随着生成式人工智能快速进入医学教育场景，医学教师的能力结构正在发生变化。中国精英教学医院联盟在《中华医学教育探索杂志》发布医学教师数智胜任力框架共识，提出医学教师应具备五项核心胜任力，并进一步细化为 21 项二级指标。该共识采用头脑风暴结合改良德尔菲法形成，旨在为生成式 AI 时代医学教师培训、评价和教学改革提供本土化参考。

马德里卡洛斯三世大学（UC3M）与隶属于马德里自治区公共医疗网络的莱加内斯塞韦罗·奥乔亚大学医院的研究人员，共同开发了一种利用人工智能（AI）分析睡眠期间大脑电活动的方法，以促进阿尔茨海默病的早期诊断。这项研究近期发表于科学期刊《GeroScience》，结果表明，通过机器学习技术分析夜间脑电波，能够以非侵入性方式识别早期神经元病变，并将患者分为三个不同的生物学亚组。

由人工智能（AI）设计的蛋白质现在可以扩展 CRISPR 工具箱，因而不再囿于自然演化的产物。在一项新的研究中，研究人员报告了合成 RNA 引导核酸酶的设计，其活性与天然酶相当甚至有所超越；该研究揭示了结构引导设计如何能够产生序列差异显著但仍具功能性的基因组编辑蛋白。CRISPR-Cas 技术使科学家能够精准地靶向并修改 DNA 和 RNA，因而改变了基因工程。研究人员目前正在探索蛋白质设计法是否能创造出具有自然界中未见特性的新型 RNA 引导核酸酶。然而，这种尝试仍具挑战性，因为多域蛋白结构复杂，些许改变就能轻易地破坏酶的活性。尽管 AI 模型在新核酸酶设计方面已展现成效，但它们生成的版本往往仍与用于训练模型本身的参考序列高度相似。Petr Skopintsev 和同事在此提出了一种蛋白质设计策略：将 ESM 逆折叠（ESM-IF1）模型与基于演化信息的残基约束相结合，从而生成了 TnpB 的新型变体；TnpB 是一种极简的 CRISPR-Cas12 样核酸酶，后者被命名为 SynTnpBs。Skopintsev 等人接着在细菌、植物和人类细胞中对这些 AI 设计的蛋白质进行了活性筛选，并利用冷冻电子显微镜（cryo-EM）确定了差异最大变体的结构。作者发现，许多 AI 设计的核酸酶在多种细胞类型中保持甚或超越了天然酶的活性。Cryo-EM 揭示，工程化蛋白在不同构象的 RNA-DNA 界面形成了新的稳定相互作用，从而为 AI 设计的 RNA 引导核酸酶提供了首批经实验测定的结构。总之，这些发现展示了该设计策略如何能够产生具有活性的非天然基因组编辑酶。