脳グリオーマ患者の生存分析研究：データエンジニアリングの力を借りたレビュー 序論 脳グリオーマはグリア細胞に発生する腫瘍であり、全ての原発性脳および中枢神経系腫瘍の26.7%を占めています。腫瘍の異質性の存在により、脳グリオーマ患者の生存分析は臨床管理における重要な課題となっています。過去数十年間にわたり、研究者たちは画像や遺伝情報などのさまざまなタイプのデータを組み合わせた多種多様な生存分析手法を提案してきました。特に近年は、機械学習技術や深層学習の台頭により、伝統的な統計分析に基づく生存分析手法が革新されています。本稿では、診断画像技術やゲノムプラットフォームから得られる予後パラメーター、予後予測に用いる技術、学習および統計分析アルゴリズムをレビューし、現行の生存予測研究において直面する...

ベイズ推論を用いた個別化予測による膠芽腫の成長 序論 膠芽腫（glioblastoma）は最も侵襲性の高い原発性脳腫瘍であり、腫瘍細胞は周囲の組織に高度に侵入します。標準的な医学的イメージング技術によってこれらのびまん性腫瘍境界を正確に識別することは困難であり、そのため臨床介入の効果が低く、予後も不良です。このような課題に対処するために、医学画像を用いて腫瘍の空間的および時空的な発育を信頼性を持って計算し予測することが、各個体に最適な治療計画を立てる際に有益です。 近年、腫瘍成長の生物物理モデルが非侵襲的画像測定データを用いて開発および校正され、将来の腫瘍成長や治療結果を予測することを目指しています。しかし、腫瘍の発展を予測するには2つの主要な課題を解決する必要があります。一つは、モデル予測...

世界的に見て、悪性脳腫瘍の中で最も一般的で致命的なのは膠芽腫（Glioblastoma, GBM）です。近年、機械学習技術を通じて術前の単一モダリティまたは多モダリティの画像表現型に基づいてGBM患者の総生存時間（Overall Survival, OS）を予測しようとする研究が続けられています。これらの機械学習方法は予測において一定の進展を遂げましたが、多くの研究では放射線学に基づくOS予測方法に含まれる腫瘍の遺伝子型情報を考慮しておらず、この情報は予後に強い指示作用を持っています。この問題を解決するために、Tang Zhenyu、Xu Yuyun、Jin Lei などの研究者が2020年6月に《IEEE Transactions on Medical Imaging》に「Deep Lea...

腫瘍成長の数学モデル研究——縦断的MRIを利用したグリオーマの拡散探究 最近、《IEEE Transactions on Biomedical Engineering》に発表された論文は、グリオーマ（glioma）の数学モデリングと成長規則に関する系統的研究を報告しています。この研究は、Birkan Tunç、David A. Hormuth II、George BirosおよびThomas E. Yankeelovによって行われ、縦断的磁気共鳴画像法（MRI）のデータを通じて、腫瘍成長および質量効果（mass effect）をシミュレートする際の3つの異なる数学モデルの性能を評価しました。 研究背景 膠芽腫（glioblastoma multiforme, GBM）は、最も一般的な原発性脳...

近赤外ウィンドウII蛍光イメージングによる手術ガイドが高グレードグリオーマ患者の無進行生存期間を延長 研究背景 高グレードグリオーマ（HGG）は中枢神経系において最も一般的な悪性原発性腫瘍で、その中でも膠芽腫（GBM）の予後が最も悪いです。GBM患者の治療効果を改善し、術中腫瘍切除率を向上させ、術後再発を減少させるために、研究者たちは近赤外ウィンドウII（NIR-II）蛍光イメージングを基軸とした手術ガイド戦略の研究を行っています。NIR-II蛍光イメージングは組織自発蛍光が低く、浸透深度が大の特性を持ち、腫瘍切除の精確性と安全性を向上させることが期待されています。 論文情報 この研究は夏晓静博士、张哲博士らによって共同で完成されました。彼らはそれぞれ中国科学院自動化研究所分子イメージング重...