人工智能辅助的PD-L1肿瘤比例评分在非小细胞肺癌中预测免疫检查点抑制剂响应的临床验证

PD-L1肿瘤比例评分在非小细胞肺癌免疫检查点抑制剂响应预测中的人工智能解读临床验证 在肿瘤治疗和诊断领域,PD-L1(Programmed Death-Ligand 1)肿瘤比例评分(TPS)的评估是一项至关重要的工作,特别是在针对非小细胞肺癌(NSCLC)的免疫检查点抑制剂(ICI)治疗反应预测方面。然而,由病理学家评估PD-L1 TPS受主客观因素的限制,如内观察者/间观察者偏差以及肿瘤内异质性等问题。最近的研究表明,应用人工智能(AI)技术为病理图像提供量化的生物标记物评估能力,预示着AI在病理学诊断中的应用前景。 由首尔国立大学仁川医院的Hyojin Kim博士、Seokhwi Kim博士以及其他作者共同进行的这项研究成果发表在2024年5月9日的《JCO Precision On...

基于切片池化的AI辅助胶质瘤分级算法

基于切片池化的AI辅助胶质瘤分级算法

AI 辅助的基于切片池化的胶质瘤分级影像组学算法 背景介绍 胶质瘤(Glioma)是中枢神经系统中最常见和最具威胁的肿瘤,具有高发病率、高复发率、高死亡率和低治愈率。世界卫生组织(WHO)将胶质瘤分为四级(I、II、III和IV),其中I级和II级被称为低级别胶质瘤(LGG),而III级和IV级被称为高级别胶质瘤(HGG)。高级别胶质瘤是一种更具侵袭性的恶性肿瘤,其预期寿命约为两年。尽管WHO在2016年引入了分子分型,可以排除不敏感的治疗,但胶质瘤的分级仍然是一个重要的诊断标准,因为它决定了治疗方案的选择。 磁共振成像(MRI)是检测和分析胶质瘤的常用成像技术。它是一种无创且快速的方法,同时MRI图像包含了丰富的信息,这些信息仅凭医生的观察很难获取。影像组学(Radiomics)作为人工智...

将大型语言模型和知识图谱统一起来

统一大语言模型与知识图谱 背景 近年来,自然语言处理和人工智能领域涌现了大量研究成果,其中,大语言模型(Large Language Models, LLMS)如 ChatGPT 和 GPT-4 表现出色。然而,尽管这些模型具有出色的泛化能力,常常因其黑箱性质无法有效捕捉和访问事实知识而受到批评。另一方面,知识图谱(Knowledge Graphs, KGs)如 Wikipedia 和 Huapu 通过结构化形式存储了大量事实知识,但构建和演化知识图谱的过程却非常复杂。因此,研究人员提出将大语言模型与知识图谱相结合,利用两者的优势以实现互补。 来源 本文发表在《IEEE Transactions on Knowledge and Data Engineering》2024年7月第36卷第7期...

DRGI: 深度关系图信息增益用于知识图谱构建完成

知识图谱(Knowledge Graph,KG)嵌入技术是人工智能领域中的一个重要研究课题,主要用于知识获取和知识图谱的扩展。近年来,尽管有许多基于图嵌入的方法被提出,但这些方法通常只能关注知识图谱的语义信息,忽略了图的自然结构信息。因此,尽管图卷积网络(Graph Convolutional Networks,GCN)方法能够捕捉部分结构信息,但由于知识图谱的不完全性,它们仍然面临信息不足的问题。为了克服这一问题,本研究提出了一种新的模型,即深度关系图信息增益(Deep Relational Graph Infomax,DRGI),通过互信息(Mutual Information,MI)最大化充分利用了结构信息和语义信息。 本文由来自中国电子科技大学未来媒体中心的Shuang Liang,...

基于人工智能的乳腺病变分类

基于人工智能的乳腺病变分类多中心研究 在乳腺癌领域,早期诊断对于提高治疗效果和生存率至关重要。乳腺癌主要分为原位癌和浸润性癌两类,这两类癌症在治疗策略和预后上存在显著差异。原位癌的腋窝受累发生率较低(1-2%),不推荐进行前哨淋巴结活检(SLNB);而对于浸润性癌症,SLNB或腋窝淋巴结清扫(ALND)是必要的。因此,能够在术前准确区分良性、恶性以及原位和浸润癌症显得格外重要。 对比增强乳腺摄影(CEM)是一种新兴的技术,因其能够体现病变的血管特性而在临床应用中日益广泛。然而,CEM在诊断乳腺癌方面尽管对恶性病变具有高敏感性,但其特异性却不尽如人意(66-84%)。此外,传统影像学检查的解释还会受到放射科医生经验的影响,不同的放射科医生之间存在较大的差异。因此,开发一种自动、可靠,并且能够在...

