suncitygroup太阳成集团

En
学术动态
查看更多
  • 表情识别与情感计算研究组Co-PI刘峰博士在The Innovation发表AI与法学交叉学科观点文章
    近日,suncitygroup太阳成集团表情识别与情感计算研究组Co-PI刘峰团队(孙海龙、顾珺涵等人)在综合性国际期刊The Innovation发表题为“LLMs are reshaping common law reasoning: the challenge of technical reason to artificial reason”的文章。文章从人工智能与法学的交叉视角出发,审视大语言模型(LLMs)如何深度介入普通法推理过程,以及这一介入对“技术理性”与“人工理性”之间传统边界提出的全新挑战。 图1 左侧为普通法的“技艺理性”,中间为LLMs带来的“技术理性”,右侧为规范反思与受约束的人机协作。图1同时呈现了裁判、法律知识生产、职业自主性三条影响路径。 普通法常被误解为“法官凭经验断案”。实际上,Coke早在1608年的Prohibitions del Roy中就强调,普通法体现的是一种“技艺理性”(artificial reason)。它既不是“工具理性”,也不是人人共享的“自然理性”,而是法律职业共同体通过长期研习、师徒传承与司法实践逐步积累的“专业理性”。A.W.B. Simpson进一步指出,在普通法中,“法律上正确”与“理性、公正、合宜”很难截然分开。这意味着,普通法推理依赖类比、历史连续性与个案权衡,也依托法官和律师对先例的集体记忆(图1)。LLMs不仅仅是更快的搜索引擎或基于规则的专家系统,它是在海量文本语料上训练的概率模型,可以生成法律摘要、起草条款、预测结果、进行形式上的类比,也可能产生幻觉、提示敏感性,并以“类论证”的方式生成答案。本文把这种以效率、可计算性、形式一致性为核心的AI理性称为“技术理性”(technical reason),以区别于传统的工具理性。它通过三条路径挑战普通法:裁判决策支持、法律知识生产、机构治理。实际上,技术理性不是全新事物,在法典化与科层管理中早就存在类似逻辑,只是嵌入算法后力量变得空前强大。其影响可以概括为“三重重塑”。第一,裁判目标可能从个案实质正义滑向标准化数据输出。法官的直觉和法律感来自多年实践,是技艺理性的组成部分。当法院越来越依赖风险评分或LLMs结果预测时,这些默会经验可能会被边缘化。第二,对先例与历史记忆的把握,可能从深度研读变为“即时检索”。AI辅助检索能够显著提高效率,但也可能削弱律师追踪学说谱系的内在动力,使普通法推理趋于“去历史化”。第三,法律共同体的职业自主性可能受到侵蚀。当算法系统成为研究、文书起草甚至司法审议的必备工具时,专业权威可能部分从受过法律训练者转向数据科学家和系统架构师。算法系统的“黑箱特征”也使法官难以结合具体语境理解、验证以及质疑其输出,进而形成新的“技术依赖”。然而,本文并不因此否定LLMs的价值。合理使用时,它可以便利法律信息获取,减轻常规负担,指出矛盾先例,并为无律师当事人提供法律信息方面的辅助;对法官而言,它也可以成为“第二双眼睛”。真正需要警惕的并非技术进步本身,而是不加批判地让法律判断服从技术逻辑。未来,技术理性与技艺理性之间的关系不应被视为零和博弈。关键在于,技术应用必须守住那些算法难以优化,也不应被算法取代的价值,包括个案不可还原的特殊性、司法推理接受公共问责的要求、法律学说的叙事连贯性以及人的道德能动性。可以说,普通法存续数百年靠的是适应而非拒斥变化,在尊重技艺理性核心的前提下,与LLMs建立受约束的协作,将是一条值得探索的路径。 刘峰博士为该文通讯作者,第一作者孙海龙系上海交通大学凯原法学院法学博士候选人,第二作者顾珺涵系华东师范大学suncitygroup太阳成集团心理学本科生,亦为通讯作者刘峰博士的推免学生。本文得到“上海交通大学青年教师启动基金(资助编号:25X010506040)”与“2026年度上海学校共青团工作研究课题”(资助编号:2026LXP366)的支持。