単一細胞マルチオミクスによるHIV潜伏逆転研究で、ウイルス再活性化の新規調節因子を解明 本論文「integrated single-cell multiomic analysis of hiv latency reversal reveals novel regulators of viral reactivation」は、Manickam Ashokkumar、Wenwen Meiらの研究者グループによって執筆され、ノースカロライナ大学チャペルヒル校（University of North Carolina at Chapel Hill）やテキサスA&M大学（Texas A&M University）などの複数の機関から参加しています。2024年6月20日に「Genomics, Prote...

画像抽出と分類システムによるABI患者の歩行異常運動の自動化された臨床評価 学術的背景 獲得性脳損傷（Acquired Brain Injury、ABI）後、歩行障害は一般的な身体障害です。ABIには通常、脳卒中と外傷性脳損傷が含まれ、これらの疾患の世界的な発生率は約150万例です。ABI患者の歩行障害は下肢だけでなく、体幹と上肢にも影響を及ぼし、日常生活への参加を制限し、生活の質を大幅に低下させます。機能障害に加えて、これらの明らかな運動異常は美的な問題を引き起こす可能性があり、患者のボディイメージ、自尊心、心理的健康、社会的統合に悪影響を及ぼす可能性があります。 研究動機 従来のABI患者の運動異常評価は、経験豊富な理学療法士による視覚的観察を通じた主観的評価に依存していました。しかし、...

背景紹介 脳卒中は世界的な死亡と障害の主要な原因の一つであり、人口の高齢化と都市化の進展に伴い、脳卒中患者の総数が世界中で増加しています。治療の進歩により死亡率は低下していますが、生存者のうちリハビリテーションを必要とする人数は大幅に増加しています。特に低所得国や中低所得国では、この状況が顕著です。これらの国々では医療資源が限られているため、適応性が高く費用対効果の高いリハビリテーション介入が緊急に必要とされています（Feigin et al. 2022）。 脳卒中のリハビリテーションは長期にわたり、身体的にも経済的にも大きな負担がかかるプロセスであるため、自動評価システムによりリハビリテーションの費用を軽減し、理学療法士の訪問需要を減らすことの重要性がますます高まっています。これらのシステ...

機械学習支援の定量高光スペクトルイメージングによる脳腫瘍切除のガイド効果研究 背景紹介 悪性グリオーマの完全切除は、浸潤領域の腫瘍細胞を区別するのが難しいという課題に常に直面しています。この研究の背景は、神経外科手術において、5-アミノレブリン酸（5-aminolevulinic acid、略称5-ALA）を使用することで、プロトポルフィリンIX（protoporphyrin IX、略称PPIX）の蛍光ガイドを実現し、腫瘍の切除率を向上させることです。しかし、スペクトルイメージングの助けを借りても、多くの低悪性度グリオーマや一部の高悪性度腫瘍は、PPIXの蓄積が少ないため、蛍光が弱く、腫瘍の区別が困難です。したがって、異なる種類の腫瘍組織におけるPPIX発光スペクトルを理解し、これらのスペク...

Mapping Multimorbidity Progression Among 190 Diseases 背景 全世界において、人口の高齢化と慢性病の悪影響の増加に伴い、多病共存（multimorbidity）、すなわち複数の長期疾病の共存がますます重大な健康課題となっている。個々人における多病共存の蓄積過程を理解することは、研究者がその発症メカニズムをよりよく理解し、医療サービス提供者が最初の症状が現れた際に介入や他の病気のスクリーニングを行う助けとなり、政策決定者が患者の健康ニーズをよりよく満たすための包括的なケアマネジメント方法を策定するのに役立つ。 研究動機 現在の多病共存クラスタリング方法は、主に一般的な疾患の組み合わせの頻度に基づいており、この方法では疾患が時間と共にどのように...

