XiaoMi-AI文件搜索系统
World File Search Systemcolonoscopy
第 34 章 APC 的故事：源自息肉的结肠癌
第 34 章 APC 的故事 – 源自息肉的结肠癌 230127be 抗癌药物：发现和寻求治愈方法的故事 Kurt W. Kohn，医学博士，哲学博士 美国国立癌症研究所发展治疗分部名誉科学家 马里兰州贝塞斯达 kohnk@nih.gov 第 34 章 APC 的故事：源自息肉的结肠癌。 上一章讨论了一种由单个基因 RB 突变引起的癌症——视网膜母细胞瘤。这是一个独特的案例，因为绝大多数癌症都是在不同基因发生一系列突变后才发生的。一个典型的例子是结直肠癌，尤其是源自身体左侧降结肠和直肠息肉的常见癌症。这些恶性肿瘤发展相对较慢，通常需要约 10 年的时间，在此期间它们会经历一系列突变或其他基因变化，从而有时间在恶性癌症出现之前通过结肠镜检查切除息肉（图 34.1）。升结肠中也会发生类似的突变过程，特别是第 25 章中讨论的 DNA 错配修复基因突变。但在这里，我们关注的是降结肠和直肠息肉中发展的癌症。导致结直肠息肉癌症的多步骤突变过程。结直肠癌是全球发病率或死亡率第三高的癌症，其中最常见的是降结肠癌或直肠癌。这些癌症的主要特征是染色体不稳定性，当有丝分裂不能均等地划分染色体或染色体重复或删除时就会出现这种情况。这与升结肠癌形成鲜明对比，升结肠癌的特点是微卫星不稳定性（第 25 章）。染色体不稳定的一个标志是 APC（腺瘤性结肠息肉）基因的功能丧失，导致 Wnt 通路失活（后面部分讨论），这是结肠息肉癌变的第一步（图 34.2）。在 APC 之后，在癌变过程中序列中其他经常受损的基因是 KRAS（第 18 章）、SMAD2 和 4。
粪便菌群移植 - 医疗覆盖指南
万古霉素加肠道灌洗和fidaxomicin组。Tariq等人（2019年）进行了系统的综述和荟萃分析，以根据开放标签研究和安慰剂对照临床试验的结果评估FMT作为复发CDI的治疗选择的功效。作者是基于观察结果的观察结果进行了这项分析的动机，即观察性研究很高（例如，> 90％），但在开放标签研究和临床试验中似乎始终较低。包括13项研究进行评估，包括6个安慰剂对照的RCT和7项开放标签研究。在610名接受FMT的患者中，有439名患者获得了临床治疗；研究异质性是显着的（I2 = 91.35％）。治愈率较低。通过FMT给药途径进行的亚组荟萃分析表明，与结肠镜检查相比，用灌肠镜较低。但是，未检测到结肠镜检查和口服递送途径之间的差异。在包括复发性和难治性CDI的研究中观察到了较低的治愈率。为了调查CDI患者FMT的长期临床结果，Mamo等人（2018年）使用137名在2012年1月至2016年1月之间在单中心接受过复发性CDI的患者进行了回顾性研究。从上次FMT到随访的中间时间为22个月。总体随访时，有82％（113/137）的患者没有CDI（非孕期CDI组）复发，而患者有18％（24/137）患有CDI（经常性CDI组）。调查结果表明，在复发性CDI组中，FMT后非CDI感染的抗生素暴露（75％）更为常见（比非急流CDI组（38％）。总体而言，有82％的患者报告没有症状。tun等人（2022）进行了系统的综述和荟萃分析，以评估FMT在儿童中治疗CDI的功效。分析包括14个观察性研究中的904名儿童（5个前瞻性，5个回顾性和4个病例系列）； 12项研究包括复发性CDI和2项研究的儿童，包括复发性CDI或CDI第一集的儿童。最常见的FMT给药途径是结肠镜检查（49.79％）。主要结果是FMT在治疗CDI或经常性CDI方面的功效。结果表明，成功率在66％至100％之间，后者在7项研究中发现。整体队列中临床成功的合并率为86％。45例患者发生了47例不良事件，36例患者发生了38例严重不良事件；严重不良事件的原因是可变的，没有单一的主要原因。