XiaoMi-AI文件搜索系统
World File Search System骨关节炎
2022; 12(11): 4866-4878. doi: 10.7150/thno.69368 研究论文混合外泌体实现软骨细胞特异性基因组编辑，用于治疗骨关节炎
原理：需要一种细胞特异性的运载载体来实现对疾病相关细胞的基因编辑，因此可遗传的基因组编辑反应被限制在这些细胞内而不会影响健康细胞。通过工程外泌体和脂质体融合而获得的基于混合外泌体的纳米级运载载体将能够选择性地将 CRISPR/Cas9 质粒封装并递送到嵌入关节软骨的软骨细胞中，并减轻软骨损伤的状况。方法：通过在外泌体表面蛋白 Lamp2b 的 N 端遗传融合软骨细胞亲和肽 (CAP) 构建软骨细胞靶向外泌体 (CAP-Exo)。CAP-Exo 与脂质体的膜融合形成混合 CAP-外泌体 (混合 CAP-Exo)，用于封装 CRISPR/Cas9 质粒。通过关节内（IA）给药，杂合体CAP-Exo/Cas9 sgMMP-13进入模拟骨关节炎状态的软骨损伤大鼠的软骨细胞。结果：杂合体CAP-Exo通过IA给药进入关节炎大鼠软骨基质的深层区域，将质粒Cas9 sgMMP-13递送至软骨细胞，敲低基质金属蛋白酶13（MMP-13），有效消除软骨细胞中MMP-13的表达，并减弱软骨中细胞外基质蛋白的水解降解。结论：软骨细胞特异性敲低MMP-13可减轻或预防关节炎大鼠的软骨退化，表明杂合体CAP-Exo/Cas9 sgMMP-13可以缓解骨关节炎。
在骨关节炎研究中使用机器学习
摘要目的这篇系统文献综述的目的是提供对机器学习（ML）在骨关节炎（OA）临床护理中的使用（ML）的全面概述。方法，使用带有关键词和网格术语的Medline PubMed于2021年7月进行了系统文献综述。对于每份选定的文章，收集了患者的数量，使用的ML算法，分析的数据类型，验证方法和数据可用性。从1148片筛选的文章中进行了46个结果，并分析了46篇；大多数是在2017年以后出版的。十二篇文章与诊断有关，7与预测相关，4与表型有关，12至严重程度为11，而进展为11。包括18至5749的患者人数。总体而言，有35％的文章描述了深度学习的使用和74％的成像分析。总共85％的物品涉及膝盖OA和15％的髋关节OA。没有研究研究手OA。 大多数研究都涉及相同的队列，其中来自OA计划的数据中有46％的文章，最多的髋关节和队列膝关节膝关节群为11％和7％。 数据和源代码分别在54％和22％的文章中分别公开可用。 仅在7％的文章中提供了外部验证。 结论本评论提出了对临床OA研究中使用的ML方法的最新概述，并将有助于增强其在该领域的应用。没有研究研究手OA。大多数研究都涉及相同的队列，其中来自OA计划的数据中有46％的文章，最多的髋关节和队列膝关节膝关节群为11％和7％。数据和源代码分别在54％和22％的文章中分别公开可用。仅在7％的文章中提供了外部验证。结论本评论提出了对临床OA研究中使用的ML方法的最新概述，并将有助于增强其在该领域的应用。
量子增强精准医疗应用，支持晚期膝关节骨关节炎个性化治疗的数据驱动临床决策：precisionKNEE_QNN 的开发和初步验证
