朱融融教授在报告中着重介绍了团队利用人工智能“Deep Screen”系统来筛选生物活性材料，并通过这些生物活性材料调控干细胞的命运以促进组织的再生与修复。

朱教授首先回顾了干细胞研究的历史，从1908年干细胞概念被提出到2013年美国干细胞临床试验数量已达近4000项，100年间，干细胞技术得到了迅速发展，如今我国的干细胞临床试验已经位列全球第三。未来，干细胞技术将从基础研究走向医学临床应用，但目前仍有很多需要解决的问题。

朱教授指出，为了维持干细胞的干性，一般需要在干细胞的扩增中添加一些饲养层细胞或维持干性的因子，而传统的LIF因子以及MEF饲养层存在成本高、批次差异大以及易受污染等局限性；同时在干细胞移植修复的过程中也存在着如损伤微环境等相应的生物学问题。

为了解决这些问题，朱教授团队致力于研发能够替代LIF因子和MEF饲养层的生物材料。既往的研究表明，纳米材料技术可以通过局域化刺激精准调控干细胞的命运，让损伤微环境转变为再生微环境，但在使用纳米材料或因子进行干细胞定向分化时会遇到筛选周期过长以及假阳性的问题。

朱教授团队利用深度学习人工智能，建立了能够预判材料对干细胞命运影响的“Deep Screen”明场筛选体系，能够在早期就高准确率地预测干细胞的分化方向，从而大幅提高筛选效率。

朱教授表示，这一系统不仅能够加快干细胞研究，还能在筛选新药时提供帮助，特别是在开发对抗耐药性肿瘤细胞的新药方面。团队通过这个系统筛选出了层状双氢氧化物（LDH）作为促进干细胞扩增和维持干性的新材料。团队随后进行了大量不同离子组成的LDH在干细胞命运调控中的功能研究，多组学分析的结果也表明LDH优于传统的LIF因子。不仅在维持干细胞的干性方面表现出了显著的效果，LDH的物料成本还极低，与现有方法相比成本降低了超过百倍，这样的低成本对于干细胞的扩增有重大意义。

朱融融教授进一步详细介绍了LDH在干细胞研究和脊髓损伤再生中的应用和成果。众所周知，脊髓损伤目前缺乏有效的治疗方法，并且患者及其家庭的生活和经济负担巨大，朱教授团队正在寻求通过调控微环境和动员内源性干细胞来促进脊髓的修复。他们认为，这项工作的成功，可能会对治疗脊髓损伤的方法产生重要影响，并有助于降低医疗和护理成本。

朱融融教授详细阐述了神经再生与修复的复杂性，并强调脊髓修复的关键是微环境调控和干细胞动员。目前的研究成果尽管取得了一定的修复效果，但与临床需求相比仍然有很大的差距。朱教授团队试图使用生物材料构建新的神经网络以促进神经修复。他们利用由人工智能“Deep Screen”系统筛选出的LDH材料搭载神经营养因子NT3进行了系列实验，并发现这种新型纳米材料-NT3负载体系科有效促进脊髓损伤后神经功能恢复。

在小鼠脊髓全横断模型中，LDH材料显著改善了小鼠的行为和电生理反应，团队通过双重标记观察到损伤区域的新生神经元，证明了神经再生的存在。团队将这些成果扩展应用在恒河猴模型上，发现LDH材料能够促进步态恢复。核磁影像分析也证明动物模型的感觉功能有所恢复。

除了对神经再生修复对探索外，朱教授团队还通过“Deep Screen”体系筛选出了能够促进软骨再生的材料，并在动物模型上进行了初步试验验证。

对于团队工作，朱教授总结道，在使用生物活性材料调控干细胞命运促进组织再生修复的探索中，团队建立了不同物化特性的LDH精准调控干细胞命运的新体系，提供了维持干细胞自我更新和诱导定向分化的新材料、新技术；提出了“同步调控免疫细胞/干细胞”修复损伤新方案，并揭示了“材料-膜受体-干细胞”调控新机制；原创性构建“Deep Screen”高效预判技术，将进一步拓宽LDH的生物医学应用，改性强化LDH和膜受体作用的高效性和特异性。

朱教授表示，“Deep Screen”系统通过庞大的数据库，高效地预判和筛选出能够对各种细胞进行干预的生物材料的具体策略和过程。未来，这个系统可以扩展应用于包括肿瘤干细胞、耐药细胞株等在内的多种细胞类型，从而推动小分子药物的开发。并且通过深度学习和设计，有望创造出具有更高效和特异性的材料，以促进不同类型细胞的分化和再生。

报告结束后，会议主持苏春霞教授高度评价了朱教授的报告内容和团队工作，称赞朱教授团队利用人工智能在生物医学领域取得了令人瞩目的成就。在随后的讨论环节中，苏教授邀请朱教授与线上同道就如何避免算法偏差、人工智能在抗肿瘤领域中的应用以及人工智能技术引领医疗领域潜在变革等问题展开了讨论。

对于人工智能筛选生物活性材料时的数据偏见问题，朱教授表示对于给予人工智能系统学习的数据，需要非常明确。后续要进行独立测试确保避免准确性偏差，并让人工智能系统进行持续学习，以提高其对复杂环境的适应性。

对于人工智能技术在抗肿瘤药物研发中的应用问题，朱教授指出，人工智能已广泛用于癌症病理切片分析的应用中。同时，人工智能还可充分理解肿瘤微环境的复杂性，通过学习所构建的类器官来进行药物筛选，预测复杂环境下的抗肿瘤效果，提高筛选效率。

对于目前临床上使用生物活性材料进行再生修复的效果问题，朱教授表示，许多以生物活性材料作为载体的产品已在临床治疗中得到应用，例如对于大段骨修复，含有促进间充质干细胞向成骨或成软骨细胞分化能力的生物材料对模拟骨再生环境就非常有帮助。此外，脊髓再生领域已经有一些转化研究正在进行中，例如使用促进再生的胶原材料植入脊髓内部来进行神经管构建。

最后，对于人工智能在生物医学领域的挑战和未来发展问题，朱教授指出，算法的突破和医疗数据的真实性、可靠性及稳定性是主要的挑战。随着技术的不断发展，未来，人工智能有望在医疗器械制造、预测复杂环境下的疗效以及肿瘤等疾病复发概率等诸多方面发挥重要作用。