抽象的背景可靠的临床障碍和多发性硬化症(MS)恶化的预测模型来识别有风险的患者并优化治疗策略。目的是评估机器学习(ML)方法是否可以分类临床障碍并预测MS(PWMS)患者的恶化,如果是的,则临床和磁共振成像(MRI)特征(MRI)特征以及ML算法的组合是最佳的。方法我们使用了来自两个MS队列的基线临床和结构MRI数据(柏林:n = 125,阿姆斯特丹:n = 330)来评估五个ML模型在基线时对临床障碍进行分类的能力,并预测未来的临床恶化,并在2年和5年的随访中进行了恶化。临床恶化是由扩展的残疾状态量表(EDSS),定时25英尺步行测试(T25FW),9孔PEG测试(9HPT)或符号数字模式测试(SDMT)的定义。在预测临床结果时系统地评估了临床和体积MRI测量的不同组合。mL模型,以评估显着性。结果ML模型在阿姆斯特丹队列的基线时显着确定了临床障碍,但在预测2年和5年的随访中临床恶化并没有意义。使用临床和全球MRI量(AUC = 0.83±0.07,p = 0.015),最好通过支持向量机(SVM)分类器来确定高残疾(EDS≥4)。04(p = 0.008)。使用区域MRI体积(Thala -Mus,脑室,病变和海马)最好通过SVM确定认知受损(SDMT Z -SCORE≤ -1.5),达到0.73±0。结论ML模型可以有助于将PWMS分类为临床障碍并确定相关的生物标志物,但是临床恶化的词典是未满足的需求。
抽象背景可以通过特异性靶向触发抗体依赖性细胞介导的细胞毒性(ADCC)或通过遗传工程来表达嵌合抗原受体(CARS)来增强自然杀伤(NK)细胞的抗肿瘤活性。尽管抗体或汽车靶向,但某些肿瘤仍然对NK细胞攻击具有抗性。已知ICAM-1/LFA-1相互作用对NK细胞的自然细胞毒性的重要性,但它对ERBB2(HER2)特异性抗体曲妥珠单抗和ERBB2-培养基介导的NK细胞细胞毒性抗乳腺癌细胞诱导的ADCC的影响。方法,我们使用了表达高亲和力FC受体FcγRIIIA的NK-92细胞与曲妥珠单抗或ERBB2- CAR工程NK-92细胞(NK-92/5.28.Z)以及与ERBB2-CAR-2-CAR-2-CAR-2-CARID-ICAMID CYAMIS CYMINIC CYMINID CYMINIC CYMINID-CAR-2-CAR-2-CAR-92细胞(NK-92/5.28.z)结合使用,并或替代阻断NK细胞上的LFA-1。此外,我们特别刺激了FC受体,CAR和/或LFA-1,以研究其在免疫突触时的串扰,及其对抗体靶向抗体或靶向的NK细胞中脱粒和细胞内信号的贡献。结果阻断了LFA-1或ICAM-1的不存在会在曲妥珠单抗介导的ADCC中显着降低细胞杀伤和细胞因子释放,以针对ERBB2-阳性乳腺癌细胞,但在靶向汽车的NK细胞中并非如此。用5-Aza-2'-脱氧胞苷进行预处理,诱导ICAM-1上调,并反转ADCC中的NK细胞耐药性。此外,刺激抑制性NK细胞检查点NKG2A曲妥珠单抗单独没有充分激活NK细胞,需要额外的LFA-1共同刺激,而在CAR-NK细胞中ERBB2型车的激活会诱导的有效脱粒化,而与LFA-1无关。总内反射荧光单分子成像表明,CAR-NK细胞与排除ICAM-1的肿瘤细胞形成了不规则的免疫学突触,而曲妥珠单抗形成了典型的外周上分子超分子激活簇(PSMAC)结构。从机理上讲,ICAM-1的缺失不会影响ADCC期间的细胞 - 细胞粘附,而是导致通过PYK2和ERK1/2的信号降低,这是由CAR介导的靶向本质上提供的。
近年来,人口老龄化和工作压力的增加,腰椎间盘突出症(LDH)在临床工作中变得越来越普遍(1,2)。在个体一级,患者会因感觉或运动损失而腿部疼痛,从而导致日常生活活动的障碍甚至残疾。在社会一级,由于病假和住院相关的成本,LDH对社会造成了巨大的经济负担(3,4)。大多数LDH可以通过保守治疗来解决,但是如果不能提供有效的缓解,则应通过手术治疗有症状的LDH。手术,不确定性的重要领域是对手术后复发性LDH(RLDH)的风险进行准确的预测。经皮内窥镜经膜片乳液(PETD)是一种微创的脊柱手术,涉及去除椎间盘突出,肥大性韧带素,增生性结节,骨凸起,并扩大弗氏孔,后期的Saphenos Saphenos Saphenos Cans,甚至是脑部的杂种。目前,PETD是一种常规的,最少的侵入性手术程序,用于治疗LDH。然而,由于RLDH(5)(5),有些患者不满意术后结果,在初次椎间盘切除术后将其定义为同一障碍的DH,而复发间隔为6个月以上(6)。先前的研究(7-9)表明,术后RLDH的发生率从3%到11%,这使得RLDH成为脊柱外科医生需要解决的重要问题。在先前的重新研究研究(10,11)中,研究人员报告了RLDH的几个可能的风险因素,包括高龄,性别,肥胖,糖尿病,吸烟,疾病和椎间盘变性程度。迄今为止,尚无任何预测模型使用最少绝对收缩或选择操作员(LASSO)回归来筛选RLDH风险因素的报告。进行了这项回顾性研究,以分析接受PETD,年龄,疝气类型的患者的临床和成像数据,筛查,PFIRRMANN分类,吸烟以及高强度体力劳动的历史。基于7个预测因子建立了预测模型,内部验证的结果表明,该模型具有良好的综合性能,可以很好地预测PETD在早期阶段的PETD之后的RLDH风险