背景紹介 原発不明癌（Cancer of Unknown Primary, CUP）は、組織病理学的に悪性転移が確認されるものの、通常の基線診断方法では原発部位が特定できない悪性疾患の一種です。CUPは診断が非常に難しく、治療も困難であり、全ての癌症例の3〜5％を占めるとされています。最も一般的な病理タイプは腺癌で、次いで扁平上皮癌および未分化癌が報告されています。複数の化学療法を試みても、患者の全体的な予後は非常に悪く、10か月の中央値生存期間に達する患者はわずか20％です。CUPの顕著な特徴は、その早期の転移と強い侵襲性、多臓器にわたる影響です。 免疫組織化学染色（Immunohistochemistry, IHC）は、CUPの原発部位を予測するための重要な手段として一般的に使用されます...

医療記録を使用した広範な病気の発生予測と新たな健康脅威への迅速な対応支援 研究背景と動機 新型コロナウイルス感染症の流行は、グローバルなシステムの欠陥やデータ駆動型の指針の欠如を露呈し、高リスク群の識別およびパンデミックの準備に重大な影響を与えました。個々の未来の病気リスク評価は、予防介入、早期疾患検出、および治療開始において重要です。しかし、共通する疾患については、特定のリスクスコアがあるのは一部に過ぎず、多くの関連疾患に対する医療提供者や個人の指針は不足しています。定められたリスクスコアが存在する場合でも、どのスコアを使用するかや関連する生理学的あるいは実験室測定についてのコンセンサスが欠如しており、日常的な医療実践が高度に断片化しています。特に新型コロナウイルス感染症の初期段階では、利...

Dimond: 深層学習による拡散モデルの最適化に関する研究 学術的背景 脳科学および臨床応用において、拡散磁気共鳴イメージング（Diffusion Magnetic Resonance Imaging, dMRI）は、非侵襲的に脳組織の微細構造や神経連結性を描くための重要なツールです。しかし、拡散信号モデルのパラメーターを正確に推定する計算コストは高く、画像ノイズの影響を受けやすいです。既存の多くの深層学習に基づく教師あり推定法は、効率と性能の向上の可能性を示していますが、これらの方法は通常追加のトレーニングデータを必要とし、汎化性が不足しているという問題があります。 論文の出典 この研究はZihan Li、Ziyu Li、Berkin Bilgic、Hong-Hsi Lee、Kui Yi...

DeepDTI：ディープラーニングを用いた高忠実度六方向拡散テンソルイメージングの実現 研究背景と動機 拡散テンソル磁気共鳴イメージング（Diffusion Tensor Imaging, DTI）は、生体内の脳組織の微細構造と構造的接続性をマッピングする上で比類のない優位性を持っています。しかし、従来のDTI技術は角度サンプリングの要求によりスキャン時間が長くなり、通常の臨床実践や大規模研究での応用に制約があります。このボトルネックを克服するために、研究者たちはDeepDTIという新しいDTI処理フレームワークを開発しました。これはデータ駆動の監督ディープラーニングにより、DTIのデータ要求を最小限に抑えることを目的としています。本研究の目的は、DeepDTIを使用してDTIのサンプリング...

この研究は、機械学習フレームワークを用いて、軟部組織肉腫を構成する基礎的な細胞状態とそのセル生態系を探索し、患者の予後と免疫療法への反応性との関連性を分析しました。 研究背景:軟部組織肉腫は、まれで異質性の高い結合組織の悪性腫瘍です。現在、転移性患者に対する全身治療の選択肢は限られています。最近の研究では、一部の転移性腫瘤患者において免疫チェックポイント阻害剤(ICI)が持続的緩解をもたらすことが示されていますが、大半の患者は恩恵を受けていません。従来の生物学的マーカー(腫瘤変異負荷やPD-L1発現など)では、肉腫患者のICI反応性を正確に予測できません。研究者らは、独自の腫瘍微小環境がこの現象の主要な原因である可能性を示唆しています。 研究過程:研究者らは、299例の局所肉腫患者のRNA-...

原子間相互作用力の幾何強化事前トレーニング はじめに 分子動力学(MD)シミュレーションは、物理学、化学、生物学、材料科学などの分野で重要な役割を果たし、原子レベルのプロセスの洞察を提供しています。MDシミュレーションの精度と効率は、分子系の原子間相互作用を記述する原子間ポテンシャル関数に依存しています。古典的MDでは経験式を使用し、パラメータを当てはめる必要がありますが、計算コストは低いものの精度が不十分です。一方、第一原理MDでは、シュレーディンガー方程式を解くことで精密な相互作用を得ることができますが、計算量が非常に大きくなります。そこで、機械学習による原子間ポテンシャル(MLIPs)が、第一原理計算から得られるエネルギーと力をフィッティングすることで、ab initio精度に近づきつ...