智能的融合仍处于培育期。缺乏高质量行业数据、企业计算能力不足、通讯标准无法协调是实现人工智能与制造业深度融合的主要障碍。 /p p 　　AI+教育。人工智能技术应用于教育领域，可有效改善教、学、练、作业、测评、管理等多个环节，实现合理配置教育教学内容，科学实施因材施教。高质量的学习轨迹数据缺乏和技术本身尚未成熟，造成人工智能和教育领域的融合程度远落后于其他行业。 /p

近期，“人工淀粉”的新闻火爆全网。中科院天津工业生物技术研究所经过6年技术攻关，在国际上首次实现了二氧化碳到淀粉的从头合成。不依赖植物光合作用，设计人工生物系统固定二氧化碳，合成淀粉，“喝西北风”从一句笑谈变成了现实，这一成果被国际学术界认为将是影响世界的重大颠覆性技术。人工合成淀粉火爆全网的背后是合成生物技术的强力支持，可以称得上是合成生物学巨大的进步，也是人类开启“造物”时代的一个标志性事件。　　01 合成生物学开启“造物”时代　　合成生物学也被称为“工程生物学”，旨在阐明并模拟生物合成的基本规律，设计并构建新的、具有特定生理功能的生物系统，从而建立药物、功能材料、能源替代品等的生物制造途径。合成生物学的主要研究内容分为三个层次：一是利用现有的天然生物模块构建新的调控网络并表现出新功能 二是采用从头合成方法人工合成基因组DNA 三是人工创建全新的生物系统乃至生命体。合成生物学是生命科学在21 世纪新的分支学科，打开了从非生命的化学物质向人造生命转化的大门，为探索生命起源与进化开辟了崭新的途径。作为科学界的新生力量，合成生物学进展迅速，并已在化工、能源、材料、农业、医药、环境和健康等领域展现出广阔的应用前景。　　举例来看，合成生物学能利用大肠杆菌生产大宗化工材料，摆脱石油原料的束缚 利用酵母菌生产青蒿酸和稀有人参皂苷，降低成本，促进新药研发 工程菌不“误伤”正常细胞，专一攻击癌细胞 创制载有人工基因组的“人造细胞”，探究生命进化之路 利用DNA储存数据信息并开发生物计算机… … 　　在我国，2006年合成生物技术的研究就被列入了国家863计划，在“十三五”期间也将合成生物技术列为“构建具有国际竞争力的现代产业技术体系”所需的“发展引领产业变革的颠覆性技术”之一 麦肯锡咨询公司将合成生物技术评价为未来的十二大颠覆性技术之一 2014年，美国国防部将其列为21世纪优先发展的六大颠覆性技术之一 英国商业创新技能部将合成生物技术列为未来的八大技术之一。　　2021 年上半年，合成生物学领域融资达到 120 亿美元，同比增长 4 倍。医疗保健领域吸引了合成生物学最大份额的投资，承担了合成生物学的大部分转化和商业化。一方面扩大了治疗药物的制造能力，另一方面也为更多患者带来了治愈的希望。　　●合成生物学彻底改变了一些高需求小分子药物的生产，例如微生物生产青蒿素和大麻素，以取代传统的植物来源。美国科学家曾成功构建人工细胞工厂生产青蒿素，100立方米工业发酵罐的产能就相当于5万亩的农业种植，大幅降低了生产成本和对自然资源的依赖。　　●使用冷冻干燥的无细胞系统以便携式、按需的方式生产治疗分子：从小分子、短肽到抗体结合物和疫苗。　　●促进了一类新的基于细胞的疗法和基因疗法的发展。除了基因替代疗法之外，CRISPR-Cas系统可以对遗传病进行精确的基因编辑。　　●改造免疫细胞的能力也正在扩大到T细胞以外，包括NK细胞和巨噬细胞。　　●为肠道微生物的改造提供了工具：一方面，可以设计改造对人体有益的细菌，让它们生产人体自身不能合成的维生素等营养物质 另一方面，可以设计出感知肠道环境变化的“智能微生物”，对人体内的健康状态进行检测和诊断。　　●抗击新冠肺炎疫情中，合成生物学技术发挥了重要作用，利用DNA条形码技术改进测序流程、利用基因编辑技术开发核酸诊断试剂，提高诊断的准确性和灵敏度。　　●利用合成生物学技术还可以寻找潜在的小分子药物、开发疫苗，以及通过调节人体微生物组来激活人体免疫系统，提高人体抗病毒能力。　　●基于合成生物学的智能细胞疗法，利用合成生物学的控制技术，做智能化、可控化的细胞疗法或基因疗法。”　　02 从追赶到引领 国内企业加速布局　　从产业链布局的角度来看，合成生物学的公司可以分为两类：一类是实现从基因编辑到产品落地的全产业链公司，既有合成生物学技术储备，又有市场化产品落地 另一类是以服务为主，提供基因编辑和细胞工厂的研发型公司，业务以提供合成生物学技术支持为主，产品以代工厂生产为主。从盈利模式来看，全产业链布局的公司中短期内有望通过替代化学法更快实现盈利 而以服务为主的研发型公司将在合成生物学行业生态建立起来后，通过更高效专业地为大量代工企业服务获利。截止目前，国外从事合成生物学领域的公司已经近 500 家，国内相关领域的公司也多达数十家。　　凯赛生物　　2020年8月12日，凯赛生物在科创板上市，成为国内合成生物第一股。凯赛生物着重于新型生物基材料的研发、生产与销售，主要产品为生物法长链二元酸系列。凯赛生物在此次公开发行中合计募资55.6亿元，所募资金将用于提升公司生物法长链二元酸、生物基聚酰胺产品的品类和产能，完善公司在聚酰胺产业链的布局。　　博雅辑因　　博雅辑因成立于2015年，司是一家以基因组编辑技术为基础，为多种遗传疾病和癌症加速药物研究以及开发创新疗法的生物医药企业。博雅辑因拥有以基因编辑技术为中心的四大平台，正致力于推动针对遗传疾病和肿瘤的研发项目进入临床。四大平台包括针对造血干细胞和T细胞的体外细胞基因编辑治疗平台，基于RNA单碱基编辑技术的体内基因编辑治疗平台和致力于靶向药物研发的高通量基因组编辑筛选平台。同时，博雅辑因于2018年在广州南沙区建立了符合GMP标准的临床转化应用基地。　　蓝晶微生物　　蓝晶微生物基于合成生物技术进行分子与材料创新，致力于设计、开发、制造和销售新型生物基分子和材料，包括在所有自然环境中均可自发完全降解的生物材料PHA、可有效缓解焦虑的功能饮料成分、补偿人体常见代谢缺陷的新型功能益生菌、医美及美妆赛道的功能成分等。蓝晶微生物前不久完成了4.3亿元人民币B2轮融资。6个月内，蓝晶微生物B系列的融资总额已超过6亿元人民币。　　传奇生物　　传奇生物于2020年6月5日正式在美国纳斯达克上市，本次上市发行定价为23美元/ADS(美国存托股份，每份ADS代表8股A类普通股)，总计发行1842.5万ADS，总募资金额超4亿美元。传奇生物是一家肿瘤细胞免疫疗法研发商，研发了CD38和BCMA靶点治疗多发性骨髓瘤的CAR-T疗法，利用自身免疫细胞，经体外基因改造后重新注射回病人体内，并利用这种强化过的免疫细胞精准靶向，杀死肿瘤细胞，主要用于治疗血癌和淋巴癌。　　百葵锐生物　　百葵锐生物成立于2019年，致力于合成生物学技术在医药高效生物合成。公司基于蛋白精准设计和蛋白分子机器技术的全态链合成生物学平台，以实现生物医药、生物材料的创新、高效、绿色制造。百葵锐生物团队通过搭建蛋白精准设计和蛋白分子机器技术平台，专注于皮肤功效护肤，罕见代谢病，宠物肠道健康治疗等领域，用基因编辑等合成生物学技术手段，针对影响人类身体健康的有害细菌或有害毒素进行靶向性治疗。

p 　　国家新一代人工智能创新发展试验区(以下简称试验区)是依托地方开展人工智能技术示范、政策试验和社会实验，在推动人工智能创新发展方面先行先试、发挥引领带动作用的区域。根据科技部印发的《国家新一代人工智能创新发展试验区建设工作指引》，到2023年，我国将布局建设20个左右试验区，创新一批切实有效的政策工具，形成一批人工智能与经济社会发展深度融合的典型模式，积累一批可复制可推广的经验做法，打造一批具有重大引领带动作用的人工智能创新高地。 /p p 　　3月9日，科技部发布4份函，支持重庆、成都、西安、济南建设国家新一代人工智能创新发展试验区的函。去年，科技部曾发函支持北京、上海、天津、深圳、杭州及德清县、合肥建设试验区，如今这一队伍壮大至11个地区。 /p p 　　科技部的回函中针对性地点出了这几个地区的人工智能产业基础和希望着力发展的方向，也正是这些地方产业发展的机会所在： /p p 　　 strong 重庆:发挥人工智能在重庆市建设西部大开发战略支点和国家中心城市中的重要作用，有力推动成渝地区双城经济圈创新发展。 /strong 发挥产业链优势，提升人工智能对经济社会发展的支撑能力。充分发挥重庆在人工智能领域产业基础良好、应用场景丰富、基础设施健全等优势，加大人工智能研发部署力度，聚焦智能制造、智慧城市重点领域加强技术集成和应用示范。培育壮大人工智能硬件、机器人等产业，充分发挥人工智能在传统工业基地改造升级中的作用。开展智慧旅游、智慧物流、智慧交通、智慧生态保护应用示范，打造具有山城特色场景的智慧城市。 /p p 　　 strong 成都:充分发挥人工智能在推动成都产业转型升级和民生改善中的重要作用，有力推动成渝地区双城经济圈创新发展。 /strong 依托重大应用场景和科教资源，加强人工智能研发创新。充分发挥成都在人工智能领域应用场景多元、科教资源丰富等优势，加强人工智能基础研究和前沿技术研发，完善智能化基础设施，优化人工智能创新空间布局，在智能空管、普惠金融、智慧医疗等场景加强应用示范，培育以行业融合应用为引领的人工智能新业态新模式，推动构建开放型产业体系。 /p p 　　 strong 西安:发挥人工智能对西安高质量发展的支撑引领作用，有力促进“一带一路”建设。 /strong 充分利用科教优势，加强人工智能关键技术突破和应用。发挥西安在智能感知处理、智能交互等方面的研发基础和人才优势，强化人工智能基础前沿和关键核心技术研发，完善人工智能孵化服务体系，积极拓展应用场景，在先进制造、文创旅游、商贸物流等方面形成一批有效的行业解决方案，打造创新驱动发展的新引擎。 /p p 　　 strong 济南:发挥人工智能在推动济南市新旧动能转换中的重要作用，整合科技和产业资源，增强人工智能创新能力。 /strong 发挥济南人工智能应用场景丰富、算力基础和数据资源雄厚等优势，加强人工智能技术研发攻关，完善智能化基础设施，加大成果转移转化力度和产业集聚，推动人工智能在制造、农业、交通等重大场景中的创新应用，促进传统产业智能化转型升级，培育壮大新动能。 /p

p 　　2017年6月2日到4日，全国疑难及重症肝病大会在北京召开，本次主题为“疑难及重症肝病的时代”，有近2000位国内外代表与专家参会。该会议是我国肝胆病领域学术水平最高、规模最大、影响力最强的盛会之一。本届大会由首都医科大学附属北京佑安医院副院长、中华医学会肝病学分会主任委员段钟平教授担任大会主席。大会吸引了将近两千位从业者参与，数万人在线观看直播。 /p p 　　在4日的会议上，医疗领域人工智能领军企业Airdoc创始人张大磊发表了题为《人工智能在医疗领域的展望和局限》的演讲中，其中提到“未来15年人工智能将在医疗领域发挥重要”的观点，引起了众多参会人员的极大兴趣。 /p p 　　 strong 人工智能将在医疗领域发挥重要作用 /strong /p p 　　以去年AlphaGo战胜李世石为导火索，人工智能这个词已经出现在街头巷尾，到如今AI+已经开始覆盖各个领域，医疗就是主要领域之一，很多专家认为，医疗将会成为人工智能最先落地的领域，在本届全国疑难及重症肝病大会上同样出现了医疗人工智能的影子。 /p p 　　张大磊在演讲中表示， 过去15年软件的兴起，改变了我们的生活习惯，同时也造就了很多伟大的公司，比如亚马逊成为了世界最大的图书商、谷歌成为了世界最大的营销平台、领英成为了世界上最大的猎头公司，软件改变了世界 而接下来的15年，人工智能将在医疗领域发挥重要作用。 /p p 　　纵观技术发展趋势，以2012年AlexNet的出现是一个分水岭，AlexNet 在当年的ImageNet图像分类竞赛中，top-5错误率比上一年的冠军下降了十个百分点，人工智能开始了飞速的发展，如今人工智能已经被应用到了各个领域。 张大磊认为接下来15年人工智能将在医疗领域发挥重要作用。 /p p 　　 strong 人工智能在医疗领域的应用 /strong /p p 　　最近几年，人工智能图像识别技术快速发展，在某些特定领域已经超过人类。医学影像是疾病诊断的个主要路径之一，因此通过机器读取医学影像成为了一个热点，无数的科研工作者已经对此展开了广泛的研究，同时也产出了众多的高分科研论文。 /p p 　　整个医疗行业复杂程度高，涉及知识面广，人工智能可以在多个环节发挥作用。比如：医学影像识别、生物技术、辅助诊断、药物研发、营养学等领域，目前应用最为广泛的当属医学影像识别。 /p p 　　张大磊介绍，目前人工智能在医学影像识别的应用上主要有三种方法：分类，检测和分割。分类可以将有病和正常的医学影像区分开来 检测可以识别出病灶并用框框出来 分割可以将病灶轮廓分割开来。每一种方法可以解决不同需求的问题。 /p p 　　张大磊透露，如今Airdoc已经在肺结节、乳腺癌、冠脉斑块、皮肤癌、眼底病和病理等领域取得了诸多成果。 /p p 　　 strong 模型训练的局限 /strong /p p 　　张大磊表示，未来想象力巨大的医疗人工智能，在模型训练上依然有很大的局限。 /p p 　　比如数据标注，人工智能学习疾病的过程就像我们上学时候学习知识，一定要保证课本的准确，数据标注的质量完全决定了算法的准确性，专家分开标注数据，取最终的共同部分可以尽量保证数据准确性。 /p p 　　现在的人工智能尚处于弱人工智能时代，并不具备沟通的功能，因此现在的人工智能更多的应用在类似图像识别辅助分析这样的不需要和患者进行深入沟通的领域，其他的领域的发展仍然需要人工智能技术的继续完善。 /p p 　　训练的数据集也是一个问题，样本量越大，模型学习的东西就越多，容错率也就更大，可以排除很多的干扰，这对于实际应用是一个巨大的前提。 /p p 　　本次大会主席段钟平教授是我国著名的重症肝病、疑难肝胆病诊断与治疗专家，张大磊对医疗人工智能的看法受到了段教授的肯定。 /p p 　　段教授表示，随着医学的发展，过去一些诊断不了或者不容易诊断的疾病，现在可以诊断出来了，这对于患者来说是一个巨大的利好。而人工智能的出现，可以为医生提供巨大的帮助，让医生工作更加轻松，最终使得病人受益。 /p

2024年，人工智能(AI)技术在仪器研发领域展现出了前所未有的深度融合和广泛渗透。AI不仅为仪器研发带来了新的设计理念和研发模式，更重要的是赋予了仪器更强大的功能和智能化水平，推动了整个行业的技术进步和效率提升。通过深度学习、计算机视觉、自然语言处理等先进算法，AI赋能了仪器研发的自动化、智能化和高效率，为科研和工业生产带来了革命性的变革。　　AI驱动的智能制造　　实时质量监控与自动化调整　　AI系统可以实时监测生产过程中的各种参数和指标，及时发现异常情况并自动采取措施，确保产品质量符合标准。例如，AI可以通过分析来自传感器的数据流，识别与正常运行状态的偏差，提前预警潜在的质量问题。一旦发现问题，AI可以自动调整工艺参数，如切削速度、温度、压力等，从而避免不合格品的产生。　　工艺优化与参数调整　　基于AI的工艺优化技术可以分析海量的生产数据，识别影响产品质量的关键因素，并自动调整最佳的工艺参数组合，提高生产效率和产品质量。例如，AI可以通过对切削速度、进给速度、刀具类型等参数对加工质量的影响进行建模，从而实现对这些参数的自动优化，达到提高加工精度和一致性的目的。　　缺陷检测与分类　　利用计算机视觉和深度学习技术，AI可以自动检测和识别仪器产品表面的各种缺陷，如划痕、污染、图案偏差等。这比传统的人工目视检查更加高效、准确，可大幅提高产品的合格率。深度学习模型可以从大量标注的图像数据集中学习，熟练区分正常产品和有缺陷的产品，实现高精度的自动缺陷检测。　　预测性维护　　通过监测仪器设备的运行数据，AI可以预测设备可能出现的故障和异常，从而提前进行维护和保养，减少停机时间，确保设备处于最佳状态，间接提高产品质量的稳定性。例如，AI可以分析传感器数据，识别出设备性能的下降趋势，提前发出维护警报，减少维修成本。　　AI赋能数据分析与建模　　数据驱动的设计优化　　AI可以通过模拟和预测分析，帮助研发团队更快地迭代和优化产品设计。例如，在医疗仪器研发中，AI可以分析大量的医疗数据，包括病历、影像数据和临床试验结果，从中发现新的诊断和治疗模式，为仪器设计提供依据和建议。　　需求预测与资源配置　　AI技术在需求预测和资源配置方面也发挥着重要作用。AI算法能够分析历史数据，识别资源利用率模式，并基于此预测未来的资源需求。这样研发团队就可以提前调配资源，避免资源浪费或短缺。同时，AI驱动的资源调度系统能够根据项目需求、员工技能等因素，自动生成最优的资源分配方案，提高资源利用效率。　　材料科学与生物领域应用　　2024年，AI在材料科学和生物领域的应用取得了突破性进展，推动了科学发现和创新。例如，AI助力高内涵成像系统的发展，开启了类器官研究的新纪元。通过AI算法，研究人员可以从复杂的生物数据中提取有价值的信息，优化成像系统的性能和应用场景，为生物技术和制药研发提供了强大支持。　　多模态AI系统与自动化　　多模态人机交互　　多模态AI系统能够处理文本、图像、语音等多种形式的数据，为仪器的设计和使用带来了新的交互方式。例如，AI可以通过语音识别和自然语言处理技术，帮助用户更方便地操作和控制仪器。在医疗诊断中，AI可以结合患者的病历、影像数据和语音描述，提供更全面的诊断支持。　　实验室自动化　　AI推动了实验室自动化的发展，实现了无人值守的实验室操作。