低グレードグリオーマ患者の全生存率予測における有用な特徴の研究 学術的背景 グリオーマは脳内の腫瘍性成長であり、患者の生命を深刻に脅かすことが多い。大多数の場合、グリオーマは最終的に患者の死をもたらす。グリオーマの分析は通常、顕微鏡下で脳組織の病理切片を観察することを伴う。脳組織病理画像には患者の全生存率（OS, Overall Survival）を予測する大きな潜力があるが、脳組織病理の独特性により、これらの画像が唯一の予測因子として使用されることは稀である。病理画像を用いて早期のグリオーマ患者の全生存率を予測することは、治療と生活の質に重要な価値を持つ。この研究では、著者たちは深層学習モデルと簡単な記述データ（年齢やグリオーマの亜型など）を組み合わせて、低グレードグリオーマ（LGG, l...

最適化統合機械学習による膠芽腫の予測 論文背景と研究目的 医学研究において、膠芽腫（gliomas）は最も一般的な原発性脳腫瘍であり、異なる臨床行動と治療結果を持つ多様な癌のタイプがあります。膠芽腫患者の予後を正確に予測することは、治療計画の最適化と個別化された患者ケアにとって極めて重要です。大規模なゲノムおよび臨床情報の広範な利用可能性に伴い、機械学習手法は信頼性のある膠芽腫予測モデルを作成する上で大きな可能性を示しています。本研究における膠芽腫予測モデルは、複数の機械学習アルゴリズム（KStarおよびSMOReg）を統合することで、膠芽腫予測の精度と効率を向上させ、個別化医療および患者予後の改善に寄与することを目的としています。 論文出典 この論文はJatin Thakur、Chahil...

多模態解凍変分オートエンコーダとゲーム理論解釈性が膠質腫分類における応用 背景紹介 中枢神経系統で膠質腫は最も一般的な原発性脳腫瘍です。細胞活性と侵襲性に応じて、世界保健機関（WHO）はこれをIからIV級に分類しています。IおよびII級を低位膠質腫（LGG）、IIIおよびIV級を高位膠質腫（HGG）と呼びます。臨床実践において、治療決定は通常、腫瘍の異なる級に合わせて個別に調整する必要があります。そのため、正確な膠質腫分類は、治療決定、個別化治療、患者の予後予測にとって非常に重要です。現在、膠質腫分類のゴールドスタンダードは手術生検や組織病理学分析によって行われています。しかし、この方法は侵襲性があり、リアルタイム性を持っていないため、てんかん、感染症、さらには穿刺経路沿いの腫瘍転移によって...

グリオーマ予後の透明性機械学習と説明可能なAIを用いた洞察の応用 学術的背景 本研究は、患者が特定のタイプの脳腫瘍であるグリオーマに罹患しているかどうかを検出するために、複数の機械学習および深層学習法を使用し、説明可能な人工知能（XAI, Explainable Artificial Intelligence）技術を組み合わせた信頼できる技術を開発することに取り組んでいます。グリオーマ（glioma）はグリア細胞に由来する中枢神経系のがんの一種で、成長が速く健康な脳組織に侵襲する特性を持ちます。一般的な治療方法には手術、放射線療法、化学療法などがあります。患者のデータ、例えば医療記録や遺伝情報を統合することで、機械学習アルゴリズムが個々の患者に対する様々な医療介入の反応を予測できます。 論文...

臨床検証無細胞DNA断片分析方法における肺癌早期検出の向上に関する研究 研究背景 肺癌は世界中で男性および女性の健康を脅かす最大の癌の一つです。アメリカでは毎年12.5万人以上が肺癌で死亡し、世界では約180万人に上ります。既存の研究で、低線量CTスキャン（LDCT）が肺癌の死亡率を大幅に低減できるとされていますが、実際にはLDCTの使用は非常に限られています。したがって、より多くの人々が受け入れやすい新しい早期肺癌検出方法の開発が特に重要です。このニーズに応えて、本研究チームは無細胞DNA（cfDNA）断片分析に基づく肺癌早期検出方法の検証を行いました。 研究出典 この研究はPeter J. Mazzoneらが複数の研究機関と共同で行ったもので、研究成果は『Cancer Discovery...