作者:孙海龙Ψ、顾珺涵、刘峰*单位:上海交通大学凯原法学院、华东师范大学心理与认知科学学院、suncitygroup太阳成集团文章信息:Hailong Sun, Junhan Gu, Feng Liu. LLMs are reshaping common law reasoning: the challenge of technical reason to artificial reason. The Innovation, 2026, 101636. DOI: 10.1016/j.xinn.2026.101636. 在线发表地址:https://www.cell.com/the-innovation/fulltext/S2666-6758(26)00383-8在线发表日期:2026年11月05日。
    2026-11-18
  • 《柳叶刀》刊发中德联合研究:基于中英文数据库的抗精神病药物最新证据
    2026年新春伊始,由上海交通大学医学院附属精神卫生中心、suncitygroup太阳成集团李春波教授和德国慕尼黑工大Stefan Leucht教授团队联合牵头的一项系统评价在《柳叶刀》以论著形式正式刊发。该研究比较了24种抗精神病药物治疗急性期精神分裂症疗效与耐受性,是迄今样本量最大、涵盖新药最全、并纳入中国临床研究的最新循证证据。研究纳入438项随机对照试验,共包括78193名参与者。研究涵盖了23种以多巴胺受体阻断为主要机制的抗精神病药物,以及2024年获批的新型毒蕈碱受体激动剂呫诺美林-曲司氯铵(xanomeline-trospium)。研究的主要结局为总体精神症状改善情况,次要结局包括阳性症状、阴性症状、抑郁症状、认知功能、生活质量、社会功能以及耐受性指标。该研究在2019年综述的基础上对纳入的抗精神病药物进行扩展,包括呫诺美林-曲司氯铵、奥氮平-萨米多芬、卢美哌隆、布南色林、哌罗匹隆、非口服制剂(长效肌肉注射或皮下注射以及透皮给药),还纳入了儿童和青少年(18岁以下)、老年期患者(65岁以上)以及首次发作、对既往抗精神病药物治疗无效或不耐受、以及合并药物滥用障碍的个体。此外,该研究提供了33项结局指标的证据,包括临床相关结局指标,如认知功能、胆碱能不良事件、性功能相关不良事件、心率异常、白细胞计数减少和癫痫发作。所有24种药物的疗效均优于安慰剂,标准化均数差在-0.90至-0.23之间。其中,氯氮平、氨磺必利、奥氮平和利培酮在改善总体症状方面优于至少三种其他药物,且其95%置信区间排除了“非常小”的效应值,提示这些差异具有临床意义。除疗效外,在选择个体化用药时还需考虑多样化的副作用。在通常副作用较轻的部分多巴胺受体激动剂中,阿立哌唑因其中等疗效可能更受青睐。布南色林疗效中等和卢美哌隆也属于副作用较少的药物,但卢美哌隆在疗效上排名最末。加用萨米多芬对减轻奥氮平引起的体重增加作用有限。毒蕈碱类药物似乎是有前景的化合物,因为呫诺美林-曲司氯铵在疗效方面排名前三分之一,且不引起与多巴胺受体阻断剂相关的副作用,但具有胆碱能和抗胆碱能效应。对于循证医学而言,纳入随机化方法不当的研究和不可靠的数据可能导致误导性的Meta分析结果。因此,本研究中方团队通过电话访谈、邮件、平信问卷的方式联系5117项中文RCT的第一作者和通信作者,以了解随机化程序的详细信息,但仅有349个研究进行了有效回复。在回复问卷的研究中,仅24项中文研究确认了适当的随机化方法和数据真实性,最终纳入了Meta分析。虽然相比中文发表的精神分裂症临床研究数量很少,但这也是首次被纳入大型的系统评价研究。综上,该研究提供了最新最全面的抗精神病药物比较证据,提示不同药物在疗效和副作用方面存在差异。研究结果支持在临床指南中更明确地反映这些差异,为进一步个体化用药选择提供参考依据。研究同时指出,未来需开展更多头对头研究,尤其是针对呫诺美林-曲司氯铵与传统药物的比较,以及氯氮平在早期治疗阶段的应用研究。上海交通大学医学院附属精神卫生中心、上海市重性精神病重点实验室朱怡康副研究员是共一作者,董愉博士生、官世伟博士生、王嘉曦博士生是共同作者,研究也得到上海交通大学医学院仇晓春研究馆员等老师和研究生的帮助。本研究受到了国家自然科学基金国际合作与交流项目(82161138021)和德国研究基金会项目(468853597)的联合资助。