机器人可以执行样品准备、实验操作、数据分析等任务，而AI系统则负责实验设计、结果解释和报告生成。这极大提高了实验室的工作效率和准确性。例如，卡内基梅隆大学研发的"合作科学家"AI工具能够自主设计、规划和执行复杂的科学实验，显著加快了科学研究的进程。　　智能制造与自动化　　AI在智能制造和自动化方面的应用将显著提升仪器研发的效率和精度。通过AI驱动的自动化系统，研发团队可以实现全天候的实验室自动化操作，减少人工干预，提高数据采集和分析的速度。例如，AI可以在药物研发中使用全基因组、原子分辨率仪器和机器人技术，建立海量医疗数据集，加速药物发现过程。　　质量控制与缺陷检测　　实时质量监控　　AI系统可以实时监测生产过程中的各种参数和指标，及时发现异常情况并采取措施，确保产品质量符合标准。例如，AI可以通过分析来自传感器的数据流，识别与正常运行状态的偏差，提前预警潜在的质量问题。一旦发现问题，可以及时调整工艺参数，从而避免不合格品的产生。　　自动化缺陷检测　　利用计算机视觉和深度学习技术，AI可以自动检测和识别产品表面的各种缺陷，如划痕、污染、图案偏差等。这比传统的人工目视检查更加高效、准确，可大幅提高产品的合格率。深度学习模型可以从大量标注的图像数据集中学习，熟练区分正常产品和有缺陷的产品，实现高精度的自动缺陷检测。　　工艺优化与参数调整　　基于AI的工艺优化技术可以分析海量的生产数据，识别影响产品质量的关键因素，并自动调整最佳的工艺参数组合，提高生产效率和产品质量。AI可以自动调整多种参数，包括切削速度、温度、压力、流量、生产速度、设备设置等，确保产品质量的稳定性和一致性。　　预测性维护　　通过监测仪器设备的运行数据，AI可以预测设备可能出现的故障和异常，从而提前进行维护和保养，减少停机时间，确保设备处于最佳状态，间接提高产品质量的稳定性。例如，AI可以分析传感器数据，识别出设备性能的下降趋势，提前发出维护警报，减少维修成本。　　质量数据分析与持续改进　　AI可以对历史的质量数据进行深入分析，挖掘影响质量的潜在因素，为制定质量改进措施提供依据。同时，AI也可以从质量数据中学习，不断优化质量控制策略。通过利用历史工艺数据，AI可以帮助企业识别出影响质量的根本原因，并制定针对性的改进措施，实现持续改进。　　降低生产成本　　自动化与智能化　　AI技术可以自动化生产流程，减少人工干预，从而降低人力成本。例如，柯尼卡美能达使用高分辨率机器视觉系统与AI相结合，在汽车流水线上进行漆面瑕疵检测，确保产品质量的同时降低了生产成本。　　此外，AI可以通过预测性维护技术，提前识别设备故障并进行预防性维护，减少停机时间和维修成本。例如，AI驱动的预测性维护系统可以分析传感器数据，预测设备何时可能发生故障，从而主动进行修复，最大限度地降低成本。　　优化资源配置　　AI可以优化资源配置，确保资源的高效利用。例如，AI系统可以根据项目需求、员工技能和可用资源，自动生成最优的资源分配方案，减少资源浪费。　　在供应链管理中，AI的应用可以显著降低成本。通过生成式AI技术，企业可以优化采购、库存管理和物流，减少库存积压和物流成本。例如，AI可以预测装配线资产需求，优化库存水平，并提出高效的存储和运输路线。　　提高生产效率　　AI可以通过分析生产数据，优化生产流程，提高生产效率。例如，AI可以在生产过程中实时调整参数，确保每个产品都符合质量标准，从而减少废品率和返工成本.此外，AI可以优化工厂的能源使用，降低能耗。例如，西门子利用AI算法创建工厂的数字孪生，监控设备性能，优化生产计划，并调整能源使用模式，从而减少能源相关的成本。　　降低研发成本　　AI可以通过高效的数据分析和模型构建，减少研发时间和成本。例如，AI可以分析大量的实验数据，识别出最优的实验条件和参数，减少实验次数和成本.同时，AI推动实验室自动化，实现无人值守的实验室操作，减少人工成本。例如，AI可以自动执行样品准备、实验操作和数据分析等任务，提高实验室的工作效率和准确性。　　降低硬件成本　　AI可以帮助开发低成本的高性能设备。例如，中国香港大学的研究人员利用现成硬件和AI技术，开发出低成本的超低场核磁共振成像设备，其性能堪比高端仪器，但成本大大降低。　　供应链优化　　需求预测与库存管理　　AI可以通过分析历史数据和实时数据，提供更准确的需求预测。这有助于优化库存管理，减少库存积压和缺货情况。例如，AI可以基于销售管道、营销线索、市场趋势、经济前景和季节性销售趋势等内部和外部信号，预测需求变化，从而帮助制造商平衡库存水平与持有成本.AI驱动的库存优化系统可以评估物料数量，推荐最佳的仓库布局，加快库存存取速度和运输速度。通过规划理想的路线，AI可以加速库存运输，提高履行率，减少库存相关的成本。　　供应链可见性与风险管理　　AI可以处理大量数据，提供供应链的全面可见性。这包括实时监控供应链中的各个环节，识别潜在的瓶颈和低效问题，从而提高整体供应链的效率和透明度.同时，AI可以预测供应链中的潜在风险，如设备故障、物流中断等，并提前采取措施进行缓解。例如，AI可以通过分析传感器数据，预测设备的维护需求，减少停机时间和相关成本。　　自动化与智能化　　AI可以自动化许多供应链管理任务，如订单处理、库存管理和物流调度。这不仅提高了效率，还减少了人工错误。例如，AI可以自动生成和优化生产计划，确保资源的高效利用.AI可以通过动态路线优化、管理交付时间窗口、优化燃油消耗和负载能力利用率等方式，提高物流配送的速度和质量。这有助于减少运输成本和时间，提高客户满意度。　　供应商管理与采购优化　　AI可以根据财务指标、经营风险、履约能力等建立供应商画像，进行供应商推荐和评估。这有助于企业选择最合适的供应商，降低采购风险和成本.AI可以自动分析供应商报价、市场行情和历史价格，快速核定合理的价格区间，帮助企业科学控制采购成本，提高采购效率和质量。　　质量控制与维护　　AI可以在制造过程中实时监控产品质量，及时发现并纠正缺陷，确保产品的一致性和可靠性。例如，AI可以通过计算机视觉技术检测产品表面的缺陷，提高质量控制的效率和准确性.AI可以通过预测性维护技术，提前识别设备故障并进行预防性维护，减少停机时间和维修成本。这在复杂的制造环境中尤为重要，可以显著提高设备的整体效能.总的来说，AI在优化仪器研发的供应链方面提供了全面的解决方案，从需求预测、库存管理到物流调度、质量控制和风险管理，显著提高了供应链的效率和灵活性，降低了运营成本。　　质量控制　　AI在仪器研发中可以通过以下几个方面提高质量控制：　　缺陷检测与分类　　利用计算机视觉和深度学习技术，AI可以自动检测和识别仪器产品表面的各种缺陷，如划痕、污染、图案偏差等。这比传统的人工目视检查更加高效、准确，可大幅提高产品的合格率。例如，深度学习模型可以从大量标注的图像数据集中学习，熟练区分正常产品和有缺陷的产品。通过迭代训练和验证，模型可以适应不同类型的缺陷模式，实现高精度的自动缺陷检测。　　实时质量监控　　AI系统可以实时监测仪器生产过程中的各种参数和指标，及时发现异常情况并采取措施，确保产品质量符合标准。例如，AI可以通过分析来自传感器的数据流，识别与正常运行状态的偏差，提前预警潜在的质量问题。一旦发现问题，可以及时调整工艺参数，从而避免不合格品的产生。　　工艺优化　　基于AI的工艺优化技术可以分析海量的生产数据，识别影响产品质量的关键因素，并自动调整最佳的工艺参数组合，提高生产效率和产品质量。例如，AI可以通过对切削速度、进给速度、刀具类型等参数对加工质量的影响进行建模，从而实现对这些参数的自动优化，达到提高加工精度和一致性的目的。　　预测性维护　　通过监测仪器设备的运行数据，AI可以预测设备可能出现的故障和异常，从而提前进行维护和保养，减少停机时间，确保设备处于最佳状态，间接提高产品质量的稳定性。　　质量数据分析　　AI可以对历史的质量数据进行深入分析，挖掘影响质量的潜在因素，为制定质量改进措施提供依据。同时，AI也可以从质量数据中学习，不断优化质量控制策略.总的来说，AI为仪器研发的质量控制带来了自动化、智能化和高效率的解决方案，有助于提高产品质量、降低不合格品率、减少人工成本，推动仪器制造业的质量水平不断提升。但同时也需要注意AI系统的可解释性、可靠性等问题，保证质量控制的科学性和安全性。　　分析和利用历史工艺数据，提高质量控制　　AI通过分析和利用历史工艺数据，可以显著提高质量控制的效果。以下是具体的方式：　　预测性维护和预防性措施　　预测设备故障　　AI可以通过分析历史工艺数据，预测设备何时可能发生故障，从而提前进行维护，避免生产中断。例如，AI算法可以分析传感器数据，识别出设备性能的下降趋势，提前发出维护警报，减少停机时间和维修成本。　　