背景 膝关节骨关节炎的临床问题是，尽管一些新疗法安全有效，但反应各不相同，定义预测个体反应的特征仍然是一个挑战。基于参数化量子电路 (PQC) 的变分量子经典和量子机器学习 (QML) 算法是一种很有前途的实验技术，可以提高基于存储在大型非结构化数据库中的真实数据的精准医疗临床决策支持系统 (CDSS) 的效率。在本文中，我们测试了一个量子神经网络 (QNN) 应用程序，以支持精准数据驱动的临床决策，为晚期膝关节骨关节炎选择个性化治疗。方法在征得患者同意并经研究伦理委员会批准后，我们收集了 170 名符合膝关节置换术条件的患者（Kellgren-Lawrence 分级 ≥ 3、OKS 27、年龄 ≥ 64 和特发性关节炎病因）在 2 年内接受单次微碎片脂肪注射治疗前后的临床人口统计数据。为减轻性别偏见，性别类别保持平衡（76 名男性，94 名女性）。OKS 改善 ≥ 7 的患者被视为有反应者。我们在随机选择的 113 名患者训练子集上训练了 QNN 分类器，以在 1 年时根据疼痛和功能对反应者与无反应者（73 R，40 NR）进行分类。异常值从训练数据集中隐藏，但从验证集中保留。我们在 IBM 量子模拟器上运行了 QNN 分类器，以减少由于噪声造成的错误。结果 我们在随机选择的 57 名患者（34 名 R，23 名 NR）测试子集（包括异常值）上测试了我们的 QNN 分类器。无信息率为 0.59。我们的应用程序正确地将 34 名反应者中的 28 名和 23 名无反应者中的 6 名分类为正确（敏感性 = 0.82，特异性 = 0.26，F1 统计量 = 0.71）。阳性（LR+）和阴性（LR-）似然比分别为 1.11 和 0.68。诊断优势比 (DOR) 等于 2。结论 在相对较小的膝关节骨关节炎数据集上测试的 QNN 分类器的初步临床和技术结果表明，量子机器学习应用于数据驱动的临床决策是一项很有前途的技术。我们的研究结果需要通过更大的真实世界非结构化数据集进行进一步的研究验证，并通过人工智能临床试验进行临床验证，以测试模型的功效、安全性、临床意义和在公共卫生层面的相关性。
犬髋关节骨关节炎模型中的生物表面置换
作者：BT Estes · 2021 · 被引用 18 次 — Reece，对接受单侧全髋关节置换术的狗的地面反作用力进行前瞻性评估。Am.J. Vet.Res.57, 1781–1785 (1996)。20.J. S. ...
靶向药物输送治疗骨关节炎的最新进展
骨关节炎 (OA)、类风湿性关节炎 (RA) 和腰痛等肌肉骨骼疾病是全球第二大致残原因，给社会带来了沉重的生理和经济负担 [1,2]。这类疾病的特点是组织退化和炎症活动，可导致慢性疼痛和严重的关节损伤 [3]。具体而言，骨关节炎关节因其承重特性，最容易受到关节软骨退化和滑膜炎症的影响，久而久之会导致关节功能和活动能力丧失。炎性细胞因子[如白细胞介素 (IL)-1、IL-6、肿瘤坏死因子 α (TNF α )] 和降解酶[如基质金属蛋白酶 (MMP)13、具有血小板反应蛋白基序 5 的解整合素金属蛋白酶 (ADAMTS5)] 等生物因素的过度表达会加速骨关节炎的进展，尤其是在关节损伤的情况下 [4]。软骨的无血管特性限制了其自我再生能力；因此需要及时的治疗干预来修复组织并抑制病情进一步进展 [5]。
机器学习，MRI骨形状和骨关节炎的重要临床结果：骨关节炎倡议的数据
抽象目标骨关节炎（OA）的结构状态不完美地使用射线照相评估进行分类。统计形状建模（SSM）是一种机器学习的形式，提供了特征3D OA骨形状的精确量化。我们旨在确定这种新型OA状态的好处，以评估临床上重要结果的风险。方法该研究使用了骨关节炎倡议队列中的4796个个体。SSM衍生的股骨形状（B得分）是从所有9433基线膝盖MRI中测量的。我们检查了B得评分，射线照相kellgren-lawence等级（KLG）与当前和未来的疼痛以及功能以及总膝盖置换（TKR）之间的关系长达8年。结果B得分可重复性支持40个离散等级。klg和B分数都与当前和未来疼痛，功能限制和TKR的风险有关；逻辑回归曲线相似。但是，每个KLG都包含广泛的B分数。例如，对于KLG3，疼痛的风险为34.4（95％CI 31.7至37.0）％，但KLG3膝盖内的B得分范围为0至6；对于B分数0，风险为17.0（16.1至17.9）％，而对于B得分为6，风险为52.1（48.8至55.4）％。