XiaoMi-AI文件搜索系统
World File Search SystemPulmonary
肺动脉高压患者治疗中的药物相互作用
不仅患者的情况变得更加复杂，PAH 的医疗管理选择也增加了。美国食品药品管理局目前已批准 14 种用于多种组合治疗 PAH 的药物。4 目前批准的 PAH 靶向疗法作用于三种主要途径：一氧化氮 (NO) 途径（包括磷酸二酯酶 5 [PDE5] 抑制剂他达拉非和西地那非以及可溶性鸟苷酸环化酶 [sGC] 刺激剂利奥西呱）、内皮素途径（波生坦、安立生坦和马西替坦）和前列环素途径（包括前列环素类似物依前列醇、伊洛前列素和曲前列尼尔的各种配方以及前列环素受体激动剂司来帕胺）。鉴于 PAH 患者在合并症和疾病特异性管理方面的复杂性日益增加，PAH 药物与其他药物或合并症补充剂之间极有可能发生药物相互作用。
纳米颗粒输送系统具有细胞特异性靶向肺部疾病
内在化（31，32）。生物大分子，例如蛋白质和核酸，具有较大的大小，可阻碍有效的细胞摄取。纳米颗粒，甚至比生物大分子大的纳米颗粒，也可以通过内吞途径进行内化（33）。此外，可以通过表面功能化来设计纳米颗粒，以满足基因递送（包括细胞摄取）的关键要求。例如，纳米颗粒的内吞作用可以通过靶向鳞茎形的膜内知来增强纳米颗粒。Shuvaev及其同事开发了纳米颗粒，具有口腔特定的抗体，用于通过小窝途径递送的有效递送（34，35）。可以通过增强的渗透性和保留率（EPR）（36 - 38）来实现目标区域中纳米颗粒的浓度增加。仅通过纳米颗粒的巨大大小，它们倾向于在肿瘤组织中积聚，这是由于通过病理血管生成形成的漏水血管。纳米颗粒的表面电荷是一个重要的生物物理参数，通常在纳米颗粒和靶向细胞之间逆转纳米 - 生物接口的静电吸引力。在癌症诊断和治疗学中，表面电荷驱动的靶向被证明对有效在癌症诊断和治疗学中，表面电荷驱动的靶向被证明对
当前肺动脉高压管理中的门脉性肺动脉高压
4 法国卡昂 CHRU Côte de Nacre 肺病学系，14033。 5 里尔大学，心脏病学系，里尔大学医院，里尔巴斯德研究所，INSERM U1167，F-59000，里尔，法国。 6 法国马赛艾克斯-马赛大学拉蒂莫内医院心脏病学系。 7 法国南特雷内克医院南特大学医院肺病科。 8 欧洲布列塔尼大学，法国布雷斯特；法国布雷斯特 La Cavale Blanche 中心大学医院内科和胸部疾病科；西布列塔尼血栓形成研究组 (GETBO)，EA 3878，CIC INSERM 1412，法国布雷斯特。 9 法国雷恩大学医院 - Pontchaillou 医院心脏病学和血管疾病科。 10 法国图卢兹图卢兹大学医院、拉雷医院、肺病科。 11 洛林大学；南希大学医院肺病科；法国旺德夫尔莱南锡，INSERM U1116。 12 尼斯巴斯德大学医院心脏病科，尼斯，
PDE抑制剂对特发性肺纤维化的观点 抑制剂SNX-2112
特发性肺纤维化（IPF）是一种慢性，进行性间质肺疾病（ILD），没有识别性原因。如果在诊断后未治疗，则预期寿命为3 - 5年。目前已批准用于治疗IPF的药物是Pirfenidone和Nintedanib，作为抗纤维化药物，可以降低强迫生命力（FVC）的下降率，并降低IPF急性加剧的风险。但是，这些药物无法缓解与IPF相关的症状，也无法提高IPF患者的总体存活率。我们需要开发新的，安全有效的药物来治疗肺纤维化。先前的研究表明，环状核苷酸参与该途径，并在肺纤维化过程中起着至关重要的作用。磷酸二酯酶（PDES）参与环核苷酸代谢，因此PDE抑制剂是肺纤维化的候选者。本文回顾了与肺纤维化有关的PDE抑制剂的研究进度，以便为抗肺纤维化药物的发展提供想法。