预防性质量控制　　通过利用历史数据，AI可以识别出生产过程中可能出现的质量问题，并在问题发生之前采取预防措施。例如，AI可以分析过去的生产数据，识别出哪些工艺参数与产品缺陷相关，从而优化这些参数，减少缺陷的发生。　　实时监控和自动化调整　　实时质量监控　　AI系统可以实时监控生产过程中的各种参数和指标，及时发现异常情况并采取措施，确保产品质量符合标准。例如，AI可以通过分析实时数据流，识别与正常运行状态的偏差，提前预警潜在的质量问题。　　自动化工艺调整　　基于历史数据的分析，AI可以自动调整生产工艺参数，以确保产品质量的一致性。例如，AI可以在生产过程中实时调整温度、压力、速度等参数，确保每个产品都符合质量标准。　　数据驱动的决策支持　　数据分析与模式识别　　AI可以分析大量的历史工艺数据，识别出影响产品质量的关键因素和模式。例如，AI可以通过机器学习算法，发现哪些工艺步骤容易导致质量问题，从而优化这些步骤，提高整体质量控制水平。　　提供决策支持　　AI可以为质量管理人员提供数据驱动的决策支持，帮助他们做出更明智的决策。例如，AI可以根据历史数据，预测未来的质量趋势，建议改进措施，优化生产计划和资源配置。　　提高检测精度和效率　　自动化缺陷检测　　利用计算机视觉和深度学习技术，AI可以自动检测和识别产品表面的各种缺陷，比传统的人工目视检查更加高效、准确。例如，AI可以从大量标注的图像数据集中学习，熟练区分正常产品和有缺陷的产品。通过迭代训练和验证，模型可以适应不同类型的缺陷模式，实现高精度的自动缺陷检测。　　提高检测效率　　AI驱动的自动化检测系统可以显著提高检测效率，减少人工干预。例如，AI可以在生产线上实时监控产品质量，及时发现并纠正缺陷，确保产品的一致性和可靠性。通过使用高清高速摄像机和深度学习算法，AI系统能够快速处理大量图像数据，实时检测并分类缺陷，从而提高生产线的整体效率。　　持续改进和优化　　持续监控和改进　　AI可以持续监控生产过程中的数据，识别出新的质量问题，并不断优化质量控制策略。例如，AI可以通过分析实时和历史数据，发现新的质量问题，并提出改进建议，帮助企业实现持续改进。通过不断学习和调整，AI系统能够适应生产环境的变化，保持高效的质量控制。　　数据驱动的质量改进　　通过利用历史工艺数据，AI可以帮助企业识别出影响质量的根本原因，并制定针对性的改进措施。例如，AI可以分析过去的质量数据，发现哪些因素导致了质量问题，从而优化这些因素，提高整体质量水平。数据驱动的质量改进不仅提高了产品质量，还减少了生产成本和资源浪费。总的来说，AI通过分析和利用历史工艺数据，可以显著提高质量控制的效果，减少缺陷率，提高生产效率，降低成本，帮助企业实现更高的质量标准和客户满意度。　　自动调整多种参数　　AI在质量控制中可以自动调整多种参数，以确保产品质量的稳定性和一致性。以下是一些具体的参数和调整方式：　　工艺参数　　切削速度和进给速度　　在数控系统中，AI可以通过分析切削速度、进给速度等工艺参数对加工质量的影响，自动调整这些参数以提高加工效率和质量。例如，通过优化切削速度和进给速度，可以减少刀具磨损，提高表面光洁度。　　温度、压力和流量　　在化工生产过程中，AI可以监测和调整温度、压力、流量等参数，以确保工艺的稳定性和产品质量。例如，AI可以通过实时数据分析，检测潜在的问题或异常情况，并自动调整这些参数以最大程度地提高产量和质量。　　湿强度化学品剂量　　在造纸行业，AI驱动的自动控制系统可以调节湿强度化学品的剂量，确保湿张力质量参数达到目标粘附程度。这种自动调整可以减少误差率，提高产品的一致性。　　生产控制参数　　生产速度和设备设置　　AI可以根据实时生产数据，自动调整生产速度和设备设置，以优化生产效率和产品质量。例如，AI可以在生产过程中实时调整设备的运行参数，确保每个产品都符合质量标准。　　质量特性参数　　AI可以分析生产控制参数与最终产品质量特性之间的关系，自动推荐和调整最优的工艺参数。例如，AI可以在生产过程中实时调整参数，以最小化质量特性的波动，确保产品质量的稳定性。　　设备运行参数　　设备维护和保养参数　　AI可以通过预测性维护技术，提前识别设备故障并进行预防性维护，自动调整设备的运行参数以延长设备寿命和减少停机时间。例如，AI可以根据设备的运行数据，自动调整维护计划和保养参数，确保设备始终处于最佳状态。　　传感器和监控系统参数　　AI可以优化传感器和监控系统的参数设置，以提高数据采集的准确性和实时性。例如，AI可以根据生产过程中的变化，自动调整传感器的灵敏度和监控系统的阈值，确保数据的准确性和及时性。　　质量检测参数　　检测标准和阈值　　AI可以根据历史质量数据和实时检测结果，自动调整质量检测的标准和阈值。例如，AI可以在检测过程中实时调整检测标准，确保每个产品都符合质量要求。　　检测频率和方法　　AI可以根据生产过程中的质量波动，自动调整检测频率和方法。例如，AI可以在质量波动较大的时候增加检测频率，确保及时发现和纠正质量问题。总的来说，AI在质量控制中可以自动调整多种参数，包括工艺参数、生产控制参数、设备运行参数和质量检测参数。这些自动调整不仅提高了生产效率和产品质量，还减少了人工干预和操作错误，推动了制造业的智能化和自动化。　　结论　　2024年，AI在仪器研发中的应用将继续深化和扩展，推动各行业的技术创新和效率提升。AI技术不仅提高了研发过程的自动化和智能化水平，还为新一代仪器的设计和优化提供了强大的数据支持和分析能力。通过自动化生产流程、预测性维护、优化资源配置、提高生产效率和降低研发成本，AI显著降低了生产和运营成本。此外，AI在质量控制中的应用，通过自动调整多种参数，提高了产品质量和生产效率，减少了人工干预和操作错误，推动了制造业的智能化和自动化。总的来说，AI为仪器研发带来了革命性的变革，推动了各行业的技术进步和效率提升。未来，随着AI技术的不断发展和应用的深入，仪器研发将迎来更加智能化和高效化的新时代。　　参考资料　　1. 罗东亮, 蔡雨萱, 杨子豪, 章哲彦, 周瑜, & 白翔. (2022). 工业缺陷检测深度学习方法综述. 中国科学: 信息科学, 52(6), 1002-1039. doi:10.1360/SSI-2021-0336. Retrieved from http://scis.scichina.com/cn/2022/SSI-2021-0336.pdf　　2. 材料导报. (2022, November 30). Retrieved from http://www.mater-rep.com/CN/10.11896/cldb.20070136　　3. Google Patents. (2022, November 30). Retrieved from https://patents.google.com/patent/CN111445471A/zh　　4. Alicona. (2022, November 30). Retrieved from https://www.alicona.com/cn/publications/lectures/automatic-defect-detection-measurement-with-ai　　5. 自动化学报. (2022, November 30). Retrieved from http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190811　　6. Charmve. (2022, November 30). Retrieved from https://github.com/Charmve/Surface-Defect-Detection/blob/master/ReadmeChinese.md　　7. 