在当今的肿瘤学临床实践和药物开发领域，对肿瘤反应的评估方法正处于革新的边缘。自1981年世界卫生组织(WHO)提出用于评估抗癌药物效果的肿瘤反应分类标准以来，这一领域经历了多次改进。最为人们熟知的，是1995年成立的响应评估标准在实体瘤(RECIST)工作组。该工作组通过与加拿大国家癌症研究所、美国国家癌症研究所以及欧洲癌症研究和治疗组织的合作，建立了基于大量病例数据的循证推荐，推动了RECIST 1.0和1.1版本的发布，这些版本在确定客观响应率等影像学终点方面发挥了重要作用。 然而，随着对肿瘤生物学更深入的理解和诊疗策略的不断演进，传统的依赖大小和数量变化的评估方法显示出其局限性，这就需要新的方法来填补这一空缺。为此，RECIST工作组于2022年5月组织了一次多学科工作坊，聚焦于探讨放...
迫切问题的背景 前列腺癌是男性中最常见的癌症之一。转移性去势抵抗性前列腺癌（mCRPC）是一种晚期形式的前列腺癌，其特点是肿瘤对去势治疗产生了抵抗。Radium-223是一种α发射体放射性药物，已被证明可以提高mCRPC患者的总体生存率（OS）并减少骨骼事件。然而，目前临床实践中缺乏可用的生物标记物来预测哪些患者可能对Radium-223治疗有反应，及时监测治疗的效果以及评估患者的预后。因此，开发相关的循环和影像生物标记物就具有重要的意义。 论文来源 该论文由Philip J. Saylor等研究人员编写，作者来自哈佛医学院、贝勒女子医院和麻省总医院。该研究成果发表在《JCO Precision Oncology》期刊上，doi信息为：https://doi.org/10.1200/po.2...
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...
深度学习在超声心动图自动化诊断中的新突破：对比自监督学习方法的研究报告 研究背景 随着人工智能和机器学习技术的快速发展，它们在医学影像诊断领域发挥着越来越重要的作用。特别地，自监督学习(Self-Supervised Learning, SSL)在处理标签数据稀缺的问题上展示出了显著的效果，这在获取医学影像标签困难和昂贵的情况下具有重要意义。通常，大多数的自监督学习方法都没有针对包含丰富时间信息的视频影像，如超声心动图，进行特别适配和优化。因此，开发出一种针对超声心动图视频的自监督对比学习方法，以提升在小型标签数据集上的自动化医学影像诊断性能，显得尤为迫切和重要。 研究来源 此研究由Gregory Holste、Evangelos K. Oikonomou、Bobak J. Mortazav...
心脏功能和猪梗塞疤痕大小的精密成像：利用超高场 MRI 在急性和慢性猪心肌梗死模型中的研究 研究背景 心脏磁共振影像学（MRI）是评估心脏功能和体积的准确且具有较高重复性的技术。近年来，超高场（ultrahigh-field，UHF）MRI 致力于提高信噪比 (SNR) 和图像分辨率。7T MRI 可能使临床指标精度提高，可早期检测功能障碍和评估治疗反应。然而，针对大型动物模型如猪的心脏功能和梗塞疤痕大小的精确测量，现有研究具有局限性，传统心脏 MRI 系统在图像质量和时间分辨率方面存在欠缺。 本研究的原因在于心脏病理改变会导致生理学上重要指标的改变，例如射血分数（ejection fraction，EF）和心肌质量。尤其是在心肌梗塞（Myocardial Infarction，MI）后，这...
改进通过多任务学习对儿童低级别胶质瘤的分割 背景介绍 儿童脑肿瘤分割是肿瘤容积分析和人工智能算法中的关键任务。然而，这一过程耗时且需要神经放射学专家的专业知识。虽然已有大量研究集中于优化成人脑肿瘤分割，但关于人工智能引导的儿童肿瘤分割研究却凤毛麟角。此外，儿童和成人脑肿瘤的MRI信号特征不同，需要专门为儿童脑肿瘤设计分割算法。因此，本文提出将脑肿瘤的基因变化分类器作为辅助任务添加到主要网络中，通过多任务学习（Deep Multitask Learning, DMTL) 提高分割结果的准确性。 论文来源 这项研究由以下研究人员开展：Partoo Vafaeikia, Matthias W. Wagner, Cynthia Hawkins, Uri Tabori, Birgit B. Ertl-...
《基于多参数MRI影像肿瘤内外放射组学特征预测胶质瘤等级》 研究背景 胶质瘤是中枢神经系统最常见的原发性脑肿瘤，占成年恶性脑肿瘤的80%。在临床实践中，治疗决策通常需要根据肿瘤的等级来进行个体化调整。世界卫生组织（WHO）将胶质瘤分为四个等级（I-IV），并将其进一步分类为低级别胶质瘤（LGG，I级和II级）和高级别胶质瘤（HGG，III级和IV级）。准确的胶质瘤分级对于制定治疗方案、实施个性化治疗以及预测预后和生存时间至关重要。目前，胶质瘤等级的诊断主要通过外科活检或组织病理学分析。然而，这种诊断方法具有侵入性且在某些情况下对患者不宜，因此急需一种非侵入性且高准确度的胶质瘤分级系统。 磁共振成像（MRI）已成为放射科医生在过去几年中诊断脑肿瘤的热门非侵入性手段。尽管有经验的放射科医生通过裸...
基于自注意力相似性引导的图卷积网络用于多类型低级别胶质瘤分类 一、研究背景 低级别胶质瘤是一种常见的恶性脑肿瘤,由大脑和脊髓中的胶质细胞癌变引起。胶质瘤具有发病率高、复发率高、死亡率高和治愈率低等特点。正确分类多类型低级别胶质瘤对患者的预后至关重要。在诊断上,医生通常利用磁共振成像(MRI)和计算机断层扫描(CT)分析胶质瘤细胞的异柠檬酸脱氢酶(IDH)突变状态。 IDH突变状态是区分野生型和突变型胶质瘤的重要标志。传统上需要通过活检或手术切除来进行免疫组织化学或基因测序,从而确定IDH突变状态。由于活检存在一定风险,因此开发无创预测IDH突变状态的计算机辅助诊断方法具有重要意义,可避免患者接受不必要的手术风险。 二、论文来源 该论文发表于IEEE生物医学与健康信息学期刊(IEEE Jour...
AI 辅助的基于切片池化的胶质瘤分级影像组学算法 背景介绍 胶质瘤（Glioma）是中枢神经系统中最常见和最具威胁的肿瘤，具有高发病率、高复发率、高死亡率和低治愈率。世界卫生组织（WHO）将胶质瘤分为四级（I、II、III和IV），其中I级和II级被称为低级别胶质瘤（LGG），而III级和IV级被称为高级别胶质瘤（HGG）。高级别胶质瘤是一种更具侵袭性的恶性肿瘤，其预期寿命约为两年。尽管WHO在2016年引入了分子分型，可以排除不敏感的治疗，但胶质瘤的分级仍然是一个重要的诊断标准，因为它决定了治疗方案的选择。 磁共振成像（MRI）是检测和分析胶质瘤的常用成像技术。它是一种无创且快速的方法，同时MRI图像包含了丰富的信息，这些信息仅凭医生的观察很难获取。影像组学（Radiomics）作为人工智...
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...