亚洲第一大网站,欧美三级网络,日韩av在线导航,深夜国产在线,最新日韩视频,亚洲综合中文字幕在线观看,午夜香蕉视频

產(chǎn)品分類(lèi)導航
CPHI制藥在線(xiàn) 資訊 連發(fā)兩篇頂刊，王嫣然等人利用人工智能增強癌癥及心血管疾病的診斷

連發(fā)兩篇頂刊，王嫣然等人利用人工智能增強癌癥及心血管疾病的診斷

熱門(mén)推薦： 細胞瘤 CNS 心血管
作者：王嫣然博士  來(lái)源：生物世界
  2024-07-03
髓母細胞瘤（Medulloblastoma，MB）是最常見(jiàn)的惡性中樞神經(jīng)系統（CNS）腫瘤，也是兒童和青少年非意外死亡的主要原因。目前，分子亞型檢測是對髓母細胞瘤進(jìn)行風(fēng)險分級的唯一有效手段。2021年第五版《世界衛生組織中樞神經(jīng)系統腫瘤分類(lèi)》（WHO CNS5）規定要在髓母細胞瘤中進(jìn)行強有力的分子亞型分類(lèi)，強調了其在推進(jìn)臨床護理方面的關(guān)鍵作用。
       髓母細胞瘤（Medulloblastoma，MB）是最常見(jiàn)的惡性中樞神經(jīng)系統（CNS）腫瘤，也是兒童和青少年非意外死亡的主要原因。目前，分子亞型檢測是對髓母細胞瘤進(jìn)行風(fēng)險分級的唯一有效手段。2021年第五版《世界衛生組織中樞神經(jīng)系統腫瘤分類(lèi)》（WHO CNS5）規定要在髓母細胞瘤中進(jìn)行強有力的分子亞型分類(lèi)，強調了其在推進(jìn)臨床護理方面的關(guān)鍵作用。
       然而，目前的分子亞型檢測，包括手術(shù)后腫瘤組織的RNA測序或DNA甲基化分析，具有復雜性和高成本的問(wèn)題，這給給全球醫療中心帶來(lái)了巨大挑戰，特別是在資源有限的地區。這反過(guò)來(lái)又導致了全球健康差異，阻礙了對新型亞型特異性治療機會(huì )的探索。 
       最近的一些研究證據表明，患者的放射影像包含可挖掘的信息，其中包括超越人類(lèi)視覺(jué)感知的細微特征，這些特征可通過(guò)機器學(xué)習（Machine Learning，ML）識別，以預測多種癌癥類(lèi)型的臨床結果。然而，少數幾項在髓母細胞瘤中使用影像數據和機器學(xué)習方法的研究，由于樣本量小以及對磁共振成像（MRI）特征識別有限，導致實(shí)驗結果在很大程度上并不明確。
       2024年6月27日，斯坦福大學(xué)王嫣然博士、首都醫科大學(xué)附屬北京天壇醫院等在 Cancer Cell 期刊發(fā)表了題為：Advancing presurgical non-invasive molecular subgroup prediction in medulloblastoma using artificial intelligence and MRI signatures 的研究論文。
       該研究開(kāi)發(fā)了一種人工智能（AI）模型，利用磁共振成像（MRI）特征增強髓母細胞瘤（MB）的術(shù)前分子亞型預測，該方法提供了無(wú)創(chuàng )、低成本的分子亞型預測方案。這一突破性進(jìn)展為腫瘤無(wú)創(chuàng )分子亞型診斷以及髓母細胞瘤的精準醫療開(kāi)辟了新途徑。
Advancing presurgical non-invasive molecular subgroup prediction in medulloblastoma using artificial intelligence and MRI signatures 研究論文
       在全世界范圍內，髓母細胞瘤的研究因分子亞型檢測普遍難以獲取及數據缺乏而受到阻礙。 為了彌補這一差距，研究團隊建立了一個(gè)國際化的分子特征數據集，該數據集涵蓋了來(lái)自中國和美國的13個(gè)醫療中心的934名髓母細胞瘤（Medulloblastoma，MB）患者。該數據集包括磁共振成像、人口統計數據、臨床病理特征、治療變量和生存信息。
