深度学习在儿童低级别胶质瘤术后复发预测中的应用 背景介绍 儿童低级别胶质瘤（Pediatric Low-Grade Gliomas, PLGGs）是儿童中最常见的脑肿瘤类型之一，占所有儿童中枢神经系统肿瘤的30%-50%。尽管PLGGs的预后相对较好，但其术后复发风险难以通过传统的临床、影像学和基因组因素准确预测。术后复发的异质性使得术后管理决策变得复杂，尤其是关于辅助治疗和影像监测的决策。因此，开发一种能够准确预测术后复发风险的工具对于优化患者管理和改善预后具有重要意义。 近年来，深度学习（Deep Learning, DL）在医学影像分析中的应用取得了显著进展，尤其是在肿瘤分割和预后预测方面。然而，由于PLGGs的罕见性和数据稀缺性，深度学习在该领域的应用仍面临挑战。本研究旨在通过结合术...
MYC驱动的髓母细胞瘤中丝氨酸/甘氨酸合成通路的靶向治疗策略 背景介绍 髓母细胞瘤（Medulloblastoma）是儿童中最常见的恶性脑肿瘤之一，占儿童癌症死亡率的很大比例。根据分子特征，髓母细胞瘤被分为四个主要亚组：WNT、SHH、Group 3（MBGrp3）和Group 4（MBGrp4）。其中，Group 3髓母细胞瘤（MBGrp3）与c-MYC（MYC）基因的扩增密切相关，且患者预后较差。尽管MYC的高表达是MBGrp3的重要分子特征，但直接靶向MYC的治疗策略仍然难以实现。因此，寻找替代的治疗策略成为当前研究的重点。 MYC驱动的肿瘤细胞通常表现出代谢重编程，尤其是丝氨酸/甘氨酸合成通路（Serine/Glycine Synthesis Pathway, SGP）的上调。这一通...
MRI肿瘤生境分析在胶质母细胞瘤中的病理验证 背景介绍 胶质母细胞瘤（Glioblastoma, GBM）是一种高度恶性的脑肿瘤，具有高度的异质性和侵袭性。由于其复杂的肿瘤微环境（Tumor Microenvironment, TME），传统的影像学方法难以准确区分肿瘤的不同区域，如肿瘤核心、浸润性肿瘤边缘以及坏死区域。这种空间异质性不仅影响治疗效果，还导致患者预后不良。因此，如何通过非侵入性影像学手段准确识别肿瘤的不同区域，成为当前研究的热点。 近年来，基于多参数MRI（如扩散加权成像DWI和动态磁敏感对比增强成像DSC）的肿瘤生境分析（Tumor Habitat Imaging）逐渐兴起。这种方法通过体素级别的聚类分析，能够识别肿瘤内不同的生理区域，从而为肿瘤的生物学特性提供更深入的理解...
高风险髓母细胞瘤的长期治疗结果研究 背景介绍 髓母细胞瘤（Medulloblastoma）是儿童中最常见的恶性脑肿瘤之一，尽管近年来治疗手段有所进步，但高风险髓母细胞瘤患者的预后仍然较差。高风险髓母细胞瘤通常包括具有转移性病变、TP53突变、MYC/MYCN基因扩增或大细胞/间变性（LC/A）组织学亚型的患者。这些患者的治疗策略复杂，且长期生存率较低。因此，寻找更有效的治疗方案以改善这些患者的预后是当前神经肿瘤学领域的重要研究方向。 本研究由Maura Massimino等来自意大利Fondazione IRCCS Istituto Nazionale dei Tumori的研究团队主导，旨在评估一种名为“米兰策略”（Milano Strategy）的高剂量化疗联合超分割加速放疗（Hyper...
MYC/MYCN扩增型髓母细胞瘤的临床与生物学异质性研究 学术背景 髓母细胞瘤（Medulloblastoma, MB）是儿童中最常见的恶性脑肿瘤之一，尽管近年来治疗手段有所进步，但仍有约30%的患者死于该疾病，且幸存者常常面临长期的治疗相关并发症。MYC和MYCN基因扩增是髓母细胞瘤中最常见的致癌基因扩增事件，通常与高风险（High-Risk, HR）疾病相关。然而，尽管许多MYC/MYCN扩增型肿瘤对治疗反应不佳，仍有一部分患者能够实现长期生存。这种异质性使得研究人员开始关注MYC/MYCN扩增型髓母细胞瘤内部的临床和生物学差异，以期为患者提供更精准的治疗策略。 论文来源 这篇论文由Edward C. Schwalbe、Janet C. Lindsey、Marina Danilenko等...