对于TKR，KLG3风险为15.3（13.3至17.3）％；尽管B得分0的风险可忽略不计，但B得分6风险为35.6（31.8至39.6）％。 年龄，性别和体重指数对B评分和症状之间的关联的影响可忽略不计。 b得分预示了OA分层的逐步变化，以进行干预和改进的个性化评估，类似于骨质疏松症的T评分。对于TKR，KLG3风险为15.3（13.3至17.3）％；尽管B得分0的风险可忽略不计，但B得分6风险为35.6（31.8至39.6）％。年龄，性别和体重指数对B评分和症状之间的关联的影响可忽略不计。b得分预示了OA分层的逐步变化，以进行干预和改进的个性化评估，类似于骨质疏松症的T评分。结论B分数使用单个时间点提供与读者无关的定量，从而在整个疾病范围内具有明确的OA状态，包括预射原OA（包括记录前OA）的临床风险。
骨关节炎的非病毒基因治疗
将核酸递送至受损和患病组织的策略分为两个主要领域：病毒和非病毒基因治疗。在这篇小型评论文章中，我们讨论了基因治疗在治疗最常见的关节炎之一骨关节炎 (OA) 中的应用。我们主要关注非病毒基因治疗和细胞治疗。我们简要讨论了病毒和非病毒基因治疗的优缺点，并回顾了用于将基因从滑膜关节递送到软骨中的关节软骨细胞的核酸转移系统。尽管病毒基因递送因其报道的效率而更受欢迎，但人们已付出巨大努力来提高非病毒递送的转染效率，使非病毒方法成为进一步应用于 OA 基础、转化和临床研究的有希望的工具。非病毒基因递送技术有可能改变 OA 和相关骨关节疾病的疾病修饰疗法的未来发展。然而，还需要进一步研究来优化转染效率、寿命和基因表达持续时间。
骨关节炎疼痛中的大脑灰质异常
摘要 骨关节炎 (OA) 疼痛与大脑特性之间的相互作用仍知之甚少，尽管解剖学和功能性神经影像学研究表明，OA 与其他慢性疼痛疾病类似，可能会影响大脑特性，并且部分由大脑特性决定。在这里，我们研究了计划接受全关节置换手术的 OA 患者的大脑灰质 (GM) 特性。我们检验了以下假设：与健康对照组相比，髋部 OA (HOA) 和膝部 OA (KOA) 患者的大脑区域 GM 体积不同，而且这些特性与 OA 疼痛有关。基于体素的形态测量组对比显示只有 HOA 的前扣带回 GM 体积较低。当我们重新调整大脑（翻转）以检查 OA 疼痛对侧的半球时，KOA 和 HOA 的中央前 GM 体积较低，另外 5 个大脑区域在各组之间显示出扭曲。然而，这些 GM 变化并未反映临床参数。接下来，我们将大脑细分为更大的区域，近似于布罗德曼区域，并进行单变量和基于机器学习的多变量对比。单变量分析近似于基于体素的形态测量结果。我们的多变量模型区分了 KOA 和对照组，在 KOA 保留样本中得到验证，并推广到 HOA。KOA 中的多变量模型与神经性 OA 疼痛有关，但 HOA 则不然。这些结果被映射到术语空间（使用 Neurosynth），提供了 OA 中大脑解剖扭曲的荟萃分析摘要。我们的结果表明 OA 中的皮质解剖差异比以前报道的更细微，也强调了 OA 疼痛（即其神经性成分）与 OA 大脑解剖结构之间的相互作用。
AI-KOA – 借助人工智能更好地诊断膝骨关节炎
超过 700,000 名丹麦人患有膝关节骨关节炎，导致医疗服务消耗增加、工作和功能能力下降、病假增多。对放射学检查的需求不断增长 - 以及由此给放射科医生带来的资源压力 - 意味着需要对放射科医生必须分析的图像进行持续的优先排序。在实践中，这意味着膝关节X光片通常仅由转诊医生评估，而转诊医生可能阅读X光片的经验有限。其结果是诊断质量发生变化，并且每年增加约。增加 10% 的 MRI 和 CT 扫描，其中许多都是不必要的。