Du et al（2021）的系统综述和荟萃分析评估了FMT通过口腔胶囊递送的功效，以治疗复发性CDI。分析包括12个病例系列和3个RCT（n = 763名患者）。FMT的封装递送显示总体功效率为82.1％。 使用冻干的粪便与冷冻大便的FMT胶囊的功效没有统计学上的显着差异。 该试验被设计为一项非效率试验，边距为15％。FMT的封装递送显示总体功效率为82.1％。使用冻干的粪便与冷冻大便的FMT胶囊的功效没有统计学上的显着差异。该试验被设计为一项非效率试验，边距为15％。与结肠镜检查相比，FMT胶囊的功效也没有统计学上的显着差异。除了与治疗失败相关的情况外，没有报告归因于口服FMT胶囊的严重不良事件。Gangwani等人（2023）发表了一项系统评价，比较了复发性CDI的新鲜与冷冻与冻干的FMT。在8项研究中总共包括616名患者（4个RCT和4个队列）；所有8项研究均评估了新鲜FMT，6个还评估了冷冻的FMT，并评估了3个评估的冻干FMT。新鲜的FMT被确定为解决功效93％的症状，然后以88％的功效冷冻，并以83％的功效冻结。冷冻与新鲜FMT组或冻干组之间的疗效没有显着差异。Lee等人（2016年）的双盲RCT与FMT中用来治疗复发性CDI患者的冻结粪便进行了比较。总共包括232名患者，将114例分配给冷冻FMT，将118例分配给新鲜FMT。主要终点是FMT后13周不复发CDI相关腹泻的患者比例。在每个协议中（n = 178），
使用 EndoBRAIN 进行 AI 辅助内吞细胞镜检查的真实体验 — 来自三级护理中心的一项观察性研究
摘要背景与目的对结肠息肉进行精确的光学诊断可提高结肠镜检查的成本效益并减少息肉切除术相关的并发症。我们进行了这项研究以评估单独目视检查 (WLI + NBI) 和 EndoBRAIN (内吞细胞镜检查-计算机辅助诊断 [EC- CAD]) 在现实场景中使用 EC 识别病变是肿瘤性还是非肿瘤性的诊断性能。方法在这项观察性、前瞻性、先导性研究中，共研究了年龄大于或等于 18 岁患者的 55 个息肉。EndoBRAIN 是一个基于人工智能 (AI) 的系统，可实时分析细胞核、隐窝结构和血管模式以区分肿瘤性和非肿瘤性病变。内镜医师首先使用白光成像 (WLI)、窄带成像 (NBI) 评估息肉，然后使用 EC 和 NBI 以及 EC 和亚甲蓝染色进行评估。以组织病理学为金标准，比较内镜医师和 EndoBRAIN 在鉴别肿瘤性和非肿瘤性息肉方面的敏感性、特异性、阳性预测值、阴性预测值和准确性。结果共研究了 55 个息肉，其中大多数为小型息肉（36/55），位于直肠（21/55）。图像获取率为 78%（43/55），大多数组织病理学被鉴定为增生性（20/43）和低级别腺瘤（16/43）。 EndoBRAIN 识别结肠息肉的敏感性为 100%，特异性为 81.82%（95% 置信区间 [CI]，59.7 – 94.8%），准确率为 90.7%（95% CI，77.86 – 97.41%），阳性预测值为 84%（95% CI，68.4 – 92.72%），阴性预测值为 100%。敏感性和阴性预测值明显高于内镜医师的目视检查。诊断准确度似乎更高；然而，并未达到统计学意义。两组的特异性和阳性预测值相似。结论 使用 EC 和 EC-CAD 的光学诊断在预测组织病理学诊断方面具有潜在作用。CAD 的诊断性能似乎比内镜医师使用 EC 预测肿瘤病变更好。
利用人工智能（AI）治疗胃癌的未来
