微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 人造子宫可培育小羔羊 或将用于早产儿治疗

人造子宫可培育小羔羊 或将用于早产儿治疗

2017-04-28 14:58
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2017-04-28 14:58 CNET科技资讯网

CNET科技资讯网 4月28日 国际报道: 研究人员设计了一种名为Biobag的人造子宫, 用它来培育极其早产的羔羊。那么,接下来培育的会是人类婴儿吗?

科学家首次向我们展示了这样一个人造子宫,它能够成功地供养那些处在大约相当于23周的胎儿发育阶段的小羊羔。

人造子宫可培育小羔羊 或将用于早产儿治疗

这些羔羊在这个被命名为“Biobags”的人造子宫中生活了四周,这个人造子宫是一个半透明的、软质聚氯乙烯袋状结构,其中装满了人工羊水,其氧气交换、废料去除的过程与生物子宫中发生的过程一样。

这种人造子宫最终或将有助于解决婴儿死亡率中最为复杂的原因之一——极端早产。

尽管几十年来人们一直在努力降低婴儿死亡率,但早产仍是五岁以下儿童死亡的主要原因。而且尽管发达国家的医学科学已经将新生儿的存活边界推到了23周,但对这种极度早产婴儿的治疗过程却非常复杂,对于存活的孩子来说,终生并发症的风险很高。

这些婴儿需要的是在子宫里多呆一段时间。而Biobag恰好可以为他们提供这段宝贵的时间。

不过我们要明确的一点是,这个想法并不等同于要让婴儿从受孕到出生都完全在母体子宫外生长。

主要的研究作者和胎儿外科医生艾伦·弗拉克(Alan Flake)向《卫报》表示:“我不希望这种人造子宫被看做是人们装在袋子里悬挂在墙壁上。这也不是这个设备会有的运作方式或外观。”

相反,弗拉克希望这项技术能够起到一个过渡作用,为极早产的婴儿提供更多生长时间。

他表示:“如果我们能为婴儿的生长和器官的成熟多提供几个星期的供养支持,我们将能够大大改善早产婴儿的结局。”

迄今为止,其研究成果是非常有希望的。早产儿往往格外脆弱,尤其容易受到肺部发育不良和其他并发症的影响,而实验中被照料的小羊羔的肺部和大脑也得以正常发育。最早在Biobag中长大的羔羊现在已经一岁多了,而且它们看起来还很健康。

不过,小羊羔毕竟不是人类婴儿,而且该设备能够可靠地进入市场前还有一段路要走。但弗拉克及其团队对此感到非常乐观,他们认为该系统有可能会在三年内进行临床试验。

对早产儿而言,最好的治疗方法就是在一开始防止他们早产。但对于那些不合适的情况,Biobag或许只是早产儿所需要的最微小的突破。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-