基于多参数磁共振影像组学的乳腺癌病理信息预测模型研究

联合动态增强磁共振成像(DCE-MRI)、T2加权成像(T2WI)以及弥散加权成像(DWI)的影像特征,建立基于多参数影像组学的预测模型,分别对乳腺癌分子分型、组织学分级和Ki-67表达进行预测。采集150例术前、化疗前的浸润性导管癌患者乳腺MRI数据,获取DCE-MRI、T2WI和DWI影像。分割各参数影像的病灶区域,并提取多参数影像特征。在训练集采用支持向量机递归特征消除(SVM-RFE)算法,获得影像组学最优特征子集并构建基于SVM的预测模型,在测试集中测试模型性能。采用概率平均法、概率投票法和概率模型优化法,分别将基于不同参数影像构建的预测模型进行融合,得到多参数影像联合预测结果,并计算ROC曲线下的面积(AUC)评估模型的分类性能。单参数影像模型预测Luminal A、Luminal B、HER2和Basal-like等4种分子分型的最佳AUC分别为0.672 1、0.694 0、0.677 7和0.708 6,多参数影像模型的预测结果提高到AUC分别为0.799 5、0.727 9、0.737 5和0.792 5。单参数影像模型预测分级的最佳AUC为0.753 3,多参数影...     

糖组和糖组学

本文简单地介绍了糖组和糖组学的研究内容和差别及研究糖组和糖组学的战略和方法。质谱、亲和层析、毛细管电泳、芯片和微流技术已成为糖组和糖组学研究中的有用工具。在糖组学的研究中 ,糖基转移酶和糖结合蛋白是承上启下的两类蛋白质 ,因此 ,糖组学的研究与蛋白质组学、基因组学密不可分。     

人工智能从数字病理切入精准医疗

国务院印发《新一代人工智能发展规划》中将人工智能(artificial intelligence,AI)上升为国家战略,将于2030年达到世界领先水平.国家癌症中心发布2017全国癌症统计数据,我国恶性肿瘤新发病例数380. 4万例,相当于平均每天1万人以上被确诊为癌症[1],因此癌症患者的早期诊断和精准治疗极为关键.     

免疫组学的研究进展

随着高通量测序技术、生物信息学等相关领域进展以及人类对免疫系统功能认识的逐步深入,免疫组学从最初解析B细胞受体（BCR）、T细胞受体（TCR）基因序列逐渐发展为解析和绘制宿主免疫系统和抗原的互作关系以及宿主免疫系统应答机制的全景图谱,主要包括抗原表位组学、免疫基因组学、免疫蛋白质组学、抗体组学和免疫信息学等方面的研究,并基于大量免疫学研究数据建立了ImmPort、VDJdb和IEDB等免疫学数据库,加速了新抗原表位的发现和免疫应答机制等研究。免疫组学能够揭示免疫系统与疾病的关联,促进新型疫苗和免疫治疗策略开发,将有效推动个体化医疗和精准药物治疗。近年免疫组与暴露组等的整合以及与人工智能的融合将对全面理解免疫系统对环境因素的响应和调节机制、解析疾病发生和发展的分子机制产生重大影响。     

人工智能在肺癌病理诊断领域中的应用

<正>肺癌是全球范围内恶性肿瘤致死的主要原因,我国肺癌的发病率及病死率长期位居首位^[1-2]。近年来,个体化治疗被认为是肺癌患者生存获益的重要保障^[3]。个体化治疗策略的制定,依赖于病理医师的精准诊断。随着人工智能(artificial intelligence, AI)“赋能”病理诊断的深入发展,开启了精准病理诊断的新时代。基于卷积神经网络(convolutional neural network, CNN)的AI辅助判读系统已取得了一些成果,     

人工智能在乳腺癌病理诊断中的应用价值

人工智能(artificial intelligence,AI)的应用可以帮助病理医师解决乳腺癌病理诊断中的诸多问题,包括组织学诊断、免疫组化判读及分子病理的应用,并辅助预测乳腺癌预后,但AI在实际应用方面仍面临较多挑战.相信随着AI在乳腺病理学领域的应用增加,其不仅能辅助乳腺病理医师的工作,减轻工作量并提高其诊断准确...     

基于人工智能的儿科病理研究的现状与趋势

目前人工智能技术已在诸多领域如图像分析、自然语言处理、语音识别等取得了卓越的成果。随着医学图像数字化技术的发展,人工智能辅助的医学图像分析成为研究者们高度关注的焦点,其中病理学图像作为医学图像的一个分支在这类研究中占有很大比重。最近工作中很多成人肿瘤的病理图像分析任务都已取得了不错的成果。然而,与成人研究相比,儿科相关...     