颅内室管膜瘤复发模式的研究 背景介绍 室管膜瘤（Ependymoma, EPn）是一种罕见但具有高度异质性的中枢神经系统肿瘤，尤其在儿童中较为常见。尽管近年来在室管膜瘤的生物学和分子特征方面取得了显著进展，但其复发模式仍然不明确。室管膜瘤的复发时间和位置因分子亚型的不同而存在显著差异，这直接影响患者的治疗和随访策略。因此，研究不同分子亚型室管膜瘤的复发模式对于优化治疗方案和改善患者预后具有重要意义。 本研究旨在通过分析269例复发颅内室管膜瘤患者的临床和分子数据，揭示不同分子亚型室管膜瘤的复发模式及其对患者生存的影响。研究团队希望通过这些数据为未来的临床试验、治疗调整和随访策略提供科学依据。 论文来源 该研究由来自多个国际知名机构的学者共同完成，主要作者包括Denise Obrecht-St...
髓母细胞瘤风险分层与治疗策略的进展 背景介绍 髓母细胞瘤（Medulloblastoma）是一种常见于儿童的恶性脑肿瘤，其治疗和预后因分子亚型的不同而存在显著差异。近年来，随着分子生物学技术的发展，研究者发现髓母细胞瘤可以被进一步细分为四种不同的分子亚型，每种亚型具有独特的细胞起源、分子特征和临床预后。这一发现为髓母细胞瘤的风险分层和治疗策略的优化提供了新的方向。然而，尽管放疗（Radiation Therapy）仍然是髓母细胞瘤最有效的治疗手段，但其对神经认知和神经内分泌功能的长期影响仍是一个重要的临床问题。因此，如何在不影响疗效的前提下减少放疗剂量，成为当前研究的重点之一。 本文由Nicholas G. Gottardo和Amar Gajjar撰写，分别来自澳大利亚珀斯儿童医院（Pert...
Dppa4基因在垂体神经内分泌肿瘤中的致癌作用 学术背景 垂体神经内分泌肿瘤（Pituitary Neuroendocrine Tumors, PitNETs）是一种常见的颅内肿瘤，通常具有激素分泌功能，是导致人类性腺功能减退和不孕的重要原因之一。尽管大多数PitNETs可以通过手术和药物治疗得到控制，但部分肿瘤表现出对治疗的不敏感性或复发，甚至表现出侵袭性行为，如周围组织的广泛浸润或远处转移。目前，PitNETs的侵袭性机制尚不明确，尤其是肿瘤干细胞在其中的作用尚未得到充分研究。 近年来，研究表明，肿瘤干细胞可能在PitNETs的侵袭性和耐药性中发挥重要作用。胚胎干细胞调控基因Dppa4（Developmental Pluripotency-Associated 4）在某些癌症中过度表达，...
PICK模型在半监督医学图像分割中的应用 学术背景 医学图像分割在临床实践中具有重要意义，能够为医生提供关于器官或肿瘤的体积、位置和形状等关键信息。近年来，基于深度学习的模型在医学图像分割任务中表现出色，但这些模型通常需要大量的标注数据。然而，医学图像的标注需要专业的临床医生，获取这些标注数据既耗时又昂贵。因此，如何在有限的标注数据下提高模型性能成为了一个重要的研究问题。 半监督学习（Semi-Supervised Learning, SSL）通过同时利用有限的标注数据和大量的未标注数据，成为解决这一问题的有效方法。现有的SSL方法主要分为两类：伪标签（Pseudo-labeling）和基于一致性的协同训练（Consistency-based Co-training）。然而，这些方法在处理未...
基于边界回归与结构重参数化的细胞核实例分割模型RepsNet 学术背景 病理诊断是肿瘤诊断的金标准，而细胞核实例分割是数字病理分析和病理诊断中的关键步骤。然而，模型的计算效率和处理重叠目标的能力是当前研究中的主要挑战。为了解决这些问题，本文提出了一种基于细胞核边界回归和结构重参数化的神经网络模型RepsNet，用于在H&E染色的组织病理学图像中进行细胞核的分割和分类。 细胞核的分布和形态特征（如密度、核质比、平均大小和多形性）不仅对评估癌症分级有用，还能预测治疗效果。然而，病理图像通常具有细胞核广泛粘连、种类多样、形状多变以及细胞质背景与细胞核前景对比度低等特点，这些特征使得细胞核实例分割变得极为困难。 论文来源 本文由Shengchun Xiong、Xiangru Li、Yunpeng Z...