2024年发表在《Cancer Cell International》上的《Machine Learning and Single-cell RNA Sequencing Reveal Relationship Between Intratumor CD8+ T Cells and Uveal Melanoma Metastasis》的学术报告 研究背景及目的 葡萄膜黑色素瘤（Uveal Melanoma, UM）是成人最常见的眼内恶性肿瘤。在接受放射治疗或手术治疗后，原发性UM的局部复发率较低。然而，约40%的患者在治疗后会出现远端转移，特别是在肝脏，导致高达50%的死亡率（4至5年内）。当前，针对UM转移风险的评估主要依赖多基因模型，这些模型多采用机器学习方法，基于基因表达谱（Gene ...
综合单细胞多组学HIV潜伏逆转研究揭示病毒再活化的全新调控因子 该篇题为《integrated single-cell multiomic analysis of hiv latency reversal reveals novel regulators of viral reactivation》的论文，由Manickam Ashokkumar、Wenwen Mei等多位研究者共同完成，分别来自于美国北卡罗来纳大学教堂山分校（University of North Carolina at Chapel Hill）和德州农工大学（Texas A&M University）等多家机构，并于2024年6月20日提前发表在《Genomics, Proteomics & Bioinformatics...
通过图像提取和分类系统对ABI患者行走异常运动的自动化临床评估 学术背景 获取性脑损伤（Acquired Brain Injury，ABI）后，行走障碍是一种常见的身体残疾。ABI通常包括中风和创伤性脑损伤，这些疾病在全球范围内的发生率约为150万例。ABI患者的行走障碍不只影响下肢，还会影响到躯干和上肢，从而限制日常生活的参与并大大降低生活质量。除了功能障碍外，这些明显的运动异常还可能产生美学问题，进而对患者的身体形象、自尊、心理健康和社会融合产生负面影响。 研究动机 传统的ABI患者运动异常评估通常依赖于经验丰富的理疗师通过视觉观察来进行主观评估。然而，国际功能、残疾与健康分类（ICF）中的运动异常评估卷标显示虽然在同一评估者之间有很强的一致性，但在不同评估者之间只能达到中等的信度，这限...
背景介绍 中风是全球死亡和致残的主要原因之一，随着人口老龄化和城镇化的发展，中风患者总数正在全球范围内增加。尽管治疗的进步降低了死亡率，但幸存者中需要康复治疗的人数却大幅增加。特别是在低收入和中低收入国家，这种情况尤其显著。这些国家的卫生资源有限，因此亟需一种适应性强、成本效益高的康复干预措施（Feigin et al. 2022）。 中风康复是一个漫长且负担沉重的过程，不仅耗费体力，还带来巨大的经济压力，因此自动化评估系统能够减轻康复费用和减少对物理治疗师访视需求的重要性愈发显著。这些系统通过传感器数据评估中风幸存者的运动功能，提供互动康复练习的低成本方法，尤其适合家庭康复（Chen et al. 2017）。此外，将游戏融入这些系统中可以增加中风幸存者的动机和参与度，通过使他们能够从事有...
机器学习辅助的定量高光谱成像在脑肿瘤切除中的指导作用研究 背景介绍 恶性胶质瘤的完全切除一直受到肿瘤细胞在浸润区难以区分的挑战。这项研究的背景是：在神经外科手术中，通过使用5-氨基乙酰丙酸（5-aminolevulinic acid，简称5-ALA），可以实现原卟啉IX（protoporphyrin IX，简称PPIX）的荧光引导，从而提高肿瘤的切除率。然而，即使在光谱成像的帮助下，许多低级别胶质瘤和一些高级别肿瘤由于PPIX的低积累，显示出较弱的荧光，这使得肿瘤更难区分。因此，了解不同类别肿瘤组织中的PPIX发射光谱，以及如何利用这些光谱进行分类，具有重要意义。 论文来源 这篇论文发表于《Communications Medicine》期刊（2024年），文章标题为“Towards mac...