畅游2024年人工智能趋势、预测和可能性. (2024, April 25). Retrieved from https://www.thepaper.cn/newsDetail_forward_26088967　　8. Oracle. (2024, April 25). Retrieved from https://www.oracle.com/cn/scm/ai-supply-chain/　　9. IA Library. (2024, April 25). Retrieved from http://lib.ia.ac.cn/news/newsdetail/68723　　10. CSIA-JPW. (2024, April 25). Retrieved from http://www.csia-jpw.com/UserFiles/Article/file/6384005594877351547983703.pdf　　11. Deloitte. (2024, April 25). Retrieved from https://www2.deloitte.com/content/dam/Deloitte/cn/Documents/technology-media-telecommunications/deloitte-cn-tmt-2024-ai-computing-industry-trends-outlook-zh-231225.pdf　　12. Deloitte. (2024, April 25). Retrieved from https://www2.deloitte.com/content/dam/Deloitte/cn/Documents/strategy/deloitte-cn-strategy-ai-application-cases-zh-211220.pdf　　13. Arrow. (2024, April 25). Retrieved from https://www.arrow.com/zh-cn/research-and-events/articles/how-ai-is-changing-manufacturing　　14. DFCFW. (2024, April 25). Retrieved from https://pdf.dfcfw.com/pdf/H3_AP202312041613222300_1.pdf

实现更优的用户向导和便利的操作，显著缩短您的实验时间 蔡司推出全新的人工智能样品识别系统，可实现更优的用户向导和便利的操作。搭载人工智能样品识别系统的蔡司倒置显微成像系统Axio Observer简化了样品目标区域的寻找，显著缩短了实验时间。对于科研人员来说，它提供了一种完全不同的显微成像系统的操作方式，大大提高工作效率和易用性。您可以得到更有效的指导，操作更少的步骤，并且可以更直观地浏览样品，分析更多类型的样品。 人工智能样品识别系统可以识别样品载体，自动检测并寻找样品区域。这加快了样品定位的过程，特别是半透明或无法用肉眼看到的样品。将样品放在装载位置上后，人工智能样品识别系统会将其移动到物镜上进行后续成像步骤，再无需手动操作显微镜。即使是非常低对比度的样品，也能自动聚焦，在几秒钟内拍摄到高对比度的概览图像，实现快速便捷的自动检测并寻找样品区域。各种类型的样品都能被智能可靠地识别。而且通过其深度学习算法，人工智能样品识别系统甚至可以检测到一些独特的感兴趣区域。 人工智能辅助蔡司Axio Observer开启实验蔡司人工智能样品识别系统自动完成整个装载样品过程、自动聚焦并自动识别有效样品区域 配备了人工智能样品识别系统和光切片成像Apotome 3的蔡司Axio Observer 在生命科学研究中，一个好的概览图像是进行进一步详细分析的基础，以确保所有区域可以直接定位和显微成像。人工智能样品识别系统省去了耗时费力的手动操作步骤，将显微成像时间从几分钟缩短到几秒钟。由于对样品进行区域扫描和识别时，特殊设计的阵列式探照器只需短暂的照明样品，这降低了样品的光毒性。在实验过程中，整个系统还可以进行远程控制，灵活性很高。全新结构照明光切成像组件Apotome 3 在对较大样本进行荧光成像时，非焦平面的杂散光往往会使图像模糊，从而降低对比度和分辨率。使用全新蔡司Apotome 3，让消除非焦平面杂散光变得简单而高效。蔡司Apotome 3 可以自动识别物镜放大倍数，将与之匹配的栅格移动到光路中，利用结构照明，将栅格结构投影到样品的焦平面上，消除样本非焦平面的杂散光，再通过蔡司特有的算法生成更清晰锐利的光学切片图像，无需任何手动操作步骤。与传统荧光宽场显微镜相比，蔡司Apotome 3显著提高了轴向分辨率，并为宽场显微镜增加了光切成像功能，即使是较厚的标本也能进行3D渲染。除了支持已有的反卷积算法外，Apotome 3还支持直接处理软件模块，用户可以在数据采集后直接看到最终图像处理结果。关于蔡司 蔡司是全球光学和光电领域的先锋。蔡司致力于开发、生产和行销测量技术、显微镜、医疗技术、眼镜片、相机与摄影镜头、望远镜和半导体制造设备。凭借其解决方案，蔡司不断推动光学事业的发展，并促进了技术进步。公司共有四大业务部门：工业质量与研究、医疗技术、视力保健/消费光学和半导体制造技术。蔡司集团在40多个国家/地区拥有30多座工厂、50多个销售与服务机构以及约25个研发机构。更多信息请访问蔡司官网。蔡司研究显微镜解决方案 蔡司研究显微镜解决方案是光学、电子、X射线和离子显微镜系统的一站式制造商，并提供相关显微镜的解决方案。产品组合包括生命科学和材料研究以及工业，教育和临床实践有关的产品和服务。该部门的总部设立在耶拿。其他生产和开发基地位于奥伯科亨，哥廷根和慕尼黑，以及英国剑桥、美国马萨诸塞州皮博迪和美国加利福尼亚州普莱森顿。蔡司研究显微镜解决方案属于工业质量和研究部门。

OTT SLD 固定式多普勒流量计在人工渠道上的应用背景介绍人工渠道作为连接自然河道的补充部分，对于水资源运送和调度起到很大的作用。渠道按用途可分为：灌溉渠道、动力渠道（用于引水发电）、供水渠道、通航渠道和排水渠道（用于排除农田涝水、废水和城市污水）等。了解这些渠道内部的水流量对于反映当地水资源的可利用量以及利用效率尤为重要。本案例为南方某市水务局为监测其市内主要的排水渠及景观河的流量情况，使用OTT SLD固定式多普勒流量计在若干个重点监测区域实现24小时在线流量监测，监测渠道内部流量变化情况，掌握各个渠道水资源动态变化特征的基本信息数据，为防洪排涝和水资源调度提供依据。应用情况 OTT SLD固定式多普勒流量计被安装于人工渠道侧岸之上，侧岸呈垂直状，使用可提拉式滑动支架固定于石质基质上，安装在固定位置进行测量，非测量时段可以提出水面进行仪器维护清洁。岸上集成自动监测的附属设备包括太阳能板、电池、控制器、数据采集器、通讯模块和视频监控等，流量计通过水下电缆与这些设备连接，监测数据通过移动网络上传至客户数据中心查看下载。OTT SLD固定式多普勒流量计通过确定河岸形状进行流量率定得出最终流量值。定时进行设备维护和清洁，以提供精确数据。本案例中OTT SLD固定式多普勒流量计进行24小时连续的流量实时监测，了解市内水资源运移情况调配水量。自动监测无需人工现场操作，节省人力成本。 优势特点§ 无人值守监测§ 方便维护且维护量小§ 同时获得流速、水位、流量数据§ 流量率定方式简便快捷 总结 本案例中的SLD固定式多普勒流量计进行24小时在线实时测量，安装于人工渠道(排水渠、景观河)河岸平直区域流量有代表性的地点，除流量数据外，还可同时得到流速和水位数据，便于客户了解渠道内水量情况，为客户监测域内水资源状况提供帮助。本站点数据变化规律稳定可靠，得到客户认可，可以很好的反映监测区域内的流量情况。

p 　　对普罗大众来说，谈起医学检验大家也许只想象到，发烧等身体不适时在医院做的检验。然而，在医学界，检验是一项专门的学科，而且对医生的诊断和治疗起着极其重要的作用。同时，在我国大健康战略下，国内第三方医学检验研究领域正在高速发展。坐落于广州国际生物岛的金域医学是全国领先的第三方医学实验室集团，他们将大数据、人工智能等新一代信息技术加速融入到医学检测上，目前其检测项目达到2500多项，是目前国内提供检验项目较全的医疗机构之一，年检测标本超5000万例，相当于40个大型三甲医院的年标本检验数量。 /p p 　　今年6月我国首批罕见病目录公布，当中有121种疾病纳入该目录当中。这份目录意义重大，业界指出，目录的出台将提高药企对罕见病的研发积极性，加快罕见病药品上市进程。专家表示，采用了大数据、人工智能等新一代信息技术的智慧检验，可助力罕见病的诊断、预防以及“孤儿药”的研发。另外，基因测序更为精准医疗“打下”夯实的基石。 /p p 　　数据回顾 /p p 　　全国首份121种罕见病检测数据 /p p 　　累计检出3万例阳性样本检测数据 /p p 　　基因及基因组技术检出的阳性标本数达2万余例 /p p 　　色谱质谱及酶学方法检出的阳性标本数为6000余例 /p p 　　创建具广州特色的 /p p 　　检验检测大数据研究院 /p p 　　数据与医学检验的关系密不可分，在医学检验的“大概念”中则是包含了病例数据和检验数据。一般而言，一个大型的医学检验机构每年都会检测并积累庞大的数据，而这些检测数据更是覆盖了人类生命的每个周期。 /p p 　　作为全国领先的第三方医学实验室集团，金域医学每年的标本量就超5000万。5000万是一个怎样的概念?