数字病理科和病理人工智能发展现状与展望

<正>作为数字病理和人工智能(artificial intelligence, AI)的重点号,本期刊出了关于探讨数字化智慧病理科建设中数字扫描仪选择的文章,纳入了2篇病理AI的研究工作和AI在肺癌病理诊断领域应用的专家论坛,AI在新辅助治疗后乳腺癌疗效及预后预测中研究现状的综述,内容丰富。数字病理科建设、病理AI的研究及推广应用是当代病理学发展的热点和趋势,应该进一步引起我们的重视^[1]。     

代谢组学技术对牙周炎生物标志物、病理机制及与全身关系的评价

背景：近年来,代谢组学技术高速发展,研究范围十分广泛,能检测机体整体内的小分子代谢物的总体动态变化,其研究口腔疾病时可检测到机体产生的特异性代谢产物,这使得探索口腔疾病的发病机制、致病过程、早期诊断及预后监测有了新的思路。目的：对近年来代谢组学技术在牙周炎中的应用进展做一综述,同时对存在的问题及改进方法进行了展望,旨在为牙周炎诊疗提供参考依据。方法：由第一作者检索CNKI中国期刊全文数据库、万方数据库、FMRS、Web of Science及PubMed数据库2010年8月至2022年8月中收录的相关文献,中文检索词为“牙周炎,代谢组学,唾液,龈沟液”,英文检索词为“metabolomics,metabonomics,periodontitis,saliva,gingival sulcus fluid”。首先简要阅读文章摘要及主要内容,对文献进行初步筛选,将与文章主题不相关的文献排除,最终纳入的文献数为52篇。结果与结论：目前牙周炎的代谢组学研究样本来源主要为唾液、龈沟液、血清、细菌、尿液、细胞和组织,不同的样本来源均有一定的优劣。代谢组学技术与牙周炎的相关研究结果主要集中在蛋白质、脂...     

基于代谢组学的抑郁症研究进展

<正>抑郁症(depression)是一种常见的情感障碍性疾病,以显著而持久的情绪低落为主要特征,同时伴有睡眠质量差、食欲减退、思维迟钝、精神不集中、兴趣缺失等症状,严重者会有自杀倾向。近年来抑郁症的发病率越来越高,给社会带来的各种负担也越来越重。据世界卫生组织报道,全球抑郁症患者超过3亿,约占全球总人口的4.4%^[1-2],2020年抑郁症将成为仅次于心血管疾病的第二大人类健康负担,所造成的经济负担约2.5万亿美元,占全球疾病总负担的10%^[2-3]。     

基于代谢组学的干细胞研究进展

代谢组学是一种定性和定量分析复杂生物样品中所有小分子代谢物的组学方法,主要考察生物体系受刺激或扰动后内源性代谢物的变化,是系统生物学的重要组成部分.近年来代谢组学在评判细胞功能状态及决定细胞命运的代谢途径的研究中取得了很大的进展.干细胞治疗作为一种再生医学,为各种退行性疾病的治疗带来了新的希望,成为目前的研究热点,本文重点综述了代谢组学在分析各种干细胞研究中的进展.     

皮肤创伤愈合的转录组学研究进展

皮肤创伤愈合涉及到复杂的细胞、分子网络调控,愈合障碍导致的慢性难愈创面和增生性瘢痕是棘手的医学难题。转录组学是在整体水平上研究特定时空细胞中全部基因转录本种类、结构和功能及转录调控规律的学科,其相关技术的发展为研究皮肤创伤愈合不同阶段、不同结局的分子机理和调控网络提供了有力工具。本文就转录组学在皮肤创伤愈合中的应用情况、取得成果等方面的研究进行简要综述,旨在为后续的研究提供参考。     

蚊虫转录组学研究进展?

转录组学作为最早发展起来且应用最为广泛的二代测序技术,为蚊虫基因的功能分析及寻找防治蚊虫的潜在靶标提供了有效手段。目前,转录组学已在蚊虫的吸血分子基础、唾液腺蛋白的分类构成、滞育的发生机制、消化代谢及免疫机理等方面取得突破性进展,有助于深化对蚊虫生化和生理代谢途径的认识,改善蚊虫防治效果提供理论依据。     

阑尾脓肿的CT一病理学研究

目的评价阑尾脓肿的CT诊断价值.方法分析了20例经手术和病理证实为阑尾脓肿的CT特征.结果13例CT为右下腹局限性、不规则混杂密度肿块,边界不清.3例为右下腹混合性密度肿块并盲肠和部分升结肠壁明显增厚,边界清晰.4例为盲肠周围脂肪内斑片状或网状模糊密度增高影.增强扫描20例均见明显不规则强化,16例呈不规则环状强化,4例呈斑片状强化.结论阑尾脓肿的CT表现为右下腹混合性肿块,结合临床,大多数病例可以获得正确诊断.确诊常赖于手术和病理.     

