阿里巴巴达摩院联合盛京医院研发肝癌诊断AI模型DAMO LiON,通过CT影像识别微小癌变病灶。临床试验中,AI发现15例被遗漏的恶性肿瘤,多为1厘米左右,准确率高于医生,协助阅片用时减少27%,敏感性提高11.5%。该成果发表于《自然·医学》,并已部署医院辅助诊断。
研究揭示,衰老引发的慢性炎症使促炎型髓系细胞增多,抑制抗PD-L1免疫治疗效果。胸腺素能抑制NF-κB通路,减少炎症,恢复老年小鼠肿瘤对免疫治疗的响应。补充锌可增强胸腺素活性,改善免疫功能。
本教程强调先分析数据再建模。通过剖析乳腺超声数据集BUS-BRA,发现类别不平衡、患者分组等关键问题,进而指导MONAI分割管道的设计。采用Dice损失处理不平衡,按患者分组划分数据,并利用U-Net模型。最终验证Dice达0.866,测试集0.864,并分析失败模式,提出改进方向。核心是让数据驱动决策。
COMPASS是一种泛癌症AI基础模型,基于33种癌症的转录组数据训练,用于预测免疫检查点抑制剂治疗响应。该模型通过44个生物学概念编码基因表达,在16个临床队列中优于22种现有方法,准确率提升8.5%,AUPRC提升15.7%,并能泛化至未涉及的癌症类型和治疗方案,为个体化治疗提供可解释的机制线索。
一项新研究表明,限制糖分摄入并采用生酮饮食可显著延长胶质母细胞瘤患者的生存期,从14.7个月提高到21.5个月。研究强调癌细胞对葡萄糖的依赖,提出通过代谢疗法改善癌症治疗效果,提醒人们关注饮食对健康的影响。
研究表明,肌酸能够显著增强树突状细胞的能量代谢,提高其激活T细胞的能力,从而抑制黑色素瘤的生长。肌酸通过肌酸转运蛋白促进免疫激活,为癌症免疫治疗提供新的策略。人体实验也显示出类似效果,表明肌酸可作为辅助疗法改善免疫治疗的效果。
研究表明,NMN不仅具有抗衰老作用,还能通过重编程巨噬细胞增强抗肿瘤效果。在小鼠模型中,高剂量NMN显示出与PD-1抗体相似的抑瘤效果,主要通过将免疫抑制的M2型巨噬细胞转变为促炎的M1型,从而提升抗肿瘤活性。这一发现为肿瘤免疫治疗提供了新的思路。
纽约癌症与血液专家(NYCBS)与亚马逊网络服务(AWS)及Pronetx合作,成功迁移至亚马逊Connect客户服务,提升了54%的患者注册效率。该项目优化了呼叫处理流程,采用多语言路由和专业队列优先级,确保符合HIPAA标准,改善了患者体验和服务质量。
最新研究发现,咖啡中的多酚类物质通过结合NR4A1受体,改变基因表达,从而抑制肿瘤生长和炎症反应。这一机制解释了咖啡如何延缓衰老并降低慢性病风险,长期饮用咖啡有助于改善健康。
细胞衰老是防癌机制,但长期积累会导致免疫抑制,反而促进肿瘤生长。研究表明,清除“僵尸细胞”可以恢复免疫功能并抑制肿瘤。训练免疫系统识别衰老细胞可能成为新的抗癌策略。
科技CEO利用ChatGPT和基因数据为患癌犬只Rosie定制mRNA疫苗,成功使肿瘤缩小50%。经过伦理审批后,Rosie恢复健康,能在公园追兔子。
麻省理工学院的Matthew G. Jones教授利用人工智能和计算方法研究肿瘤进化,特别关注外染色体DNA(ecDNA)的扩增。研究发现,ecDNA在约25%的癌症中普遍存在,能加速肿瘤侵袭性。通过单细胞谱系追踪技术,他希望改善患者治疗效果,预测药物抵抗,并识别新的治疗靶点。
肿瘤免疫微环境对癌细胞生长和治疗反应有重要影响。传统免疫组织化学技术难以捕获多蛋白信息,而多重免疫荧光技术成本较高。研究团队利用AI技术GigaTIME,从常规H&E切片生成虚拟多重免疫荧光图谱,分析超过14,000名癌症患者的数据,揭示肿瘤免疫微环境的复杂性,为精准医疗提供新工具。
谷歌DeepMind与耶鲁大学合作推出C2S-Scale模型,发现新药物组合可能增强肿瘤对免疫系统的可见性。该模型成功验证了silmitasertib与干扰素的协同效应,提升了抗原呈现,为癌症治疗提供了新途径。
机器之心数据服务现已上线,提供高效稳定的数据获取服务,简化数据爬取流程。
本文介绍了NeoCOAST-2试验,评估免疫检查点抑制剂与化疗及新型靶向药物联合治疗可切除非小细胞肺癌的效果。结果显示,含datopotamab deruxtecan的治疗组病理完全缓解率最高,且安全性良好,支持未来更大规模试验的开展。
本研究针对传统肿瘤浸润淋巴细胞(TILs)评估方法的复杂性,提出了一个透明且易于访问的自动化评估管道。通过结合像素分类器和深度学习模型,我们的管道在乳腺癌H
空间转录组学技术STAIG利用深度学习整合基因表达与组织图像,克服传统方法局限,有效识别空间区域,揭示肿瘤微环境细节,推动生物系统理解。
本研究聚焦于评估和提升用于人工智能临床决策支持系统(CDSS)的数据准备情况,特别是针对皮肤癌治疗。通过多方面的方法论,本研究识别了皮肤癌治疗决策的关键数据点,评估了这些数据在多种信息系统中的存在情况和质量,强调了高质量和可获取数据在人工智能驱动的CDSS成功应用中的重要性。
本研究提出了LesionLocator,这是一个用于3D医学影像中零-shot纵向病灶追踪与分割的框架,填补了纵向数据可用性方面的关键空白。该模型基于23262个注释医学扫描的广泛数据集,实现了与现有模型相比几乎提高10个dice点的病灶分割性能,并建立了通用提示病灶分割和自动化纵向病灶追踪的新基准,对未来医学影像的进步具有重要影响。
完成下面两步后,将自动完成登录并继续当前操作。