AI雜草識別新突破：WeedNet模型精準辨識逾1,500種雜草
圖／示意圖商傳媒｜葉安庭／綜合外電報導全球農業持續面臨雜草帶來的嚴峻挑戰，這些植物不僅消耗資源，也使得農民需投入大量心力進行防治。若未能精準識別雜草，可能導致農藥使用不當，錯失機械除草時機，甚至加速入侵物種的蔓延。有鑑於此，一套名為 WeedNet 的人工智慧系統應運而生，專門用於全球雜草識別，並展現了創紀錄的高準確度
1 小時前・商傳媒
聖地牙哥新創生物科技公司 VivoSim 正在開發一項創新技術，利用實驗室培養的人體組織進行藥物測試，目標是在昂貴的人體臨床試驗前，提早篩選出藥物候選物的潛在毒性或有限療效，以減少新藥研發過程中的失敗率與資源浪費。
目前，約有高達九成的藥物候選物在進入臨床開發階段後，最終未能獲得核准。VivoSim 的核心技術稱為「3D 生物學」，透過培養小型、三維的組織結構來模仿人類器官，與傳統在培養皿中測試扁平細胞層或僅依賴動物研究的方法形成對比。這種方式能讓藥物測試結果更接近人體真實反應。
VivoSim 已成功建立肝臟與腸道模型。肝臟模型的大小約為一角硬幣寬度的五分之一，整合了人體肝臟中四種主要的細胞類型，包括被認為可能具有毒性保護作用的庫普弗細胞（Kupffer cells）。腸道模型則是在薄膜上培養細胞，形成一道模擬人類腸道內壁的屏障，既能吸收養分，又能阻擋有害物質；若屏障出現破損，則可能預示潛在的胃腸道副作用。這兩款模型均以明信片大小的格式培養，每個格式包含 96 個樣本，可同時測試多種藥物濃度與條件。
這項技術不僅能幫助開發者在早期階段判斷化合物的優劣，減少對廣泛且成本高昂的動物試驗的依賴，更可在動物研究中輔助比較人類細胞與動物細胞對藥物的反應，以探究物種特異性毒性。VivoSim 強調，其組織模型旨在補充而非取代現有的動物研究和臨床試驗，提供生物科技公司和投資人額外的數據來源，以便在投入鉅額臨床研究前，更全面地評估藥物的潛在風險與效益。該公司預期，即使藥物開發成功率僅有小幅提升，也能顯著降低新藥上市的整體成本。
參考來源