       利用這個(gè)龐大的數據集，研究團隊提出了一個(gè)基于磁共振成像（MRI）的人工智能（AI）系統模型，用于無(wú)創(chuàng )且低成本地對分子亞型進(jìn)行術(shù)前預測。研究團隊通過(guò)交叉驗證、外部驗證和連續驗證的驗證策略，證明了該模型的作為一種通用的分子診斷分類(lèi)器的有效性。對MRI特征的詳細分析通過(guò)一個(gè)細致入微的放射學(xué)視角補充了對髓母細胞瘤的理解。更重要的是，研究團隊公開(kāi)了這個(gè)綜合性數集以推進(jìn)全球髓母細胞瘤的研究。 
基于磁共振成像（MRI）的人工智能（AI）系統模型
       總的來(lái)說(shuō)，該研究展示了基于磁共振成像（MRI）數據的機器學(xué)習方法增強現有分子亞型預測的潛力，并為術(shù)前非侵入性分子診斷髓母細胞瘤提供了一種可能的新途徑。
       斯坦福大學(xué)王嫣然為論文第一作者兼共同通訊作者，南加州大學(xué)、北京天壇醫院為論文共同第一作者，北京天壇醫院為論文最后通訊作者。
       2024年5月13日，王嫣然博士、中國醫學(xué)科學(xué)院阜外醫院等在 Nature Medicine 期刊發(fā)表了題為：Screening and diagnosis of cardiovascular disease using artificial intelligence-enabled cardiac magnetic resonance imaging 的研究論文。
Screening and diagnosis of cardiovascular disease using artificial intelligence-enabled cardiac magnetic resonance imaging 研究論文
       心臟磁共振成像（CMR）是心臟功能評估的金標準，在心血管疾?。–VD）的診斷中發(fā)揮著(zhù)至關(guān)重要的作用。然而，CMR解讀的資源負擔較重限制了其廣泛應用。
       為應對這一挑戰，研究團隊開(kāi)發(fā)并驗證了用于對9719名患者的11種心血管疾?。–VD）進(jìn)行篩查和診斷的計算機化CMR解讀。該研究提出了一個(gè)兩階段范式，包括基于無(wú)創(chuàng )電影成像的CVD篩查，然后是基于電影成像和晚期釓增強成像的診斷。該篩查和診斷模型在內部和外部數據集中均表現出色（曲線(xiàn)下面積分別為0.988±0.3%和0.991±0.0%）。此外，在診斷肺動(dòng)脈高壓方面，該診斷模型的表現優(yōu)于心臟病專(zhuān)家，這表明人工智能（AI）支持的心臟磁共振成像（CMR）能夠檢測到以前未識別的CMR特征。
       這項概念驗證研究有可能極大地提高心臟磁共振成像（CMR）解讀的效率和可擴展性，從而改善心血管疾?。–VD）的篩查和診斷。 
相關(guān)文章

合作咨詢(xún)

   肖女士    021-33392297    Kelly.Xiao@imsinoexpo.com

2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利） 滬ICP備05034851號-57
涡阳县| 庄浪县| 上饶市| 西城区| 和田市| 左云县| 明水县| 辽源市| 皋兰县| 张掖市| 邵阳市| 永宁县| 泰安市| 永靖县| 安平县| 湖南省| 九台市| 崇明县| 精河县| 绥德县| 安岳县| 依安县| 新巴尔虎左旗| 遂昌县| 石林| 虞城县| 白银市| 博罗县| 清涧县| 尚义县| 理塘县| 临朐县| 汉中市| 行唐县| 策勒县| 榆林市| 玛多县| 巴南区| 诸城市| 阿拉善左旗| 蓝山县|