金域医学首席科学官于世辉博士表示，广州有十多家大型的三甲医院，以上的检测量相当于40个三甲医院的年标本检验数量。检测数据可为疾病防治提供依据，“面对如此庞大的数据量，最重要的是，如何把这些庞大的数据量转化成科学的数据，依靠这些科学的数据去判断或者预测”。 /p p 　　2009年，宫颈癌被列入我国“两癌筛查”项目，全国开始对农村妇女实施宫颈癌筛查。宫颈细胞学检测是指通过采集脱落细胞进行制片观察，从而判断宫颈是否存在病变。截至目前，金域团队在过去近十年时间累计做了约3400万筛查标本，这个数据量相当于中国人群宫颈癌筛查量的约15%。 /p p 　　筛查是为了科学的诊断、预防，不仅如此，多年来筛查所积累的数据更可增进对国内宫颈癌流行病学现状的了解。实验室通过对这些数据进行科学的统计分析后发现，中国女性感染HPV病毒的亚型和欧洲群体有不同。 /p p 　　于世辉博士进一步解释，我国在进行子宫颈癌疫苗的生产，疫苗是针对不同的HPV亚型，感染的亚型不同，疫苗所起到的作用、针对性也不同，利用大数据科学分析就能知道真正中国人群主要感染的HPV亚型有哪些，未来如何指导厂家去开发疫苗，专门针对中国人比较常发或者多发的亚型来进行疫苗研发。 /p p 　　全媒体记者了解到，刚过去的9月，金域医学与我国科技巨头华为达成战略合作，双方在第三方检验、病理诊断和基因分析的信息化、自动化和智能化，以及智慧城市、智慧医疗建设方面开展深度合作。也就说，这些庞大的检测数据、病例数据未来将会传送到“云端”，一方面可大大提升存储数量级，另一方面利用云计算的特性，加快其运算速度以及便于数据“共享”。 /p p 　　尽管目前医学检验的大数据在部分疾病的研究上已获得阶段性成果，但专家坦言，目前的数据仍不足够大，更需要的是上升到国家层面，因为许多数据都必须国家来主导。更重要的是打破数据壁垒，每个医院、大学、研究所都有自身的数据库，且数据的标准不一致，导致了“共享”时会出现问题。因此，未来数据如何有效地打通，是需要考虑的问题。 /p p 　　日前，国务院印发了《关于促进和规范健康医疗大数据应用发展的指导意见》，金域医学正式创建具有广州特色的“精准医疗”检验检测大数据研究院。其所依托的是，覆盖全国90%以上的人口所在地区、年服务医疗机构22000多家和超5000万例年标本量，包括全国不同地域、不同民族、不同年龄层次的海量医疗检测样本数据。 /p p 　　 strong 人工智能可辅助医生 /strong /p p strong 　　对病情进行诊断 /strong /p p 　　拥有了具规模的数据库，利用人工智能对样本进行筛查，甚至诊断是AI+医疗发展的一个大方向。去年，央视节目《机智过人》中，人工智能和15名来自全国三甲医院、有着15年工作经验、阅片量在20万张以上的医生“过招”，结果是人工智能获胜。 /p p 　　据了解，金域医学实验室早在四年前已将AI“带入”到检验领域中。在四年前，实验室与香港应用科学研究院建立了合作的关系，通过该研究院研发的软件进行子宫颈癌的初筛。如接收到一万份子宫颈癌样本，实验室利用人工智能，把其中确定正常的样本排除，剩下的是“软件”看得不太清楚或可能有病的。随后，再让医生来进行诊断。相比传统方式，这大大地降低了病理医生的工作量。实际上，当下人工智能在医学检验上主要是对样本的初步筛查。于世辉博士认为，即便未来，人工智能也是无法取代病理医生，它更多的是帮助病理医生减少工作量。 /p p 　　然而，医疗是一个相当宽广的领域，在部分疾病诊断例如眼病、肺炎等，人工智能发展得相对较快。今年2月，广州市妇女儿童医疗中心基于深度学习开发出一个能诊断眼病和肺炎的人工智能系统，该研究成果以封面文章登上当月的世界顶级期刊《细胞》。据了解，这项人工智能成果能根据影像资料，给医生提出诊断建议，并解释判断的依据。比对实验发现，该系统在诊断眼疾的准确率达96.6% 在区分肺炎和健康状态时准确率达92.8%。数据显示，从一张胸部CT上找到肺结节，一名经过训练的医生平均需要3~5分钟，而依靠人工智能则仅需3~5秒。 /p p 　　据透露，金域医学已与我国人工智能“大咖”张康教授以及南方医院的侯凡凡院士进行合作，将人工智能“融入”大数据，尝试对膜性肾病进行研究。当下，人工智能已从病理，包括细胞病理的子宫颈癌、组织病理的肺癌和肾脏系统疾病，延伸到基因测序及微生物检测等，比如幽门螺旋杆菌。 /p p 　　“目前在医疗领域中，人工智能仍是单独针对一个项目、一个领域，希望未来能把病理与基因整合在一起，再把其他的大数据融合，最后真正地实现病理和检测的智能化。”于世辉表示。 /p p 　　放眼全球，IBM、谷歌、微软等科技巨头近年都在布局人工智能医疗。如IBM Watson能快速筛选癌症患者记录，为医生提供可供选择的循证治疗方案 谷歌在糖尿病、神经性疾病诊疗等研究方面发力。 /p p 　　据麦肯锡则预测，到2025年，全球智能医疗行业规模将达到总254亿美元，约占全球人工智能市场总值的1/5。 /p p 　　 strong 精准检测罕见病 /strong /p p strong 　　提供治疗方式 /strong /p p 　　今年5月，国家卫生健康委员会、科技部、工信部、药监总局、中医药管理局5部门联合公布《第一批罕见病目录》。首批目录纳入了血友病、白化病、肌萎缩侧索硬化(俗称“渐冻人症”)等121种疾病。国家卫健委有关负责人表示，该目录根据我国人口疾病罹患情况、医疗技术水平、疾病负担和保障水平等，参考国际经验，由不同领域权威专家按照一定工作程序遴选产生。 /p p 　　罕见病，又称“孤儿病”，是发病率很低的疾病，通常病情严重，甚至危及生命。按照中华医学会医学遗传学分会提出的定义，罕见病为患病率低于1/500000或新生儿发病率低于1/10000的疾病。 /p p 　　随着这份《第一批罕见病目录》对外公布，金域医学不仅已开展相关检测服务，而且均检测到阳性病例，同时亦发布了罕见病检测数据，针对新生儿及儿童，前者累计检出阳性样本数达3万例。这些检测数据意味着什么?于世辉博士解释道，尽管这些是初步数据，但根据这些数据可以知道这些罕见病究竟有哪些，在中国的各个地区分布的情况，病基因的改变是由什么原因引起以及它的类型是怎样，哪些可治哪些不能治& #8230 & #8230 这些数据对于病人是非常有意义的。 /p p 　　业内人士指出，《第一批罕见病目录》的出台将提高药企对罕见病用药的研发积极性，加快罕见病药品上市进程，从而改善罕见病患者的生活质量，并将为罕见病药物纳入医保提供参考依据。 /p p 　　据透露，金域医学积累了数十万例其他阳性罕见病检测数据，这些数据具有广泛的地域和人群代表性，对中国人群中罕见病的发病率、检出率及特有遗传变异类型的临床研究具有重要的科学价值 对于罕见病产前检测、新生儿筛查、产后患儿罕见病的诊断及“孤儿药”的研发等都具有重大意义。 /p p 　　针对罕见病中占主要比重的单基因遗传性疾病的产前筛查，该医学团队还与NIPT之父卢煜明教授团队开展深度合作 并与基因测序巨头Illumina公司联手，将MiniSeq测序仪普及到基层医院，助力我国罕见病的精准检测。 /p p 　　 strong 基因测序为精准治疗打好基础 /strong /p p 　　除了预防与诊断“罕见病”，基因测序更为“精准医疗”打下基础。精准医疗，狭义概念是在基因和基因组基础、检测基础上的一种医疗，它更是疾病诊断和治疗的重要发展方向之一。而基因测序是一种新型基因检测技术，它通过分析测定基因序列，可用于临床的遗传病诊断、产前筛查、罹患肿瘤预测与治疗等领域。据业内专家表示，无论是细胞治疗还是基因治疗，首先要通过基因测序诊断病情才能设计方案。而在实施精准医疗方案过程中，需要大量的细胞和分子级别的检测。 /p p 　　于世辉博士表示，人类除了外伤以外所有的疾病都与基因、基因组有关，例如肿瘤无一例外全都是基因、基因组变化，罕见病当中的80%都是基因、基因组的变化。 /p p 　　目前，精准医疗在临床上应用得最多的是肿瘤方向。这与以往的肿瘤治疗有所不同，例如以往有病人得了癌症住院，一般治疗手段是通过外科手术，将肿瘤切除。切除后再进行化疗、放疗等，这是传统的手段，精准医疗的到来则是大大地改变传统的这些治疗手段。 /p p 　　“病人去到医院首先是检测病人的基因发生了怎样的改变”，于世辉博士解释道，而不是按照传统的治疗过程来进行了。也因为全球医学水平的高速发展，科学家们在过去这些年中发明了一些专门针对不同的基因变化进行治疗的药物，也就说在对疾病的治疗上，可通过靶向药物而非手术、化疗等传统方式进行。 /p p 　　相比部分国家和地区，我国的精准医疗仍处于刚起步的阶段，目前，全球精准医疗更多地集中在人类对恶性肿瘤的早期诊断和治疗上，基于个体基因检测的肿瘤个体差异化治疗成为重要趋势。根据前期部署的中国精准医疗计划，将于2030年前在精准医疗领域投入600亿元。 /p p 　　根据互联网医疗健康产业联盟早前发布的《2018医疗人工智能技术与应用白皮书》指出，基因检测就是通过解码从海量数据中挖掘有效信息，目前高通量测序技术的运算层面主要为解码和记录，较难以实现基因解读，所以从基因序列中挖掘出的有效信息十分有限。人工智能技术的介入可改善目前的瓶颈。通过建立初始数学模型，将健康人的全基因组序列和RNA序列导入模型进行训练，让模型学习到健康人的RNA剪切模式。之后通过其他分子生物学方法对训练后的模型进行修正，最后对照病例数据检验模型的准确性。 /p