参考文献Johannes Schneider-Thoma*, Yikang Zhu*, Mengchang Qin, Yu Dong, Shiwei Guan, Jiaxi Wang, Jing Tian, Xiao Lin, Alessandro Rodolico, Spyridon Siafis, Irene Bighelli, Melanie Wehner, Christina Veith, Felix Krayer, Elfriede Scheuring, John M Davis, Josef Priller, Adriani Nikolakopoulou, Georgia Salanti, Chunbo Li†, Stefan Leucht†, Comparative efficacy and tolerability of antidopaminergic and muscarinic antipsychotics for acute schizophrenia: a network meta-analysis of randomised controlled trials indexed in international English and Chinese databases, Lancet 2026; 407: 876–91
    2026-03-04
  • suncitygroup太阳成集团表情识别与情感计算研究组提出癫痫病理放电网络分型与亚型增强预测方法
    suncitygroup太阳成集团表情识别与情感计算研究组Co-PI刘峰博士联合多学科合作团队,提出基于脑磁图的病理放电网络分型方法,识别四种网络亚型,并利用亚型信息改善患者级预测,为以OPM-MEG为代表的非侵入式脑机接口技术提供新的医学诊断思路。相关成果以“Unsupervised Subtyping of Focal Epilepsy IEDs via Graph-Based MEG Networks”为题,于2026年9月22日在线首发(Early Access)于生物医学工程知名期刊IEEE Transactions on Biomedical Engineering(TBME)。成果速读研究发现,同一患者内可共存多种病理放电网络状态;将其亚型结构及个体组成引入预测模型,可提升患者级放电空间分布分类性能。成果正文介绍发作间期癫痫样放电(interictal epileptiform discharges,IED)是观察癫痫病理脑网络的重要窗口。既往分类较多关注波形形态,而放电所涉及的脑区及其连接模式仍有待深入刻画。非侵入式脑磁图(magnetoencephalography,MEG)为研究这些网络状态提供了途径。研究动机研究团队关注:病理放电能否依据脑网络组织划分亚型?亚型的独特连接模式及其患者内组成,能否改善个体预测?据此,研究依次开展事件级网络构建、无监督分型及患者级验证。研究贡献1 病理放电图构建与无监督分型研究纳入55例局灶性癫痫患者,每例采集1小时静息态MEG,结合结构MRI完成源重建。以人工识别的8,509次IED为分析单元,计算148个脑区之间的相位锁定值(PLV),分别构建148×148功能连接矩阵。在比较多种图嵌入与聚类方法后,团队选用多视图图表征学习(MVGRL)与K-means聚类,识别四种IED网络亚型,并提取亚型特异的节点与连接子图。图1 基于MEG源空间功能连接的IED网络构建与无监督分型流程。2 亚型特异网络信息与患者内部差异四种亚型在网络效率与区域连接分布上具有不同特征,全局效率呈亚型4>亚型1>亚型2>亚型3。亚型1的代表性节点涉及颞上及颞下相关区域,亚型2涉及枕颞交界及海马旁区域,亚型3涉及颞极及顶枕等区域,亚型4突出双侧胼胝体下区。41/55位患者同时出现全部四种亚型,说明多种病理放电网络状态可以在同一个体中共存。亚型的空间特征及其组成差异,为刻画患者内部的网络异质性提供了更细致的描述。图2 四种IED网络亚型的平均连接矩阵及网络指标。亚型4全局效率最高、特征路径长度最短,亚型3呈相反特征。3 亚型信息引导的患者级预测网络团队将每位患者的多个IED网络作为一个样本集合,通过注意力多实例学习汇聚患者表征。