Mapping Multimorbidity Progression Among 190 Diseases 背景 在全球范围内，随着人口老龄化和慢性病的负面影响显著增加，多病共存（multimorbidity），即多个长期病症的共存，已成为一个日益严峻的健康挑战。了解多病共存在个体中的累积过程，可以帮助研究人员更好地理解其发病机制，协助医疗服务提供者在首个病症显现时进行干预或筛查其他病症，并使决策者制定综合护理管理方法，以更好地满足患者的健康需求。 研究动机 当前的多病共存聚类方法主要基于常见疾病组合的频率，这种方法难以理解疾病如何随时间发展。大多数关联性聚类方法容易夸大最流行的诊断，从而导致将太多不相关的疾病归入一个大簇。更重要的是，这些基于关联的聚类方法可能容易在确定多病共存进展轨迹时产...
低级别胶质瘤患者总体生存预测的有用特征研究 学术背景 胶质瘤是一种脑内的肿瘤性生长，通常会对患者的生命构成严重威胁。在大多数情况下，胶质瘤最终会导致病人的死亡。胶质瘤的分析通常涉及在显微镜下观察脑组织形式的病理切片。尽管脑组织病理图像在预测病人总体生存率（OS，Overall Survival）方面具有很大的潜力，但由于脑组织病理的独特性，这些图像很少作为唯一的预测因素使用。利用病理图像预测早期胶质瘤患者的总体生存率对治疗和生活质量具有重要价值。在这项研究中，作者们探讨了使用深度学习模型结合简单描述数据（如年龄和胶质瘤亚型），来预测低级别胶质瘤（LGG，low-grade glioma）患者的总体生存率（OS）的可能性。 研究来源 这篇论文由Elisa Warner、Xuelu Li、Gan...
基于优化集成机器学习的胶质瘤疾病预测 论文背景与研究目的 在医学研究中，胶质瘤(gliomas)是最常见的原发性脑肿瘤，具有不同临床行为和治疗结果的多种癌症类型。胶质瘤患者预后的准确预测对治疗方案的优化和个性化患者护理至关重要。随着大规模基因组和临床信息的广泛可用，机器学习方法在创建可靠的胶质瘤预测模型方面展示了巨大潜力。本研究中的胶质瘤预测模型旨在通过集成多个机器学习算法（KStar 和 SMOReg）来提升胶质瘤预测的准确性和效率，从而为个性化医疗和改善患者预后提供帮助。 论文来源 这篇论文由 Jatin Thakur、Chahil Choudhary、Hari Gobind、Vipasha Abrol 和 Anurag 提交，他们均来自印度Mohali的Chandigarh Unive...
多模态解缠变分自编码器与博弈理论解释性在胶质瘤分级中的应用 背景介绍 在中枢神经系统中，胶质瘤是最常见的原发性脑肿瘤。根据细胞活动和侵袭性，世界卫生组织（WHO）将其分为I至IV级，其中I和II级称为低级别胶质瘤（LGG），III和IV级称为高级别胶质瘤（HGG）。在临床实践中，治疗决策通常需要针对不同的肿瘤级别进行个性化调整。因此，准确的胶质瘤分级对于治疗决策、个性化治疗以及患者预后的预测至关重要。目前，胶质瘤分级的金标准仍然是通过手术活检或组织病理学分析。然而，这种方法是侵入性的，并且不具有实时性，可能导致癫痫、感染甚至沿穿刺路线的肿瘤转移。因此，开发一种能够在术前无创且及时诊断胶质瘤级别的分级系统具有重要意义。 磁共振成像（MRI）广泛应用于胶质瘤患者的临床术前诊断、治疗决策和预后评估...
胶质瘤预后的透明化机器学习和解释性洞察力应用于解释性人工智能的赋能 学术背景 本研究致力于开发一种可靠的技术，来通过多种机器学习方法及深度学习方法，结合解释性人工智能（XAI，Explainable Artificial Intelligence）技术检测患者是否患有特定类型的脑肿瘤——胶质瘤。胶质瘤（glioma）是起源于胶质细胞的中枢神经系统癌症的一种，具有快速生长和侵袭健康脑组织的特性，常见的治疗方法包括手术、放射治疗、化疗等。通过整合患者数据，包括医疗记录、遗传档案等，机器学习算法能够预测每个个体对不同医疗干预的反应。 论文来源 该论文由Anisha Palkar、Cifha Crecil Dias（IEEE高级会员）、Krishnaraj Chadaga和Niranjana Sam...