阑尾脓肿的CT一病理学研究

目的评价阑尾脓肿的CT诊断价值.方法分析了20例经手术和病理证实为阑尾脓肿的CT特征.结果13例CT为右下腹局限性、不规则混杂密度肿块,边界不清.3例为右下腹混合性密度肿块并盲肠和部分升结肠壁明显增厚,边界清晰.4例为盲肠周围脂肪内斑片状或网状模糊密度增高影.增强扫描20例均见明显不规则强化,16例呈不规则环状强化,4例呈斑片状强化.结论阑尾脓肿的CT表现为右下腹混合性肿块,结合临床,大多数病例可以获得正确诊断.确诊常赖于手术和病理.     

基于影像组学和剂量组学的放射性肺炎预测研究

目的：旨在利用影像组学和剂量组学的多组学方法,建立并验证一个有效的基于CT图像的放射性肺炎（RP）预测模型。方法：对2019年至2021年在广州医科大学附属肿瘤医院接受放疗的91例非小细胞肺癌患者进行回顾性分析。将除去临床靶区的全肺（Lung-CTV）作为感兴趣区域,从Lung-CTV区域的CT图像和剂量分布中提取影像组学和剂量组学特征。将单独的剂量体积直方图（DVH）特征、影像组学结合DVH(radio+DVH)特征、影像组学结合剂量组学（radio+dose）特征,分别输入11个不同的分类器来构建预测模型,采用五倍交叉验证法来完成分类实验。利用接受者操作特征（ROC）曲线下的面积（AUC）、准确性、精确性、召回率和F1值来评估预测模型的性能。结果：与DVH模型相比,radio+DVH和radio+dose的AUC值更高,差异有统计学意义（P<0.05）。与DVH和radio+DVH模型相比,radio+dose的准确率和F1值更高,差异有统计学意义（P<0.05）。结论：使用基于机器学习的影像组学和剂量组学的多组学方法预测RP的性能更好,有望为临床治疗提供指导。     

新型冠状病毒肺炎的影像组学研究

【摘要】为了识别新型冠状病毒肺炎（COVID-19）和非COVID-19肺炎（其他肺炎）的患者,提出一种基于胸部CT图像影像组学特征的分类方法。分别收集COVID-19患者和其他肺炎患者各90例的胸部CT图像,并手动勾勒肺炎病变区域;然后,利用影像组学方法提取病变区域的纹理特征和直方图特征,获得每个样本对应的一阶影像组学特征向量;最后,使用纹理特征和直方图特征作为输入,构建线性支持向量机（linear SVM）模型,对COVID-19患者和其他肺炎患者进行分类。该模型使用20次10折交叉验证进行训练和测试。对于COVID-19患者,还进行了相关分析（多次比较校正-Bonferroni校正,p<0.05/7）,以确定纹理和直方图特征是否与血液的实验室测试指标相关。结果表明本研究提出的方法具有良好的分类性能,分类准确度高达87.56％,敏感度为82.78％,特异性为92.33％,受试者工作特性曲线下面积为0.939,这也证明了两组人群的影像组学特征是高度可区分的,此模型可以有效地识别和诊断COVID-19患者和其他肺炎患者。相关分析结果显示某些纹理特征与白细胞、中性粒细胞和C反应蛋白正相关,而也有某些纹理特征与血氧和中性粒细胞负相关。     

阿尔茨海默症的影像遗传组学研究进展

随着中国人口老龄化程度的加剧,阿尔茨海默症(AD)患者数量迅速增加。AD是一种发病进程缓慢但不可逆的持续性神经功能障碍,目前无法根治。近年来大量研究者开始探索如何尽早发现AD,从而提前干预AD患者病程,为AD的有效治疗提供帮助。影像遗传组学是近年来发展起来的一种将医学影像数据和遗传组学数据相结合的研究诊断方法,它可以从高通量医学影像数据和遗传组学数据中挖掘出有效信息来研究AD患者的认知功能状态变化情况,对AD患者的早期发现和治疗提供有效的引导。本文概述了磁共振图像(MRI)与遗传变异的关联分析及其在AD上的研究进展,具体根据关联分析对象的复杂程度将其分类为候选脑表型、候选遗传变异、全基因组遗传变异和全脑体素,并分别简述分类后的脑表型和遗传变异关联分析所对应的具体方法。最后提出了一些目前仍未解决的问题,如表型的选取以及候选基因多态性有限等。