近日，国家药品监督管理局经审查，批准了爱博诺德（北京）医疗科技股份有限公司生产的创新产品“非球面衍射型多焦人工晶状体”注册。非球面衍射型多焦人工晶状体为一件式/后房人工晶状体，可折叠，襻形为改良L型。该产品主体及支撑部分均由丙烯酸乙酯、甲基丙烯酸乙酯共聚物材料制成，添加了紫外线吸收剂，表面经肝素改性。该产品的创新点在于其光学部采用衍射分光和非球面相结合的设计，衍射技术是实现多焦点的核心，在国内属于首创。该产品用于成年白内障患者的视力矫正，预期可提供远、近两个焦点，一定程度上弥补了单焦点人工晶状体视力不佳的不足。产品的上市将为患者带来新的治疗选择。药品监督管理部门将加强该产品上市后监管，保护患者用械安全。国家药监局已批准的创新医疗器械序号产品名称生产企业注册证号1基因测序仪深圳华因康基因科技有限公司国械注准201434021712恒温扩增微流控芯片核酸分析仪博奥生物集团有限公司国械注准201534005803双通道植入式脑深部电刺激脉冲发生器套件苏州景昱医疗器械有限公司国械注准201532109704植入式脑深部电刺激电极导线套件苏州景昱医疗器械有限公司国械注准201532109715植入式脑深部电刺激延伸导线套件苏州景昱医疗器械有限公司国械注准201532109726MTHFR C677T 基因检测试剂盒(PCR-金磁微粒层析法)西安金磁纳米生物技术有限公司国械注准201534011487脱细胞角膜基质深圳艾尼尔角膜工程有限公司国械注准201534605818Septin9基因甲基化检测试剂盒(PCR荧光探针法)博尔诚（北京）科技有限公司国械注准201534014819乳腺X射线数字化体层摄影设备科宁（天津）医疗设备有限公司国械注准2015330205210运动神经元存活基因1（SMN1)外显子缺失检测试剂盒（荧光定量PCR法）上海五色石医学研究有限公司国械注准2015340229311三维心脏电生理标测系统上海微创电生理医疗科技有限公司国械注准2016377038712呼吸道病原菌核酸检测试剂盒（恒温扩增芯片法）博奥生物集团有限公司国械注准2016340032713脱细胞角膜植片广州优得清生物科技有限公司国械注准2016346057314植入式迷走神经刺激脉冲发生器套件北京品驰医疗设备有限公司国械注准2016321098915植入式迷走神经刺激电极导线套件北京品驰医疗设备有限公司国械注准2016321099016药物洗脱外周球囊扩张导管北京先瑞达医疗科技有限公司国械注准2016377102017冷盐水灌注射频消融导管上海微创电生理医疗科技有限公司国械注准2016377104018胸骨板常州华森医疗器械有限公司国械注准2016346158219正电子发射及X射线计算机断层成像装置明峰医疗系统股份有限公司国械注准2016333215620人工晶状体爱博诺德（北京）医疗科技有限公司国械注准2016322174721骨科手术导航定位系统北京天智航医疗科技股份有限公司国械注准2016354228022低温冷冻消融手术系统海杰亚(北京)医疗器械有限公司国械注准2017358308823一次性使用无菌冷冻消融针海杰亚(北京)医疗器械有限公司国械注准2017358308924可变角双探头单光子发射计算机断层成像设备北京永新医疗设备有限公司国械注准2017333068125全降解鼻窦药物支架系统浦易（上海）生物科技有限公司国械注准2017346067926经皮介入人工心脏瓣膜系统杭州启明医疗器械有限公司国械注准2017346068027介入人工生物心脏瓣膜苏州杰成医疗科技有限公司国械注准2017346069828一次性可吸收钉皮内吻合器北京颐合恒瑞医疗科技有限公司国械注准2017365087429左心耳封堵器系统先健科技（深圳）有限公司国械注准2017377088130分支型主动脉覆膜支架及输送系统上海微创医疗器械(集团)有限公司国械注准2017346324131折叠式人工玻璃体球囊广州卫视博生物科技有限公司国械注准2017322329632腹主动脉覆膜支架系统北京华脉泰科医疗器械有限公司国械注准2017346143433植入式心脏起搏器先健科技（深圳）有限公司国械注准2017321157034人类EGFR基因突变检测试剂盒（多重荧光PCR法）厦门艾德生物医药科技股份有限公司国械注准2018340001435可吸收硬脑膜封合医用胶 山东赛克赛斯药业科技有限公司国械注准2018365003136血管重建装置微创神通医疗科技（上海）有限公司国械注准2018377010237miR-92a检测试剂盒（荧光RT-PCR法）深圳市晋百慧生物有限公司国械注准2018340010838丙型肝炎病毒核酸测定试剂盒（PCR-荧光探针法）北京纳捷诊断试剂有限公司国械注准2018340015739脑血栓取出装置江苏尼科医疗器械有限公司国械注准2018377018640定量血流分数测量系统博动医学影像科技（上海）有限公司国械注准2018321028241人EGFR/ALK/BRAF/KRAS基因突变联合检测试剂盒（可逆末端终止测序法）广州燃石医学检验所有限公司国械注准2018340028642全自动化学发光免疫分析仪北京联众泰克科技有限公司国械注准2018322029343人EGFR、KRAS、BRAF、PIK3CA、ALK、ROS1基因突变检测试剂盒（半导体测序法）天津诺禾致源生物信息科技有限公司国械注准2018340029444复合疝修补补片上海松力生物技术有限公司国械注准2018313029245正电子发射断层扫描及磁共振成像系统上海联影医疗科技有限公司国械注准2018306033746EGFR/ALK/ROS1/BRAF/KRAS/HER2基因突变检测试剂盒（可逆末端终止测序法）南京世和医疗器械有限公司国械注准2018340040847植入式骶神经刺激电极导线套件北京品驰医疗设备有限公司国械注准2018312040948植入式骶神经刺激器套件北京品驰医疗设备有限公司国械注准2018312041049人类SDC2基因甲基化检测试剂盒（荧光PCR法）广州市康立明生物科技有限责任公司国械注准2018340050650人类10基因突变联合检测试剂盒（可逆末端终止测序法）厦门艾德生物医药科技股份有限公司国械注准2018340050751医用电子直线加速器广东中能加速器科技有限公司国械注准2018305052052瓣膜成形环金仕生物科技（常熟）有限公司国械注准2018313053453神经外科手术导航定位系统华科精准（北京）医疗科技有限公司国械注准2018301059854医用直线加速器系统上海联影医疗科技有限公司国械注准2018305059955多孔钽骨填充材料重庆润泽医药有限公司国械注准2019313000156生物可吸收冠状动脉雷帕霉素洗脱支架系统乐普（北京）医疗器械股份有限公司国械注准2019313009357病人监护仪深圳迈瑞生物医疗电子股份有限公司国械注准2019307015458腹主动脉覆膜支架及输送系统微创心脉医疗科技（上海）有限公司国械注准2019313018259左心耳闭合系统北京迈迪顶峰医疗科技有限公司国械注准2019313027860左心耳封堵器系统上海普实医疗器械科技有限公司国械注准2019313027961调强放射治疗计划系统软件中科超精(安徽)科技有限公司国械注准2019321028162数字乳腺X射线摄影系统上海联影医疗科技有限公司国械注准2019306028063正电子发射及X射线计算机断层成像扫描系统湖北锐世数字医学影像科技有限公司国械注准2019306036464经导管植入式无导线起搏系统Micra Transcatheter Leadless Pacemaker system美敦力公司Medtronic Inc.