基于放射组学的术后立体定向放疗后脑转移瘤患者局部控制预测

放射组学在脑转移患者术后立体定向放疗局部控制预测中的应用 学术背景 脑转移(Brain Metastases, BMs)是最常见的恶性脑肿瘤,其发病率远远超过了原发性脑瘤如胶质瘤。最近的医疗指南建议对症状明显或较大的脑转移患者进行手术治疗。为了提高局部控制率,建议对一到两个切除的BMs患者进行切除腔的立体定向放疗(Stereotactic Radiotherapy, SRT),方法可以在术后12个月内实现70%到90%的局部控制率。然而,即使在辅助SRT后,局部失败(Local Failure, LF)的风险仍然存在,这引发了对预治疗放射组学(radiomics)预测工具的需求,以识别高LF风险的患者。 研究主要信息 该研究由Josef A. Buchner等发表在《Neuro-Oncolo...

基于CNN的新型图像分割流水线用于个体化猫脊髓刺激建模

基于卷积神经网络(CNN)的图像分割流程用于个体化猫脊髓刺激建模 背景与研究动机 脊髓刺激(Spinal Cord Stimulation, SCS)是一种被广泛应用于慢性疼痛管理的治疗方法。近年来,它也被用于调节神经活动,旨在恢复失去的自主或感知运动功能。个性化的建模和治疗计划是确保SCS安全有效的重要方面。然而,生成所需细节和准确性水平的脊柱模型需要耗时且劳动密集的手工图像分割,由人类专家进行。因此,迫切需要自动化分割算法,以便在数据有限的情况下也能生成高质量的解剖模型。 论文来源 本文由Alessandro Fasse、Taylor Newton、Lucy Liang、Uzoma Agbor、Cecelia Rowland、Niels Kuster、Robert Gaunt、Elvir...

通过仿生触须感知的临床胃肠疾病筛查方法

研究背景 胃肠疾病在全球范围内表现出广泛而复杂的症状,如腹泻、胃肠道出血、吸收不良、营养不良,甚至神经功能障碍等。这些疾病因为其显著的地区、年龄和性别差异,构成了现代社会重大健康挑战和社会经济负担,尤其是胃肠道癌症,占全球癌症发病率和死亡率的三分之一。早期筛查胃肠疾病并进行及时干预对减少死亡率和提高寿命具有重要意义。 传统的胃肠疾病筛查方法主要依赖内窥镜检查,使用嵌入摄像头的柔性内窥镜,通过天然开口检查胃肠道。然而,内窥镜检查尽管广泛应用于医院,仍存在光学传感器局限,照明条件差及胃肠道工作环境极其狭窄等问题。这些因素会导致黑暗、炫光、反射等现象,降低影像质量,甚至导致误诊。无线胶囊内窥镜因其无创图像捕获能力引起了极大兴趣。尽管如此,传统内窥镜仍然需要在胶囊内窥镜之后执行详细诊断。 在当前临床...

利用电子健康记录特征识别未诊断的常见变异型免疫缺陷症患者

利用电子健康记录特征识别未诊断的常见变异型免疫缺陷症患者

利用电子健康记录特征识别未诊断的常见变异型免疫缺陷症患者 Johnson等人最近在 Science Translational Medicine 发表了一篇题为《Electronic health record signatures identify undiagnosed patients with common variable immunodeficiency disease》的研究论文。该研究通过电子健康记录(EHRs)和机器学习算法PheneT,识别未被诊断的普通变量免疫缺陷病(common variable immunodeficiency,CVID)的患者,为更早的诊断和治疗提供新途径。 研究背景和研究目的 人类先天性免疫缺陷(inborn errors of immunity...

StrokeClassifier:使用电子健康记录的集合共识模型进行缺血性脑卒中病因分类

StrokeClassifier:人工智能工具基于电子健康记录对缺血性卒中进行病因分类 项目背景及研究动机 脑卒中(尤其是急性缺血性卒中,AIS)的病因识别工作对二次预防至关重要,但诊断起来往往非常困难。在美国,每年的缺血性卒中新发病例近67.6万,其中四分之一的患者曾有过卒中史。这种病症的再发率较高,甚至可能导致死亡或进一步的残疾。缺血性卒中的病因可以多种多样,包括大动脉粥样硬化、心源栓塞、小血管病以及其他罕见病因。然而,美国大约20-30%的缺血性卒中患者在经过评估后,病因依然无法确定,被归类为隐源性卒中。这部分患者的再发卒中风险特别高。因此,能够准确识别隐源性卒中的病因,对于优化治疗方案、提高患者预后具有重要意义。然而,做出准确诊断需要整合大量的数据,包括临床史、体检结果、实验室数据、...