XiaoMi-AI文件搜索系统
World File Search System个体化
儿童达到目标药物暴露量
儿童的成熟生理反映在更复杂的给药方案中，以在儿科一生中达到目标暴露[1]。对于多种药物，如果满足以下要求，治疗药物监测（TDM）可能支持药物治疗的优化：（1）治疗范围较窄，（2）变异性大，（3）已知的浓度-效应关系，（4）没有可测量的效果。模型信息精准给药（MIPD）是TDM的下一步，最近受到了更多的关注，因为它可以作为帮助个体化给药的有力工具[2]。特别是，儿科药物治疗可能会受益于这种临床决策支持（CDS）的发展，并超越复杂的给药方案，实现更加个性化的给药。在本期期刊中，Hartman 等人[ 3 ] 评估根据基于模型的剂量指南对危重新生儿和儿童给药的万古霉素、庆大霉素和妥布霉素在 TDM 期间的目标达成情况。尽管如此，作者仍然观察到这三种药物的亚治疗浓度和超治疗浓度的比例很大。我们非常感谢他们在实施更简化的剂量指南后评估目标达成情况的主动性
实现人工智能在基因组学中的临床应用：AMIA 基因组学和转化生物信息学工作组的观点
1 犹他大学医学院医学遗传学系，犹他州盐湖城 84112，美国，2 雪松西奈医学中心企业信息服务部，加利福尼亚州洛杉矶 90025，美国，3 奥兰治县儿童医院信息服务部，加利福尼亚州奥兰治 92868，美国，4 梅奥诊所个体化医学中心定量健康科学系计算生物学系，明尼苏达州罗切斯特 55905，美国，5 Flatiron Health，纽约州纽约 10013，美国，6 南达科他大学桑福德医学院内科系，南达科他州苏福尔斯 57107，美国，7 梅奥诊所个体化医学中心人工智能与信息学系，明尼苏达州罗切斯特 55905，美国，8 EverMed Genetics and Genomics Consulting LLC，美国南卡罗来纳州格林维尔 29607，9 Walton Legal PLLC，美国犹他州默里 84123，10 CITRIS Health，CITRIS 和 Banatao 研究所，加州大学伯克利分校，加利福尼亚州伯克利 94720，美国，11 佛罗里达大学健康结果和生物医学信息学系，美国佛罗里达州盖恩斯维尔 32610，12 佛罗里达大学流行病学系，美国佛罗里达州盖恩斯维尔 32610，13 南卡罗来纳医科大学公共卫生科学系，生物医学信息学中心，美国南卡罗来纳州查尔斯顿 29403，14 罗德岛医院和 Lifespan 医疗中心病理学和实验室医学系，美国罗德岛州普罗维登斯 02915，15 布朗大学沃伦阿尔珀特医学院病理学和实验室医学系，美国罗德岛州普罗维登斯02915，美国，16 约翰霍普金斯医学院医学和生物医学工程系，马里兰州巴尔的摩 21205，美国，17 布朗大学 Legorreta 癌症中心，罗德岛州普罗维登斯 02915，美国，18 宾夕法尼亚州立大学哈克生命科学研究所生物信息学和基因组学系，宾夕法尼亚州布卢姆斯堡 16802，美国，19 本·古里安大学内盖夫软件和信息系统工程系，以色列贝尔谢巴 8410501，20 德克萨斯大学休斯顿健康科学中心麦克威廉姆斯生物医学信息学学院精准健康中心，德克萨斯州休斯顿 77030，美国，21 基因组健康系，Geisinger，宾夕法尼亚州丹维尔 17822，美国 * 通讯作者：Nephi A. Walton，医学博士，理学硕士， FACMG，犹他大学医学院医学遗传学系，30 South 2000 East，盐湖城，UT 84112（nephi.walton@utah.edu）
国际癌细胞
摘要 对基因组、转录组、蛋白质组、代谢组和相互作用组等组学数据进行综合分析是阐明癌症发生和发展的复杂机制的关键技术。最近，基于多组学分析结合各种临床信息报道了各种新发现。然而，多组学数据的综合分析极其耗费人力，因此开发新的分析技术必不可少。近年来不断发展的人工智能（AI）正迅速成为一种有效的方法，可以减少分析大量复杂数据所需的劳动力，并获取在手动分析和实验中经常被忽视的有价值信息。使用机器学习方法和深度学习系统等人工智能可以结合准确的临床信息对海量组学数据进行有效分析，并可以得到全面的预测模型，这对于进一步制定免疫治疗和分子靶向治疗的个体化治疗策略非常有益。在此，我们旨在回顾人工智能在组学数据和临床信息综合分析方面的潜力，特别关注新生物标志物的发现的最新进展以及非小细胞肺癌个性化医疗的未来方向。关键词：人工智能，非小细胞肺癌