国械注进2019312029765经导管主动脉瓣膜系统上海微创心通医疗科技有限公司国械注准2019313049466一次性使用血管内成像导管南京沃福曼医疗科技有限公司国械注准2019306060167无创血糖仪博邦芳舟医疗科技（北京）有限公司国械注准2019307060268植入式左心室辅助系统重庆永仁心医疗器械有限公司国械注准2019312060369脱细胞角膜植片青岛中皓生物工程有限公司国械注准2019316067970冠状动脉造影血流储备分数测量系统苏州润迈德医疗科技有限公司国械注准2019307096971一次性使用有创压力传感器苏州润迈德医疗科技有限公司国械注准2019307097072正电子发射及X射线计算机断层成像扫描系统上海联影医疗科技有限公司国械注准2019306099873核酸扩增检测分析仪杭州优思达生物技术有限公司国械注准2019306102674穿刺手术导航设备医达极星医疗科技（苏州）有限公司国械注准2020301003475冠脉血流储备分数计算软件北京昆仑医云科技有限公司国械注准2020321003576人EGFR/KRAS/BRAF/HER2/ALK/ROS1基因突变检测试剂盒（半导体测序法）厦门飞朔生物技术有限公司国械注准2020340009477胚胎植入前染色体非整倍体检测试剂盒（半导体测序法）苏州贝康医疗器械有限公司国械注准2020340018178生物可吸收冠脉雷帕霉素洗脱支架系统山东华安生物科技有限公司国械注准2020313019779药物球囊扩张导管上海微创心脉医疗科技股份有限公司国械注准2020313044580心血管光学相干断层成像设备及附件深圳市中科微光医疗器械技术有限公司国械注准2020306044681RNF180/Septin9基因甲基化检测试剂盒（PCR荧光探针法）博尔诚（北京）科技有限公司国械注准2020340044782等离子手术设备湖南菁益医疗科技有限公司国械注准2020301047483肿瘤电场治疗仪NovoCure Ltd.国械注进2020309026984经导管主动脉瓣膜系统Edwards Lifesciences LLC国械注进2020313029185经导管二尖瓣夹及可操控导引导管Abbott Vascular国械注进2020313032586糖尿病视网膜病变分析软件上海鹰瞳医疗科技有限公司国械注准2020321068687糖尿病视网膜病变眼底图像辅助诊断软件深圳硅基智能科技有限公司国械注准2020321068788髋关节镀膜球头中奥汇成科技股份有限公司国械注准2020313070789取栓支架珠海通桥医疗科技有限公司国械注准2020303072890血流储备分数测量设备深圳北芯生命科技有限公司国械注准2020307077491压力微导管深圳北芯生命科技有限公司国械注准2020307077592氢氧气雾化机上海潓美医疗科技有限公司国械注准2020308006693记忆合金钉脚固定器兰州西脉记忆合金股份有限公司国械注准2020313082394冠脉CT造影图像血管狭窄辅助分诊软件语坤（北京）网络科技有限公司国械注准2020321084495KRAS基因突变及BMP3/NDRG4基因甲基化和便隐血联合检测试剂盒（PCR荧光探针法-胶体金法)杭州诺辉健康科技有限公司国械注准2020340084596药物洗脱PTA球囊扩张导管浙江归创医疗器械有限公司国械注准2020303085797周围神经修复移植物江苏益通生物科技有限公司国械注准2020313089898肺结节CT影像辅助检测软件杭州深睿博联科技有限公司国械注准2020321092099椎动脉雷帕霉素靶向洗脱支架系统微创神通医疗科技（上海）有限公司国械注准20203130971100髂动脉分叉支架系统先健科技（深圳）有限公司国械注准20213130022101锚定球囊扩张导管湖南埃普特医疗器械有限公司国械注准20213030023102一次性使用血管内成像导管苏州阿格斯医疗技术有限公司国械注准20213060169103 一次性使用电子输尿管肾盂内窥镜北京北方腾达科技发展有限公司国械注准20213060175104幽门螺杆菌23S rRNA基因突变检测试剂盒（PCR-荧光探针法）上海芯超生物科技有限公司国械注准20213400227105冠状动脉CT血流储备分数计算软件深圳睿心智能医疗科技有限公司国械注准20213210270106经导管主动脉瓣系统沛嘉医疗科技（苏州）有限公司国械注准20213130275107临时起搏器深圳市先健心康医疗电子有限公司国械注准20213120299108紫杉醇洗脱PTCA球囊扩张导管浙江巴泰医疗科技有限公司国械注准20213030297109周围神经套接管北京汇福康医疗技术股份有限公司国械注准20213130298110三维电子腹腔内窥镜微创（上海）医疗机器人有限公司国械注准20213060384111经导管主动脉瓣系统沛嘉医疗科技（苏州）有限公司国械注准20213130464112自膨式动脉瘤瘤内栓塞系统Sequent Medical Inc.国械注进20213130233113陡脉冲治疗仪天津市鹰泰利安康医疗科技有限责任公司国械注准20213090497114冠状动脉CT血流储备分数计算软件北京心世纪医疗科技有限公司国械注准20213210574115颅内药物洗脱支架系统赛诺医疗科学技术股份有限公司国械注准20213130575116腔静脉滤器科塞尔医疗科技（苏州）有限公司国械注准20213130594117单髁膝关节假体北京市春立正达医疗器械股份有限公司国械注准20213130600118内窥镜用超声诊断设备深圳英美达医疗技术有限公司国械注准20213060608119机械解脱弹簧圈上海沃比医疗科技有限公司国械注准20213130649120经导管主动脉瓣膜及可回收输送系统上海微创心通医疗科技有限公司国械注准20213130655121口腔种植手术导航定位设备雅客智慧（北京）科技有限公司国械注准20213010713122一次性使用清创水动力刀头惠州海卓科赛医疗有限公司国械注准20213010779123水动力治疗设备惠州海卓科赛医疗有限公司国械注准20213010780124医用电子直线加速器苏州雷泰医疗科技有限公司国械注准20213050789125球囊扩张血管内覆膜支架系统W.L. Gore & Associates, Inc.国械注进20213130411126腹腔内窥镜手术设备山东威高手术机器人有限公司国械注准20213010848127胚胎植入前染色体非整倍体检测试剂盒（可逆末端终止测序法）北京中仪康卫医疗器械有限公司国械注准20213400868128持续葡萄糖监测系统深圳硅基传感科技有限公司国械注准20213070871129持续葡萄糖监测系统微泰医疗器械（杭州）股份有限公司国械注准20213070872130生物疝修补补片卓阮医疗科技（苏州）有限公司国械注准20213130873131植入式左心室辅助系统苏州同心医疗器械有限公司国械注准20213120987132人工角膜北京米赫医疗器械有限责任公司国械注准20213161017133分支型术中支架系统上海微创心脉医疗科技（集团）股份有限公司国械注准20213131059134经导管主动脉瓣膜系统MEDTRONIC INC.国械注进20213130538135植入式可充电脊髓神经刺激器北京品驰医疗设备有限公司国械注准20223120019136植入式脊髓神经刺激器北京品驰医疗设备有限公司国械注准20223120020137植入式脊髓神经刺激电极北京品驰医疗设备有限公司国械注准20223120021138植入式脊髓神经刺激延伸导线北京品驰医疗设备有限公司国械注准20223120022139植入式脊髓神经刺激电极北京品驰医疗设备有限公司国械注准20223120023140神经外科手术导航定位系统华科精准（北京）医疗科技有限公司国械注准20223010024141直管型胸主动脉覆膜支架系统上海微创心脉医疗科技（集团）股份有限公司国械注准20223130009142植入式脑深部电刺激延伸导线套件北京品驰医疗设备有限公司国械注准20223120084143双通道可充电植入式脑深部电刺激脉冲发生器套件北京品驰医疗设备有限公司国械注准20223120085144植入式脑深部电刺激电极导线套件北京品驰医疗设备有限公司国械注准20223120086145双通道植入式脑深部电刺激脉冲发生器套件北京品驰医疗设备有限公司国械注准20223120087146腹腔内窥镜手术系统上海微创医疗机器人（集团）股份有限公司国械注准20223010108147消化道振动胶囊系统上海安翰医疗技术有限公司国械注准20223090282148移动式头颈磁共振成像系统佛山瑞加图医疗科技有限公司国械注准20223060289149颅内出血CT影像辅助分诊软件上海联影智能医疗科技有限公司国械注准20223210309150磁共振成像系统国械注准20223161440