古生物學家能夠收集到的恐龍化石,至少形成于6600萬年之前。面對這些經歷風吹雨打、滄桑變遷的遺留物,我們往往很難完成確切的醫(yī)學檢查。但有時候,考古學家們也會從化石上發(fā)現(xiàn)明確的傷痕或疾病跡象,幫助專家們完成病理學研究。在一塊于亞伯達省發(fā)現(xiàn)的距今7500萬年的恐龍骨化石中,專家們通過醫(yī)學檢查發(fā)現(xiàn)恐龍也會罹患如今同樣困擾著人類的癌癥。
由古生物學家與病理學家領導的多學科團隊對這塊骨骼進行內部與外部檢查,同時結合微觀結構進行全面分析。最終,專家們確認其中存在一塊骨肉瘤——這是一種惡性骨癌,目前全球每百萬人中患此疾病的比例為3.4人。該小組將最終研究結果發(fā)表在《柳葉刀》上,這也成為恐龍癌癥研究領域最為詳細的佐證。
在恐龍化石中發(fā)現(xiàn)骨肉瘤,對于研究癌癥的起源與發(fā)展歷史具有重大意義。喬治華盛頓大學古生物學家Catherine Forster表示,“如果人類與恐龍患有相同類型的骨癌,可以證明早在3億年前哺乳動物與爬行動物譜系分裂之前,骨癌就已經擁有相當漫長的進化歷程。”
這塊意義深遠的骨骼并非獨立發(fā)現(xiàn),而是巨大化石發(fā)現(xiàn)群中的一部分,專家們認定這批化石來自數(shù)十只尖角龍。這些尖角龍很可能死于遠古時代沿岸區(qū)域內的一場山洪?;始姨┤馉柟派锊┪镳^于1989年發(fā)掘了該處跨越,并發(fā)現(xiàn)其中的某些腓骨(即小腿骨)在外觀上有些奇怪。骨頭似乎受到某種傷害,也許已經愈合。
幾年之后,安大略省皇家博物館古生物學家David Evans在一次社交活動中,與麥克馬斯特大學病理學家Mark Crowther偶然會面。兩人開始討論恐龍罹患骨癌的可能性,Evans回憶道,“我提到,判斷恐龍癌癥的最好方法就是去參考皇家泰瑞爾博物館的收藏,那里有大量存在病理學證據的恐龍骨頭可供調查。”
Evans與Crowthers的探索精神得到了回報。研究人員與其他多位恐龍及疾病專家深入研究了泰瑞爾方面的館藏。經過對數(shù)百種化石的調查,以及對尖角龍骨骼的二次分析,他們發(fā)現(xiàn)骨頭上的傷痕似乎屬于斷裂,很可能代表著這只生活在白堊紀的恐龍患上了癌癥。肌肉骨骼腫瘤學與人類病理學專家們使用高分辨率X射線CT掃描認真檢查了骨骼的外觀與內部結構,最終確認其上確實存在骨肉瘤。
其他古生物學家此前也曾在恐龍骨骼中發(fā)現(xiàn)癌癥跡象,但Evans指出,這是學界第一次通過多種證據充分證明恐龍也會患上惡性癌癥。
蒙大拿州立大學古病理學家Ewan Wolff表示,這項新研究中的圖像似乎代表一種腫瘤,但他同時補充道,“我希望能有與恐龍關聯(lián)更緊密的其他動物的類似素材作為參考。”
很明顯,作為恐龍的直系后代,鳥類將成為進一步檢驗結論并確定類似案例的關鍵。Wolff指出,專家們已經從知更鳥及鵜鶘等多種鳥類身上發(fā)現(xiàn)過骨肉瘤,這些比較素材可能有助于我們更深入地理解骨肉瘤會給恐龍帶來哪些長期影響。
雷蒙德-阿爾夫古生物博物館的Andrew Farke表示,“以往,古生物學家看到恐龍骨骼上的斑點及裂痕時,總會自然而然地認為其源自外傷。”然而,此次新研究為癌癥診斷帶來了高水平的證據,也開闊了古生物學家在研究當中對古病理學方向的關注思路。
”
”
”
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。