第期脑科学日报
年7月18日
科学时讯
1，Science子刊：越聪明的人，越长寿
来源：医诺维
认知能力不仅在不同物种之间存在差异，而且在同一物种内的个体之间也存在差异。保持良好的认知功能和采取健康的生活方式对于促进健康老龄化和延长寿命是有益的。早期研究显示，较好的认知表现与较长的寿命之间存在正向关联。近日，德国灵长类动物中心的研究人员发表了一篇研究，该研究显示，认知能力较好、探索能力较强的动物寿命更长，要么特别聪明，要么特别善于探索，这两种策略都有助于长寿。
2，MEDSCISPORTEXER：认知障碍对多发性硬化适应度-认知关系的影响
来源：医院神经精神医学与心理科
处理速度障碍(PSI)在多发性硬化症(MS)患者中很常见并使人衰弱。然而，很少有证据支持运动训练作为多发性硬化症相关PSI的治疗方法。为此，本研究对64名多发性硬化症患者进行了符号数字模式测试，本研究最新颖的方面是，我们研究了认知障碍在多发性硬化症患者的健康/认知关系中的潜在调节作用。这项研究首次直接支持有氧运动训练作为一种可能的行为方法来管理/治疗ms相关的认知障碍，而不仅仅是提高认知表现。未来的研究工作可能会集中在持续系统地发展有氧运动训练干预措施，以管理多发性硬化症患者的PSI。
3，SciAdv：周围神经直接介导银纳米材料从肠道向中枢神经系统的跨神经元易位
来源：BioMed科技
血液循环被认为是口服纳米颗粒进入中枢神经系统（CNS）的唯一途径，而非血液途径介导的纳米颗粒在器官之间的易位尚不清楚。在这里，国家纳米科学中心陈春英教授课题组发现在小鼠和恒河猴中，周围神经纤维可以作为银纳米材料（AgNMs）从肠道转移到中枢神经系统的直接管道。
本研究结果表明，纳米颗粒沿着由周围神经介导的肠道-中枢神经系统轴发生转移。本研究的关键发现提出并验证了先前未知的AgNP沿肠脑轴和肠-脊髓轴易位途径，包括NP通过迷走神经和脊神经向中枢神经系统的经神经元运输（图5）。基于这些发现，使用跨神经元转运方法治疗中枢神经系统相关疾病的新策略有望出现，为不能有效穿过血脑屏障或血-脊髓屏障的纳米载体/纳米药物提供替代的传递途径。
4，SVN：脑静脉窦支架置入失败与引发并发症的根本原因
来源：SVN俱乐部
最近，医院神经内科曹向宇，北京航空航天大学医学科学与工程学院、北京市生物医学工程高精尖创新中心陈行团队，揭示了硬脑膜窦隔与静脉窦支架置入失败及其并发症之间的关联，并得到临床证据的支持。经统计分析显示硬脑膜窦隔的存在与脑静脉窦支架置入术的并发症相关。硬脑膜窦隔是脑静脉窦的常见结构，作者团队发现硬脑膜窦隔的存在为脑静脉窦支架置入带来了不确定性，并建议在成像和治疗中采取预防措施、谨慎处理，并需要一定的巧妙技巧。
5，JPSYCHIATRRES：减停抗抑郁药，患者最需要哪些帮助？
来源：医脉通精神科
近期，英国东伦敦大学JohnRead及其合作者评估了线上停药互助小组成员对当前医疗的看法，以及在现有基础上需要哪些额外的帮助。简言之，年5月至年4月间，研究者招募了上千名既往曾尝试停用抗抑郁药的成员，采用是非题、选择题及Likert量表询问了一系列与停药相关的问题，包括停药原因、停药方法、撤药症状、医生建议等。首先，由于使用的是非概率抽样的方便样本，本项研究很可能面临偏倚风险。即便考虑了偏倚因素，从现有结果也可以看出，医生经常无法很好地帮助患者减停抗抑郁药，迫使一些人选择通过网络自救。作者指出，医生需要升级自己在减停抗抑郁药方面的专业技能，而一些系统性的服务对于患者也很有帮助。6，TheLancet：阿片类止痛药不能减轻急性腰痛和颈痛
来源：柳叶刀TheLancet
近日发表的一项随机对照试验表明，接受阿片类止痛药治疗的腰痛或颈痛患者，疼痛水平相比安慰剂组患者没有显著差异，反而在中长期可能增强患者的疼痛水平。阿片类止痛药即便是短期用药，长期来看也会提高阿片滥用的风险。7，与其它卒中相比，栓塞性缺血性卒中亚型与更严重相关
来源：梅斯神经新前沿
卒中后的残疾发生在各种缺血性卒中亚型中，有观点认为栓塞性卒中的破坏性更大。这种差异是由于合并症的不同，还是由于卒中事件发生时严重程度的不同，尚不清楚。目前的主要假设是，与血栓性中风患者相比，即使考虑到长期的混杂因素，栓塞性中风患者入院时的中风更严重，死亡风险更高，次要假设是这种关联会因种族和性别而不同。
为此，来自约翰霍普金斯大学的学者纳入了社区动脉粥样硬化风险（ARIC）研究的参与，结果显示，栓塞性卒中与事件发生时的卒中严重程度有关，与血栓性卒中相比，死亡风险更高。
8，「社交达人」GPT-4！解读表情、揣测心理全都会
来源：新智元
KokoMind可以实现，随便打开一个视频，该模型就开始分析人物表情，得出人物情绪的结论，然后，在右侧的prompt栏还可以提出问题，让AI进一步分析视频中暗流涌动的社交谜题。KokoMind包含了个复杂的多方社交互动以及自由文本问题和答案。为了确保数据的多样性和可扩展性，并避免数据污染，所有社交互动、问题和答案均由GPT-4生成，并随后由人类专家验证。结果虽然在很多方面都令人兴奋，但也有一定的局限性。首先，KokoMind的规模相对较小，这可能会限制研究人员结论的广泛适用性和全面性。其次，KokoMind中的所有交互都是由GPT-4生成的，需要人工验证，这使得数据集难以扩展。未来的研究可以集中在如何评估模型上具有经过人工验证的机器生成的参考答案。当然，虽说存在这样或那样的限制，研究人员仍将KokoMind视为未来与社会智能、多模态语言模型等相关的研究的跳板。审校：Simon
转载请注明：http://www.ebsaw.com/jbyf/15241.html