2020。2. Sano T，Coit DG，Kim HH 等。针对 TNM 分类的胃癌新分期分组的提议：国际胃癌协会分期项目。胃癌 2017；20：217-25。3. Katai H，Ishikawa T，Akazawa K 等。日本手术切除胃癌病例的五年生存率分析：对日本胃癌协会全国登记处（2001- 2007 年）超过 100,000 名患者的回顾性分析。胃癌 2017；21：144-54。4. Suzuki H，Takizawa K，Hirasawa T 等。日本胃内镜切除术多中心前瞻性队列研究的短期结果：'真实世界证据'。 Dig Endosc 2019；31：30-9。5. Menon S，Trudgill N. 内镜检查漏诊上消化道癌的可能性有多大？一项荟萃分析。Endosc Int Open 2014；2：E46-50。6. Hosokawa O，Hattori M，Douden K 等。胃镜检查与结肠镜检查在检测癌症方面的准确度差异。Hepatogastroenterology 2007；54：442-4。7. Hosokawa O，Tsuda S，Kidani E 等。上消化道内镜检查阴性后三年内可诊断出胃癌。Endoscopy 1998；30：669-74。8. Yalamarthi S，Witherspoon P，McCole D 等。上消化道癌症患者的漏诊。 Endoscopy 2004；36：874-9。9. Yoshimizu S，Hirasawa T，Horiuchi Y 等。基于检查时间和食管胃十二指肠镜训练的上消化道肿瘤检出率差异。Endosc Int Open 2018；6：E1190-7。10. Itahashi K，Kondo S，Kubo T 等。评估 Watson for Genomics 的临床基因组序列分析。Front Med（洛桑） 2018；5：305。11. Stokes JM，Yang K，Swanson K 等。一种深度学习方法用于抗生素发现。Cell 2020；180：688-702。e13。12. Murphy K，Smits H，Knoops AJG 等。胸部 X 光片上的 COVID-19：人工智能系统的多读者评估。放射学 2020.doi：10.1148/radiol.2020201874。 ［印刷前的Epub］ 13. 平泽俊明，池之山洋平，石冈充彬ほか．AI 内视镜の基 基础知识と恐诊断への応用実际．消化器内视镜 2019； 31：1102-5. 14. Yao K、Uedo N、Kamada T 等。 （JGES指南）早期胃癌内镜诊断指南。 Dig Endosc 2020 年 4 月 10 日。doi：10.1111/den。 13684. ［Epub ahead of print］ 15. Takiyama H, Ozawa T, Ishihara S 等. 利用深度卷积神经网络对食管胃十二指肠复制图像进行自动解剖分类. Sci Rep 2018；8：7497. 16. 吴玲, 张建, 周伟等. 食管胃镜检查盲点实时质量改进系统WISENSE的随机对照试验
引用：Hilbers D，Nekain N，Bates AT，Nunez J-J（2025）癌症护理中对人工智能（AI）的态度
人工智能（AI）是一个通用术语，用于描述计算机系统以最少的人为干预来建模智能行为[1]。先前的工作已使用医学中AI的子领域进行了研究，以利用各种类型的数据[2]。应用程序包括可以生成新的语言或其他数据的Generative AI，以及可以预测特定结果的预测AI。AI方法，以协助许多医学领域的人类模型相互作用，包括手术咨询，医学教育，疾病诊断以及药物研究和治疗[3]。近年来，AI在肿瘤学中的应用已大大增长[4，5]。癌症是全世界死亡的第二大主要原因，对医疗保健限制的人来说，尤其是在农村地区和低收入国家和中等收入国家中，对患者的影响不成比例[6-8]。AI有可能改善获得特殊护理的机会并解决这些健康不平等，特别是通过增强早期检测并促进远程诊断[4]。在癌症护理中，研究人员使用AI来预测生存，以获得预测性的支持性护理需求，并改善对癌症的检测和诊断[9-12]。