来自《自然》旗下期刊的新近发表，我们为您精选呈现。

1. 宫颈癌病例数和死亡人数预计将上升

2. 发现被星光掩盖的系外行星

3. “微塑料蓝”——太平洋垃圾带海水正在变色

4. 能检测高血压的智能手表

《自然-医学》发表的一项建模研究显示，到2050年，全球宫颈癌病例数和死亡人数可能分别增加20.2%和39.3%。研究结果表明，宫颈癌负担的分布将继续存在地区差异，撒哈拉以南非洲的发病率和死亡率最高。

宫颈癌在很大程度上可以预防，消除宫颈癌的策略依赖于人乳头瘤病毒（HPV）疫苗接种、筛查和宫颈疾病治疗。然而，世界各地获得这些措施的机会差异很大。2023年，低收入国家宫颈癌的年龄标准化发病率为高收入国家的四倍多，死亡率为七倍多。

美国华盛顿大学的Natalie Pritchett、Lisa Force及同事利用“全球疾病、伤害和风险因素负担研究”（Global Burden of Diseases, Injuries, and Risk Factors Study）的估算数据，分析了1990至2023年间，204个国家和地区的宫颈癌发病、死亡和健康损失情况，并建模了至2050年的趋势。研究人员估计，2023年全球宫颈癌新发病例为88.7万例，死亡人数为36.9万。预计到2050年，每年新发病例数将比2024年增加20.2%，达到108万例；死亡人数将增加39.3%，达到52.2万。预计增幅最大地区是撒哈拉以南非洲，病例数可能增加88.7%，死亡人数可能增加95.4%，预计2050年死亡人数将达到20.6万人。

作者报告称，如果当前趋势持续，预计到2050年，全球疾病负担研究划分的七个超级区域（super-region）均无法达到世界卫生组织设定的宫颈癌消除阈值，即每10万人中病例数少于4例。他们呼吁提高疫苗接种、筛查和治疗的可及性。不过，由于数据的可获得性和质量存在差距，尤其是在中低收入国家，这些评估存在局限。上述预测所依据的是当前趋势，未考虑未来HPV疫苗接种计划可能对宫颈癌发病率产生的影响。

《自然》报道了一种探测系外行星的新方法，其灵敏度最高可达传统系外行星成像方法的15倍。该方法利用一种机器学习算法去除了望远镜观测中的星光，或能辅助今后的天文台识别类地系外行星。

直接成像是观测系外行星的一个关键策略，但宿主恒星的亮度常会掩盖它们的存在。即使是最明亮的年轻巨行星，亮度也只有其宿主恒星的10万分之一。解决该问题的一个办法，是从系外行星的观测结果中减去宿主恒星的光。但由于天文台的物理限制或是模拟星光的计算限制，之前的尝试都很难成功。

美国西北大学的Rodrigo Ferrer-Chavez和同事提出了名为“行星成像的物理驱动学习”（FLIP）的影像处理框架，该框架能生成特定恒星的模拟眩光。作者从一个恒星系统的直接观测结果中合理减去了这种模拟光，让被掩盖的系外行星全都暴露出来。作者用韦布望远镜的近红外相机观测数据测试了FLIP，并成功获得了51波江座b的首个影像——51波江座b使用传统方法无法探测到。在其他测试中，FLIP的灵敏度达到了传统太阳眩光去除技术的2到15倍。

作者指出，FLIP能与韦布望远镜的观测结果结合使用，用于发现温度更低、质量更小、年龄更大的巨行星。今后，该方法或能改造用于地基天文台，还能在宜居世界天文台（Habitable Worlds Observatory）这类计划任务中用于类地天体的成像。不过，进一步研究应关注如何降低计算成本，并用更大的数据量进行测试。

2002至2022年间，在太平洋垃圾带（Great Pacific Garbage Patch）内，部分太平洋海域的颜色似乎发生了变化，一些区域明显变得更蓝、更绿。发表于《通讯-地球与环境》的一项新研究表明，这可能是海水中微塑料浓度增加所致。

直径小于300微米的微塑料颗粒造成的海洋污染难以直接测量，因为现有方法既费人力，也无法大规模应用。不过，实验室实验表明，这一尺寸的微塑料具有特定的光学特性，或能让人们通过遥感手段测量其在海水中的浓度。太平洋垃圾带适合用来检验这一方法，因为2016年的原位测量显示，该区域近表层海水中较大微塑料颗粒的含量可能超过每立方米17毫克。

挪威卑尔根大学的Shea Cheatham和同事分析了2002至2022年间东北太平洋的三个卫星海洋水色数据集。他们发现，太平洋垃圾带内部及周边海域在蓝光和绿光波段显著增亮。这可能导致该区域的海水与周围海洋相比看起来更偏青（蓝绿混合色）。作者随后建立模型，研究了微塑料浓度如何影响整个可见光谱范围内的海洋变亮现象，以及这些变化是否可能由导致海洋颜色变化的常见自然因素引起。他们发现，即使微塑料浓度很低，也会使整个可见光谱亮度增加，其中青色波段增幅最大。在纳入微塑料的模拟中，青色增亮出现的频率（13%）是仅包含自然因素（3%）的四倍多。他们还发现，当微塑料浓度达到约每立方米海水5毫克时，卫星传感器可探测到这种青色增亮。

作者说，研究结果表明，海水变得更青可能意味着微塑料浓度上升。但他们提醒说，不同卫星数据集显示的颜色变化估计值存在差异，而且其他海域的自然环境因素可能有所不同。他们表示，需要对太平洋垃圾带附近的微塑料浓度和特性进行直接测量，以证实上述发现，并改进未来的监测工作。

《自然》发表的一项研究指出，在一款能解读传感器读数的人工智能（AI）系统的辅助下，智能手表或许能检测出高血压。研究人员用一款消费者智能手表对该系统进行了测试，显示该系统检测高血压的灵敏度与传统诊室血压测量法相当。

高血压是心血管疾病的一个主要风险因素，但超过一半的高血压成人患者对自己的高血压并不知情。可穿戴技术有能力识别高血压信号，但这些传感器通常不够灵敏，无法直接测量血压，而且读数需要对照传统袖带血压测量数据进行校准。近期研究表明，深度学习或能解决这一问题，但之前的评估没有将金标准血压监测方法作为参照点，也没有将测量值与已有的高血压筛查方法进行比较。

美国Google Research的Ming-Zher Poh和同事的研究表明，在一个AI算法中输入谷歌（Google）一款智能手表记录的信号，就能检测高血压，且准确度与传统诊室袖带血压计相当。该智能手表使用光电容积脉搏波描记法（测量皮下微血管组织中血容量变化的光学技术），并用一个加速度传感器测量手腕活动。将这些测量数据与受试者身高共同输入一个算法，就能在无需袖带校准的情况下估算是否患有高血压。这一估算需要多次测量读数。

该系统利用采集自2109人的近50万小时的智能手表数据进行训练，并在多个样本队列中进一步开展了测试和训练。该方法随后在196名受试者中进行了验证，通过比较智能手表估算的高血压罹患率与标准诊所血压测量值，再以24小时动态血压监测（临床监测的金标准）为参照进行评估。结果显示，智能手表系统和标准诊所测量对高血压的检测结果不相上下。智能手表比诊所袖带监测准确发现的高血压病例略多一些，两者灵敏度分别为65.8%和55.3%，但差异不具有统计学显著性。两种方法的特异性相等（能在90%的情况下成功排除假阳性）。作者指出，他们的系统无法取代传统袖带血压监测，但可作为发现个人高血压迹象的工具，从而实现早诊断和早干预，或许还能减少心血管事件的发生。