基于扩散模型的特征增强：针对全视野病理图像多实例学习的新方法 学术背景与研究动机 在计算病理学（computational pathology）领域，如何有效分析全视野扫描病理图像（Whole Slide Images，WSIs）是当前研究的热点。WSIs 是超高分辨率的图像，通常具有广域的视野，广泛用于癌症诊断。然而，由于病例标记的稀缺性以及图像自身的体量庞大，基于深度学习的多实例学习（Multiple Instance Learning，MIL）在WSI的自动化分析中面临诸多挑战。 MIL 是一种经典的弱监督学习方法，核心思路在于将整个WSI看作一个“袋”级别的实例，而每块小图像（patch）作为单独的“袋中实例”。虽然袋级别的标签已知，但单个实例的标签未知。在 MIL 的应用中，常见的...
美国成年人社会风险与癌症筛查依从性的关系研究 学术背景 癌症筛查是早期发现和预防癌症的重要手段，能够显著改善治疗效果并降低死亡率。然而，尽管美国多个健康机构推荐了结直肠癌、肺癌、乳腺癌和宫颈癌的筛查，但符合条件的成年人的筛查率仍低于推荐目标。特别是在结构性边缘化群体中，筛查依从性存在显著差异。这些差异源于复杂的社会因素，包括长期的结构性不平等和社会不公，这些因素对公共卫生构成了重大挑战，并阻碍了健康公平的实现。 为了应对这些挑战，研究人员提出了多种框架来理解和缓解影响健康结果和差异的因素，特别是与癌症相关的因素。这些框架涵盖了被称为“健康社会决定因素”（Social Determinants of Health, SDOH）的一系列相互关联的因素，这些因素塑造了个体的社会风险（如食品不安全、...
学术背景 前列腺癌是全球男性中最常见的癌症之一，尤其是在西方国家。尽管早期诊断和治疗技术的进步显著提高了患者的生存率，但前列腺癌的复发仍然是一个重大的临床挑战。特别是在高危非转移性激素敏感性前列腺癌（nmHSPC）患者中，生化复发（biochemical recurrence, BCR）后的管理尤为复杂。传统的影像学技术（如CT和骨扫描）在检测转移性疾病方面存在局限性，可能导致疾病的低估。近年来，前列腺特异性膜抗原-正电子发射断层扫描（PSMA-PET/CT）作为一种新兴的影像学技术，显示出在检测前列腺癌转移方面的优越性。 本研究的主要目的是探讨在高危非转移性激素敏感性前列腺癌患者中，PSMA-PET/CT的影像学表现及其对疾病分期的潜在影响。研究团队通过回顾性分析，评估了PSMA-PET/...
乳腺癌筛查的经济效益分析：基于加拿大数字乳腺X线摄影的研究 学术背景 乳腺癌（Breast Cancer, BC）是北美女性中最常见的癌症之一，也是导致女性癌症死亡的第二大原因。尽管乳腺癌的治疗手段在过去几十年中取得了显著进展，患者的生存率有所提高，但治疗费用也随之大幅增加。特别是在新型系统疗法的引入后，乳腺癌的治疗成本显著上升。因此，如何在提高治疗效果的同时控制医疗成本，成为了公共卫生政策制定者和医疗系统管理者面临的重要问题。 乳腺X线摄影筛查（Mammographic Screening）是早期发现乳腺癌的重要手段，能够有效降低乳腺癌的死亡率和发病率。然而，关于筛查的经济效益，尤其是不同筛查策略的成本效益比（Cost-Effectiveness Ratio, ICER）仍然存在争议。尽管...
CHEK2基因的低风险变异与癌症表型的关系研究 学术背景 CHEK2基因（OMIM 604373）是乳腺癌易感基因之一，其单等位基因的致病性变异（pathogenic variants, PVs）与乳腺癌、结直肠癌、肾癌和甲状腺癌的风险增加相关。然而，关于CHEK2基因双等位基因变异的表型研究较少，尤其是低风险（low-risk, LR）变异如p.I157T、p.S428F和p.T476M的癌症易感性尚不明确。这些低风险变异在人群中较为常见，但其在双等位基因状态下的癌症风险尚未得到充分研究。因此，本研究旨在探讨CHEK2基因双等位低风险变异与癌症表型的关系，特别是与单等位基因变异和野生型（wild type, WT）相比的差异。 论文来源 本论文由Brittany L. Bychkovsky...
心血管疾病与乳腺癌诊断分期的关联研究 学术背景 心血管疾病（Cardiovascular Disease, CVD）和癌症是美国死亡率最高的两大疾病。尽管两者有许多共同的危险因素，但近年来的研究表明，心血管疾病可能直接促进癌症的发生和进展。特别是在乳腺癌中，心血管疾病可能通过诱导免疫抑制状态，加速肿瘤细胞的生长和扩散。因此，研究者提出了一个假设：患有心血管疾病的个体在乳腺癌诊断时可能更容易处于晚期阶段。这一假设的验证不仅有助于理解心血管疾病与癌症之间的潜在机制，还可能为乳腺癌的个性化筛查提供新的思路。 论文来源 该研究由Ivan Angelov、Allen M. Haas、Elizabeth Brock、Lingfeng Luo、Jing Zhao、Benjamin D. Smith、Sha...