具体而言，AI算法在鉴定恶性肺结节方面表现出很高的准确性，从而有助于放射科学家改善早期检测和治疗决策[13]。在结直肠癌中，已使用AI通过结肠镜检查和组织病理学分析来检测息肉和其他早期癌症指标[14]。在乳房X线摄影中，AI通过提高放射科医生的性能和准确性，特别是对于早期癌症而增强乳腺癌的检测[15]。 为了确保这些进步提供以患者为中心的护理，我们必须考虑患者在医疗中应如何使用AI的观点[16]。 癌症患者可能会持续持续时间，严重程度和慢性性质[17，18]。 这种经历可能会影响他们对AI在癌症护理中使用的态度，这可能与他们接受的其他医疗服务不同。 迄今为止，混合方法系统评论探索了许多医学领域的患者和公众对AI的态度[19]。 审查发现，患者和公众普遍接受AI在其医疗护理中的使用，但对这种模型表示关注，并首选人类的监督。 这项审查发现了一些涉及癌症患者的研究，包括发现患者在AI保存人类医师患者关系时对皮肤病学中AI的态度积极的态度[20，21]。 另一项研究发现，中国癌症患者普遍接受AI的使用，但当他们的意见分歧时，肿瘤科医生比AI更喜欢AI [22]。 本次审查提供了患者和公众对AI的态度的概述，并从癌症患者的角度简短地讨论了这一点，但是癌症患者的态度并不是该评论的重点或深入探讨。在乳房X线摄影中，AI通过提高放射科医生的性能和准确性，特别是对于早期癌症而增强乳腺癌的检测[15]。为了确保这些进步提供以患者为中心的护理，我们必须考虑患者在医疗中应如何使用AI的观点[16]。癌症患者可能会持续持续时间，严重程度和慢性性质[17，18]。 这种经历可能会影响他们对AI在癌症护理中使用的态度，这可能与他们接受的其他医疗服务不同。 迄今为止，混合方法系统评论探索了许多医学领域的患者和公众对AI的态度[19]。 审查发现，患者和公众普遍接受AI在其医疗护理中的使用，但对这种模型表示关注，并首选人类的监督。 这项审查发现了一些涉及癌症患者的研究，包括发现患者在AI保存人类医师患者关系时对皮肤病学中AI的态度积极的态度[20，21]。 另一项研究发现，中国癌症患者普遍接受AI的使用，但当他们的意见分歧时，肿瘤科医生比AI更喜欢AI [22]。 本次审查提供了患者和公众对AI的态度的概述，并从癌症患者的角度简短地讨论了这一点，但是癌症患者的态度并不是该评论的重点或深入探讨。癌症患者可能会持续持续时间，严重程度和慢性性质[17，18]。这种经历可能会影响他们对AI在癌症护理中使用的态度，这可能与他们接受的其他医疗服务不同。迄今为止，混合方法系统评论探索了许多医学领域的患者和公众对AI的态度[19]。审查发现，患者和公众普遍接受AI在其医疗护理中的使用，但对这种模型表示关注，并首选人类的监督。这项审查发现了一些涉及癌症患者的研究，包括发现患者在AI保存人类医师患者关系时对皮肤病学中AI的态度积极的态度[20，21]。另一项研究发现，中国癌症患者普遍接受AI的使用，但当他们的意见分歧时，肿瘤科医生比AI更喜欢AI [22]。本次审查提供了患者和公众对AI的态度的概述，并从癌症患者的角度简短地讨论了这一点，但是癌症患者的态度并不是该评论的重点或深入探讨。我们还确定了一项叙事评论，研究了患者对乳腺癌诊断中使用的AI的看法[23]。审查概述了对AI的积极情感，提高了诊断准确性，但是患者对AI诊断的可信度有担忧，并且更喜欢AI来补充放射科医生而不是取代它们。这些评论仅检查了癌症护理中AI的一些研究，导致需要进行审查，以更全面地评估患者对皮肤和乳腺癌筛查领域之外的癌症护理中对AI的态度。为了解决这一差距，该协议概述了系统的范围审查，该审查将整理先前的工作，以了解癌症患者对AI的态度。具体来说，这种范围审查将仅包括癌症患者，更新和缩小年轻和同事的重点[19]。此外，这篇综述将通过包括所有癌症类型的患者并探索论文，这些论文仅在乳腺癌筛查中使用AI超出AI的使用[23]。