XiaoMi-AI文件搜索系统
World File Search SystemBini
b"作者姓名：Divyanshu Tak 1,2, ；Biniam A. Garomsa 1,2 ；Tafadzwa L. Chaunzwa 1,2,10 ；Anna Zapaishchykova 1,2, ；Juan Carlos Climent Pardo 1,2 ；Zezhong Ye 1,2, ；John Zielke 1,2 ；Yashwanth Ravipati 1,2 ；Sri Vajapeyam 4 ；Ceilidh Smith 2 ；Kevin X.Liu 4 ；Pratiti Bandopadhayay 4,5 ；Sabine Mueller 9 ；黄蒙德4,5,11; Tina Y. Poussaint 4,5；Benjamin H. Kann 1,2,5 * 作者隶属关系：1. 哈佛医学院麻省总医院医学人工智能 (AIM) 项目，美国马萨诸塞州波士顿 2. 哈佛医学院丹娜—法伯癌症研究所和布莱根妇女医院放射肿瘤学系，美国马萨诸塞州波士顿 3. 马斯特里赫特大学 CARIM & GROW 放射学和核医学系，荷兰马斯特里赫特 4. 波士顿儿童医院，美国马萨诸塞州波士顿 5. 丹娜—法伯癌症研究所，美国马萨诸塞州波士顿 6. 密歇根州立大学，美国密歇根州东兰辛 7. 费城儿童医院，美国费城 8. 宾夕法尼亚大学，美国宾夕法尼亚州 9. 加利福尼亚大学神经内科、神经外科和儿科系，美国旧金山 10. 纪念斯隆凯特琳癌症中心中心，纽约，美国 11. 哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿。 * 通讯作者 通讯地址：Benjamin H. Kann，医学博士 医学人工智能 (AIM) 项目，麻省总医院布莱根，哈佛医学院，221 Longwood Avenue，Ste 442，波士顿，马萨诸塞州 02115，美国 电子邮件：Benjamin_Kann@dfci.harvard.edu 摘要 应用于脑磁共振成像 (MRI) 的人工智能 (AI) 有可能改善疾病的诊断和管理，但需要具有可泛化知识的算法，以便在各种临床场景中表现良好。到目前为止，该领域受到有限的训练数据和特定于任务的模型的限制，这些模型不能很好地应用于患者群体和医疗任务。基础模型通过利用自我监督学习、预训练和有针对性的适应，提出了一个有前途的范例来克服这些限制。在这里，我们介绍了脑成像自适应核心 (BrainIAC)，这是一种新颖的基础模型，旨在从未标记的脑 MRI 数据中学习广义表示，并作为各种下游应用适应的核心基础。我们在 48,519 个脑 MRI 上进行了广泛任务的训练和验证，证明 BrainIAC 优于局部监督训练和其他预训练模型，特别是在低数据设置和高难度任务中，允许在其他不可行的情况下应用。
b"作者姓名：Divyanshu Tak 1,2, ；Biniam A. Garomsa 1,2 ；Tafadzwa L. Chaunzwa 1,2,10 ；Anna Zapaishchykova 1,2, ；Juan Carlos Climent Pardo 1,2 ；Zezhong Ye 1,2, ；John Zielke 1,2 ；Yashwanth Ravipati 1,2 ；Sri Vajapeyam 4 ；Ceilidh Smith 2 ；Kevin X.Liu 4 ；Pratiti Bandopadhayay 4,5 ；Sabine Mueller 9 ；黄蒙德4,5,11; Tina Y. Poussaint 4,5；Benjamin H. Kann 1,2,5 * 作者隶属关系：1. 哈佛医学院麻省总医院医学人工智能 (AIM) 项目，美国马萨诸塞州波士顿 2. 哈佛医学院丹娜—法伯癌症研究所和布莱根妇女医院放射肿瘤学系，美国马萨诸塞州波士顿 3. 马斯特里赫特大学 CARIM & GROW 放射学和核医学系，荷兰马斯特里赫特 4. 波士顿儿童医院，美国马萨诸塞州波士顿 5. 丹娜—法伯癌症研究所，美国马萨诸塞州波士顿 6. 密歇根州立大学，美国密歇根州东兰辛 7. 费城儿童医院，美国费城 8. 宾夕法尼亚大学，美国宾夕法尼亚州 9. 加利福尼亚大学神经内科、神经外科和儿科系，美国旧金山 10. 纪念斯隆凯特琳癌症中心中心，纽约，美国 11. 哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿。 * 通讯作者 通讯地址：Benjamin H. Kann，医学博士 医学人工智能 (AIM) 项目，麻省总医院布莱根，哈佛医学院，221 Longwood Avenue，Ste 442，波士顿，马萨诸塞州 02115，美国 电子邮件：Benjamin_Kann@dfci.harvard.edu 摘要 应用于脑磁共振成像 (MRI) 的人工智能 (AI) 有可能改善疾病的诊断和管理，但需要具有可泛化知识的算法，以便在各种临床场景中表现良好。到目前为止，该领域受到有限的训练数据和特定于任务的模型的限制，这些模型不能很好地应用于患者群体和医疗任务。基础模型通过利用自我监督学习、预训练和有针对性的适应，提出了一个有前途的范例来克服这些限制。在这里，我们介绍了脑成像自适应核心 (BrainIAC)，这是一种新颖的基础模型，旨在从未标记的脑 MRI 数据中学习广义表示，并作为各种下游应用适应的核心基础。我们在 48,519 个脑 MRI 上进行了广泛任务的训练和验证，证明 BrainIAC 优于局部监督训练和其他预训练模型，特别是在低数据设置和高难度任务中，允许在其他不可行的情况下应用。