整合全面的基因组分析和受影响分子通路的功能筛选，为癌症治疗提供参考
George Vasmatzis 博士、Minetta C. Liu 医学博士、Sowjanya Reganti 医学博士、Ryan W. Feathers 理学士、James Smadbeck 博士、Sarah H. Johnson 理学硕士、Janet L. Schaefer Klein 文学硕士、Faye R. Harris 理学硕士、Lin Yang 博士、Farhad Kosari 博士、Stephen J. Murphy 博士、Mitesh J. Borad 医学博士、E. Aubrey Thompson 博士、John C. Cheville 医学博士、Panos Z. Anastasiadis 博士美国明尼苏达州罗切斯特市梅奥诊所个体化医学中心分子医学和生物标志物发现项目（GV、JS、SHJ、JLSK、FRH、LY、FK、SJM）；美国明尼苏达州罗切斯特市梅奥诊所肿瘤学（MCL）；美国佛罗里达州杰克逊维尔市梅奥诊所癌症生物学（RWF、EAT、PZA）；实验室医学和病理学，明尼苏达州罗切斯特市（MCL，JCC）；分子医学和医学肿瘤学，梅奥诊所，亚利桑那州菲尼克斯市（MJB）；以及癌症护理专家，内华达州里诺市（SR）。
增加大脑伽马射线活动可改善情景记忆并恢复阿尔茨海默病中的胆碱能功能障碍
目的：本研究旨在评估在早期阿尔茨海默病 (AD) 中，通过对楔前叶施加伽马频率的经颅交流电刺激 (γ-tACS) 是否能改善情景记忆并通过调节脑节律来调节胆碱能传递。方法：在这项随机、双盲、假对照、交叉研究中，60 名 AD 患者接受了临床和神经生理学评估，包括在使用针对楔前叶的 γ-tACS 或假 tACS 治疗前后 60 分钟的情景记忆和胆碱能传递评估。在 10 名患者的子集中，进行了 EEG 分析和电场分布的个体化建模。评估了 γ-tACS 疗效的预测因素。结果：我们观察到，在 γ-tACS 后，Rey 听觉言语学习 (RAVL) 测试的即时回忆 (p < 0.001) 和延迟回忆分数 (p < 0.001) 有显著提高，而在假性 tACS 后没有。在 γ-tACS 后，面孔-姓名联想分数有所提高 (p < 0.001)，但在假性 tACS 后没有。短潜伏期传入抑制（胆碱能传递的间接测量）仅在 γ-tACS 后增加 (p < 0.001)。ApoE 基因型和基线认知障碍是 γ-tACS 反应的最佳预测因素。临床改善与后部区域伽马频率的增加以及楔前叶中预测的电场分布量相关。
2024 EULAR 指出应考虑对患有炎性关节炎和癌症病史的患者启动靶向治疗
摘要 背景 在患有炎性关节炎 (IA) 和先前恶性肿瘤的患者中，靶向治疗与新发癌症之间的潜在关联是日常风湿病学实践中经常关注的问题。 目的 制定注意事项 (PTC) 以帮助风湿病学家在既往恶性肿瘤的情况下开始靶向治疗。 方法 按照 EULAR 标准化操作程序，工作组开会确定系统文献综述的研究问题，并制定总体原则 (OP) 和 PTC。 结果 小组制定了五项 OP；七项 PTC 涉及在缓解期患有活动性 IA 和先前恶性肿瘤的患者中开始靶向治疗，一项 PTC 涉及未处于癌症缓解期的活动性 IA 患者。主要主题包括 (a) 需要根据患者、癌症和潜在疾病的特征评估个体化癌症复发风险； (b) 与癌症专科医生合作并根据患者和风湿病专家的共同决定确定治疗方法的重要性；(c) 对于癌症缓解期患者，立即开始适当的靶向治疗以治疗 IA 的价值；(d) 建议谨慎使用 Janus 激酶抑制剂和阿巴西普，在没有其他治疗选择的情况下，因为没有任何关于在既往恶性肿瘤患者中使用它们的数据。结论 2024 年 EULAR 注意事项为 IA 和既往恶性肿瘤患者的靶向治疗管理提供了指导。
活动分析对培训目标的挑战