模型引入四个可学习的亚型原型,利用软路由根据患者的亚型组成加权融合四个专家分支;同时结合聚类对齐与对比学习,在下游训练中保留无监督发现的亚型结构,用于患者级MEG放电空间分布的颞叶与其他类别分类。图3 亚型软路由引导的患者级分类模型。注意力池化汇聚IED表征,亚型原型控制专家分支的融合权重,辅助损失用于保持亚型结构。研究采用矩阵级与患者级两级验证。基于图论特征的支持向量机识别四种亚型的准确率为93.9%。在20次重复留一患者交叉验证中,完整模型的患者级平衡准确率达到58.8%,较图论特征随机森林(50.3%)提高8.5个百分点,较无亚型路由的深度多实例模型(50.7%)提高8.1个百分点。研究创新本研究将分析对象从放电波形拓展至源空间脑网络,并结合全局拓扑、区域节点及患者内组成解释亚型差异。通过亚型特异子图,数据驱动的聚类结果能够对应到具体脑区及其连接,为理解不同病理放电状态提供网络层面的依据。在预测建模上,研究将无监督发现的亚型作为可学习的结构先验,使患者的放电状态组成参与分类决策。该框架把网络状态发现与患者级预测连接起来,为具有网络解释的病理脑状态解码及个体化非侵入式脑机接口研究提供方法基础。局限与展望本研究来自回顾性队列并依赖人工识别IED。患者级分类标签反映临床MEG报告中的发作间期活动分布,其临床定位价值仍需结合独立的发作起始区、致痫区及结局数据验证。前瞻性研究和在线脑状态解码是后续探索方向。研究团队复旦大学博士生郑骐健为论文第一作者,是复旦大学陈阳教授与我院刘峰博士联合培养的博士生。刘亚飞博士、曹春燕博士和我院刘峰博士为共同通讯作者,其中刘峰博士为主要通讯作者。本研究由suncitygroup太阳成集团、复旦大学、陆军军医大学、中国医科大学、上海大学、上海交通大学医学院附属瑞金医院的研究人员共同完成。本研究获得2025年上海市白玉兰人才计划浦江项目与上海交通大学新进教师启动计划支持。期刊介绍IEEE Transactions on Biomedical Engineering(TBME)是IEEE医学与生物学工程学会(EMBS)的旗舰期刊,发表生物医学工程领域的基础与应用研究,涵盖面向生物医学应用的工程方法与技术,以及具有工程贡献的实验和临床研究。论文信息论文题目:Unsupervised Subtyping of Focal Epilepsy IEDs via Graph-Based MEG Networks在线发表日期:2026年9月22日(Early Access)作者:Qijian Zheng¹、Yafei Liu²˒³*、Zhongyi Xie⁴、Ke Dong⁵、Zhi Liu²、Yujie Chen²、Jian Sun³、Chunyan Cao⁶*、Feng Liu⁷*单位:¹复旦大学计算与智能创新学院;²陆军军医大学西南医院神经外科;³陆军军医大学生物医学工程学院;⁴中国医科大学智能医学学院;⁵上海大学微电子学院;⁶上海交通大学医学院附属瑞金医院神经外科;⁷suncitygroup太阳成集团。* 通讯作者 联系邮箱:liu.feng@sjtu.edu.cn论文DOI:https://doi.org/10.1109/TBME.2026.3736741论文IEEE链接:https://ieeexplore.ieee.org/document/11703921代码链接:https://github.com/Cross-Innovation-Lab/MEGnet4FocalEpilepsy引用信息:Q. Zheng, Y. Liu, Z. Xie, K. Dong, Z. Liu, Y. Chen, J. Sun, C. Cao, and F. Liu, “Unsupervised Subtyping of Focal Epilepsy IEDs via Graph-Based MEG Networks,” IEEE Transactions on Biomedical Engineering, early access, Sep. 22, 2026, doi: 10.1109/TBME.2026.3736741.
    2026-10-30
  • 学术报告
    查看更多
    XML 地图