encorafenib＆binimetinib 1 of 7
•病毒学筛查：所有引用全身性抗癌治疗的新患者均应针对乙型肝炎和C进行筛查，并在治疗开始前进行了审查。先前未测试的患者也应筛查丙型肝炎和C。在个人风险评估和临床医生酌情下，将进行进一步的病毒学筛查。•ECG和ECHO或MUGA在周期1之前，并在周期2之前重复。，如果临床指示，则每3个月或更频繁地重复一次。•U＆E，在基线和每个周期中包括CK，Ca 2+和Mg 2+。•FBC基线和每个周期。•LFTS基线和每个周期持续6个月，然后如临床上所示。•BP基线和每个周期。•QT延长的危险因素应在开始治疗之前受到控制。•应在每次访问时评估患者的视觉障碍症状（见下文）。•在开始治疗之前，应在治疗中进行每2个月的治疗，并在停用组合后长达6个月进行皮肤病学评估。肝损伤：•在轻度肝损伤患者中使用Encorafenib并谨慎使用（Child-Pugh A类），建议将剂量降低至300mg OD。由于缺乏数据，不建议在中度至重度肝损伤（Child-Pugh类B＆C）中使用。•轻度肝损伤中的双米替尼无需调整剂量。无轻度至中度肾功能不全。•在肾功能障碍中无需减少二米替尼的剂量。仅建议作为双重疗法给予双米替尼，由于这些患者的Encorafenib不合适，因此不应在中度至重度肝损伤中给予双米替尼。肾功能不全：•Encorafenib仅应在严重的肾功能障碍（<30ml/min）的临床医生酌情下使用，没有可用的数据。剂量修饰和干扰以管理不良反应：•如果发生与治疗相关的毒性，则应同时减少，中断或中断，eNcorafenib和Binimetinib应同时减少剂量。例外是：
Encorafenib (Braftovi) 与 Binimetinib 联合使用（...
一项 III 期随机开放标签试验 (COLUMBUS；N = 577) 纳入了经组织学确诊的局部晚期不可切除或转移性 BRAF V600 突变皮肤黑色素瘤或原发性不明黑色素瘤的成年患者，其证据表明，与维莫非尼单药治疗相比，恩科拉非尼联合比美替尼 (encorafenib-binimetinib) 具有显着的无进展生存期 (PFS) 优势 (风险比 [HR] = 0.54；95% CI，0.41 至 0.71；P < 0.0001)。然而，接受恩科拉非尼联合比美替尼治疗的患者与接受恩科拉非尼单药治疗的患者之间没有统计学上的显着差异 (HR = 0.75；95% CI，0.56 至 1.00；P = 0.051)。在初步分析时，接受 encorafenib-binimetinib 治疗的患者的中位总生存期 (OS)（中位数 = 33.6 个月；95% CI，24.4 至 39.2）高于接受维莫非尼单药治疗的患者（中位数 = 16.9 个月；95% CI，14.0 至 24.5）或 encorafenib 单药治疗的患者（中位数 = 23.5 个月；95% CI，19.6 至 33.6）。患者权益组织的意见表明，患者重视及时获得有效的治疗选择，这些选择具有毒性低、使用方便、生活质量 (QoL) 提高和生存率提高等特点。考虑到所有证据，pERC 得出结论，encorafenib-binimetinib 可能为患者提供一种替代的口服靶向疗法，可能对生存产生积极影响。
接受 Binimetinib、羟氯喹和贝伐单抗治疗的 KRAS 突变结直肠癌患者的体能状态快速改善且肿瘤大小减小
摘要 超过一半的结肠直肠癌 (CRC) 都会发生激活的 RAS 突变。RAS 突变的 CRC 具有病程侵袭性和缺乏适当的靶向疗法的特点，因此治疗起来非常困难。最近的临床前研究表明，RAS 突变的细胞通过自噬的发展逃避治疗性 MEK 抑制，而这种逃避可以通过使用抗疟药羟氯喹来阻止。现有的临床数据仅限于一例 KRAS 突变胰腺癌患者的病例观察。在这里，我们报告了一名患有 KRAS G12D 突变 CRC 的女性，她的肿瘤对常规疗法没有反应。作为最后的希望选择，我们联合使用了比尼替尼、羟氯喹和贝伐单抗。患者的身体状态迅速改善。在治疗的前 6 周内，肿瘤肿块大小缩小了 17%。本报告呼吁评估 MEK 抑制剂和羟氯喹联合治疗 RAS 突变癌症化疗耐药患者的疗效，可能还要添加贝伐单抗。© 2020 作者。由 S. Karger AG，巴塞尔出版