在特拉维夫医疗中心,一位年轻的患者被诊断出患有罕见的癌症,数月来一直饱受疼痛和活动受限的困扰:核磁共振成像显示,肩胛骨(肩胛骨)广泛受损,侵袭性肿瘤浸润周围肌肉。前方是一条充满挑战的道路,当务之急是切除受影响的骨骼,同时尽可能保留肩部功能。
患者最初接受了化疗以缩小肿瘤,但仍有必要进行肩胛骨全切除术。 面对可能使患者失去肩部功能的手术,特拉维夫医疗中心专家与PTC 和 Hexagon 的团队选择了另一条道路:他们将设计并植入一个定制的 3D 打印钛合金肩胛骨,并根据患者的独特解剖结构进行制作。这种方法不仅能恢复患者的活动能力,还有助于重新定义未来复杂骨骼手术的治疗方案。

而植入物设计的基本要求和挑战很多,其中包括:
(1)保留患者原有的解剖体积、形状和运动学特征。
(2)优化植入物的机械性能,同时尽量减轻重量。
(3)为肌肉连接提供一组最佳锚点。
(4)采用先进的晶格结构,促进结缔组织和肌肉的生长,利用 Creo 设计金属增材制造技术最大限度地减少支撑和变形。
(5)采用最小表面,确保关节运动平稳。
(6)利用先进的机械模拟,验证植入物在肩部和手臂运动时的承重能力。
(7)确保植入物的可制造性并减少打印试验,利用 Simufact Additive 模拟并补偿在打印过程中导致部件变形的热机械过程。
(8)利用 VGSTUDIO MAX 处理 CT 扫描数据并验证复杂结构的质量和打印金属的特性,从而验证成功打印的质量,以获得认证。
显然,PTC 和 Hexagon 的团队此刻需要找到一种方法,为这名年轻的癌症患者定制肩胛骨植入物。 而该项目需要极高的精度来解决复杂的问题,团队需要找出一种方法,在解剖、医疗、工程、制造和认证限制之间实现理想的平衡。
在特拉维夫医疗中心专家的指导下,PTC 和 Hexagon团队利用 Creo 快速成型制造和高保真模拟设计工具的强大功能,成功制作出完全个性化的肩胛骨植入物,并利用 Hexagon 的技术成功制造和认证了该植入物。

手术按计划进行,个性化植入体与患者的解剖结构完美契合。 通过 Creo 设计和 Hexagon 认证工具实现的精确定制部件在患者的快速康复中发挥了关键作用,使她能够在几天内开始恢复活动能力,这也是植入物所蕴含的卓越工程技术的最好证明。 如今,患者正在进行康复治疗,功能得到了恢复,生活质量也得到了提高。
特拉维夫苏拉斯基医疗中心(Tel Aviv Sourasky Medical Center)外科创新和三维打印部门负责人Solomon Dadia博士强调了这些进步的意义: “生物活性打印植入物是植入物的未来! 复杂的可植入打印材料的开发,加上强大的增材制造和模拟软件,使我们能够将智能植入物引入外科领域。 这些植入物与组织相互作用,优化其在体内的存活,确保完美贴合并促进组织生长。 这些进步标志着个性化医疗进入了一个新时代。
病人的快速康复凸显了个性化医疗解决方案的深远影响,而在医学、工程和技术的突破性融合中,来自特拉维夫医疗中心、PTC 和 Hexagon 的世界级团队实现了一项医学突破:特拉维夫医疗中心在以患者为中心的护理方面处于领先地位,为开创性外科技术设定了标准;PTC引领数字化转型,实现个性化医疗解决方案的突破;海克斯康(Hexagon) 利用数字孪生技术预测和改进制造流程,推动高质量部件的快速交付。
这项合作也为重新定义个性化医疗做出了贡献,它整合了数字技术,创造出支持软组织高效生长的个性化解决方案。 对于面临复杂骨骼癌症的患者来说,这标志着一个新的曙光——创新技术与体贴入微的医疗服务的结合。其中,利用Creo实现跨学科合作为每位患者量身定制解决方案,将成为重塑医疗保健的下一个前沿领域。
好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。