Zuo，Wany；刘;小，Yunbin； Xie，Yonghui;居住，
肺动脉高压（pH）是一种进行性，极端恶性和高病态性肺血管疾病[1]。它的主要特征是肺血管耐药性（PVR）增加和肺部血管压力的持续增加，最终导致右心力衰竭甚至猝死[2]。pH可以定义为由各种原因（包括毛细血管前，毛细血管后和混合原因）引起的肺动脉压（PAP）升高[3]。pH的诊断标准为平均PAP（MPAP）≥25mmHg在REST时通过右心导管在海平面测量[3]。肺动脉高压（PAH），由左心脏病引起的pH，由呼吸道疾病和/或缺氧引起的pH值，由阻塞性肺动脉疾病引起的pH值以及由未知因子引起的pH值构成当前pH的临床分类[4]。
人工智能 (AI) 和肺部超声在传染性肺部疾病中的应用
深度学习算法已准备就绪，可帮助解释随访期间监测变化的放射学发现。然而，超声的转化方法很困难，目前受到很大限制。计算机辅助报告程序可以提供很大的帮助，在专家机器学习的适当背景下，它可以构建未来的诊断方向背景。肺超声是一种严重依赖操作员能力的诊断方法，其中人类专业知识部分必须伴随着最合适的设备和适当设置的质量。然而，在阅读肺部图像时，这种严格的临床和定性解释是一个弱点，因为我们的医疗专业人员在执行该程序时具有不同程度的知识和专业知识。在抗击 2019 年冠状病毒疾病 (COVID-19) 的过程中，由于需要预防传染，因此患者状况以及援助和警告方法也存在特殊困难。患者，尤其是家中、救护车和急诊室设施中资源有限的患者，即使对于专业操作员来说也是非常困难的对象，这也是因为胸部超声检查是全接触程序。定量分析使放射学报告更加全面。实际上，一些研究小组已经开始将人工智能 (AI) 视为读取和分析 X 射线和计算机断层扫描 (CT) 扫描的工具，并通过多种深度学习方法帮助诊断和监测 COVID-19。这样做是为了克服诊断程序和干预背景的固有限制。不幸的是，在超声检查中，基于对伪影（尤其是 b 线）的自动读取，使用不适当方法的建议已经得到解决：这是许多人出乎意料地、毫无理由地提出的建议。在这方面，必须强烈重申，量化不稳定和不可靠的伪影，通过机器计数方法测量它们，只是一种神秘和误导的方法，没有任何优势，而且在患者管理中实际上是危险的。目前，所提出的算法不太可能直接取代医生，即放射科医生在超声诊断过程中的判断以及个人责任。这是因为这些方法对明确发现进行分类的特殊性有限甚至缺乏，并且这种诊断具有法医学含义。
认识 Veye Lung Nodules，您的肺部 AI 助手......
无论是在常规临床实践中还是肺癌筛查中，分析和报告 CT 胸部扫描的肺结节都是繁琐且容易出错的。监测结节进展尤其耗时，因为它需要手动分析和扫描比较。这就是为什么我们创建了一个实用的 AI 医疗解决方案来管理肺结节，随时准备减轻您的负担。了解 Veye 肺结节。
开发用于治疗心血管和肺部疾病的细胞和细胞衍生疗法
前瞻性陈述 本演示文稿包含前瞻性陈述，这些陈述受多种风险和不确定性因素影响。“预期”、“相信”、“继续”、“可能”、“估计”、“期望”、“打算”、“可能”、“计划”、“潜在”、“预测”、“预计”、“应该”、“目标”、“会”等词语和类似表述旨在识别前瞻性陈述，但并非所有前瞻性陈述都包含这些识别词。此类陈述受多种重要因素、风险和不确定性因素影响，这些因素可能导致实际事件或结果与当前预期和信念大不相同。这些因素包括但不限于我们向美国证券交易委员会提交的文件中发现的因素，包括我们最近提交的 8-K 表、10-K 表和 10-Q 表，特别是其中标题为“风险因素”的任何陈述。本演示文稿中包含的任何前瞻性陈述均仅在本演示文稿之日有效，公司明确否认更新任何前瞻性陈述的义务，无论是由于新信息、未来事件还是其他原因。