本文通过职业培训领域的研究实例，展示了“行动过程”研究计划如何丰富了活动分析。首先回顾了该计划的主要假设，然后我们提出了任何培训目标的核心悖论，即从“外部”改变个人的活动，同时赋予他们基本的自主权。我们介绍了活动分析在培训环境中的四个主要用途，以及它们对分析本身的影响。接下来，本文展示了为什么关注活动的转变会导致倾向性视角，并描述了理解构成这些倾向的条件的重要性（特别是关于情况如何发挥作用）。然后回顾了当前具有培训目标的活动分析面临的一些挑战：在包括培训师作为组成部分之一的情况下研究受训者的活动，这表明也应该分析这一组成部分；扩大分析的时间范围和表达不同的时间尺度；在将活动概念化为多层次系统时表达较低和较高层次；以及开发一种人类技术方法来设计大型和复杂的技术、组织、文化和历史系统，其中培训是一个方面。活动分析领域的研究人员可能会对理论和方法上的进步和问题感兴趣，因为它提出了当前研究的空间-组织-文化-时间拓宽这一发人深省的问题。关键词：行动过程、活动转型、个体化/挪用、多层次活动分析、人类技术。
乳腺癌患者来源的全肿瘤细胞培养模型，用于有效的药物分析和治疗反应预测
乳腺癌 (BC) 是一种复杂的疾病，包含多种不同的亚型，这些亚型具有不同的遗传特征和病理特性。尽管大量抗肿瘤化合物已被批准用于临床，但患者之间药物反应的差异十分常见，这凸显了对个体化治疗进行有效治疗预测的必要性。最近，已经建立了几种用于预测药物反应的患者衍生模型。然而，每种模型都有其局限性，阻碍了它们的临床应用。在这里，我们报告说，可以从所有乳腺肿瘤中稳定地建立全肿瘤细胞培养 (WTC) 体外模型，成功率很高（116 个中的 98 个），并且它可以将亲本肿瘤与内源性微环境重新组装。通过研究来自一个患者群体的 WTC 的广泛 BC 疗法，我们观察到了很强的临床关联和预测值。在另一项验证研究中，基于 WTC 的测试结果与患者的临床反应之间的相关性进一步证实了准确性，该研究模拟了 15 名 BC 患者的新辅助治疗方案。总的来说，WTC 模型使我们能够在 10 天内完成个性化药物测试，即使是小型肿瘤，也凸显了其在个性化 BC 治疗中的潜力。此外，结合基因组和转录组分析，基于 WTC 的测试还可以帮助对特定患者群体进行分层，以便分配到适当的临床试验中，并在药物开发过程中验证潜在的生物标志物。
精准医疗和个性化医疗：它们目前的定义对于它们所提倡的健康模式有何启示？对个性化医疗发展有何启示？
美国国家人类基因组研究所对精准医疗的定义如下：“精准医疗（通常被认为类似于个性化医疗或个体化医疗）是一种创新方法，它利用个人的基因组、环境和生活方式信息来指导与其医疗管理相关的决策。精准医疗的目标是提供更精确的方法来预防、诊断和治疗疾病。”在这篇观点文章中，我们质疑精准医疗的这一定义及其当前实践和发展相关的风险。我们强调，在实践中，精准医疗是基于使用大量生物数据用于个人目的，这主要符合生物医学健康模式，这存在个人生物还原论的风险。更全面、更精确、甚至更“个性化”的健康方法需要考虑环境、社会经济、心理和生物决定因素，这种方法更符合生物心理社会健康模式。环境暴露在广义上的作用越来越受到重视，尤其是在暴露组研究领域。不考虑精准医疗所处的概念框架，会导致医疗体系内可以调动的不同责任被掩盖。将精准医疗锚定在一个不将其定义限制于生物和技术组成部分的模型中，可以设想一种个性化和更精准的医疗，整合更多以个人技能和生活环境为中心的干预措施。
根据自身抗体特异性进行个性化治疗
重症肌无力 (MG) 是一种抗体介导的自身免疫性疾病，每百万人患病率为 150 - 250 例。自身抗体包括针对乙酰胆碱受体 (AChR) 的长寿命抗体，主要为 IgG1 亚类，以及几乎完全由短寿命浆母细胞产生的 IgG4，在肌肉特异性酪氨酸激酶 (MuSK) 重症肌无力中普遍存在。大量研究表明，目前接受常规药物治疗的 MG 患者仍然无法获得令人满意的症状控制，这表明疾病负担沉重。随后，根据自身抗体的类型和发病机制，我们综合了迄今为止发表的材料，并得出了与 MG 个性化靶向治疗相关的文献的结论。AChR MG 的新型药物已在临床研究中显示出其疗效，例如补体抑制剂、FcRn 受体拮抗剂和 B 细胞活化因子 (BAFF) 抑制剂。抗CD20疗法的代表药物利妥昔单抗已被证实对MuSK MG患者有疗效。由于存在低亲和力抗体或现有方法无法获得的未识别抗体，血清阴性MG的治疗仍然很复杂；因此需要特殊的检测和治疗考虑。在疾病早期开始应用新型生物制剂可能会有优势。目前，疗法也可以根据不同类型的抗体进行组合和个体化。面对如此广泛的药物，如何为不同病情的患者制定治疗策略并找到最适合每种MG情况的解决方案是我们必要且紧迫的目标。