背景:低级别浆液性卵巢和腹膜癌 (LGSC) 是一种罕见疾病,关于其临床和基因组学状况的数据很少。方法:对 1996 年至 2019 年期间在 MITO 中心确诊为 LGSC 的患者进行了回顾性分析。评估了治疗后的客观缓解率 (ORR)、无进展生存期 (PFS) 和总生存期 (OS)。此外,使用下一代测序 (NGS) FoundationOne CDX (Foundation Medicine®) 评估了 56 例患者的肿瘤分子谱。结果:共确定 128 名具有完整临床资料且病理确诊为 LGSC 的患者。首次和后续治疗的 ORR 分别为 23.7% 和 33.7%。 PFS 为 43.9 个月(95% CI:32.4 – 53.1),OS 为 105.4 个月(95% CI:82.7 – 未达到)。最常见的基因变异是:KRAS(n = 12,21%)、CDKN2A/B(n = 11,20%)、NRAS(n = 8,14%)、FANCA(n = 8,14%)、NF1(n = 7,13%)和 BRAF(n = 6,11%)。意外的是,发现了致病性 BRCA1(n = 2,4%)、BRCA2(n = 1,2%)和 PALB2(n = 1,2%)突变。结论:MITO 22 表明 LGSC 是一种异质性疾病,其临床行为对标准疗法有反应,其分子改变也不同。未来的前瞻性研究应根据肿瘤的生物学和分子特征测试治疗方法。临床试验注册:本研究在 ClinicalTrials.gov 上注册号为 NCT02408536。
1 瑞士圣加仑州立医院,传染病和医院流行病学分部;2 瑞士东部儿童医院,传染病和医院流行病学部,瑞士圣加仑;3 瑞士库尔格劳宾登州立医院,传染病分部;4 瑞士圣加仑州(南部)精神病服务中心;5 瑞士圣加仑州(北部)精神病服务中心;6 Clienia Littenheid,瑞士利滕海德;7 瑞士齐尔施拉赫特神经康复中心;8 瑞士格拉布斯 Rheintal Werdenberg Sarganserland 医院集团;9 瑞士维尔 Fuerstenland Toggenburg 医院集团;10 瑞士苏黎世 Hirslanden 诊所; 11 瑞士明斯特林根图尔高医院集团传染病和医院流行病学部;12 瑞士国家感染预防中心 (Swissnoso),瑞士伯尔尼;13 瑞士圣加仑老年诊所,瑞士圣加仑;14 加拿大多伦多西奈医疗系统;15 瑞士布克斯 Labormedizinisches Zentrum Dr Risch Ostschweiz AG;16 列支敦士登私立大学,特里森, ———————————————————————————————————————————— *SPK 和 PK 对本文的贡献相同。 **研究组团队成员列于致谢部分 通讯作者。 Philipp Kohler,医学博士,理学硕士,圣加仑州立医院,传染病和医院流行病学科,Rorschacherstrasse 95,9007 St. Gallen,瑞士,电子邮件 philipp.kohler@kssg.ch © 作者 2023。由牛津大学出版社代表美国传染病学会出版。这是一篇开放获取文章,根据知识共享署名-非商业-禁止演绎许可条款分发(https://creativecommons.org/licenses/by-nc-nd/4.0/),允许以任何媒介非商业性复制和分发作品,前提是原始作品未以任何方式更改或转换,并且正确引用作品。如需商业再利用,请联系 journals.permissions@oup.com
6 神经免疫学实验室,IRCCS Mondino 基金会,帕维亚,意大利, 7 神经病学和中风科,佩斯卡拉“ Spirito Santo ”医院,佩斯卡拉,意大利, 8 UOC Neurologia O.S.A.- 意大利帕多瓦大学医院,9 意大利维琴察圣博尔托洛医院 AULSS8 Berica 神经内科,10 意大利布雷西亚大学临床和实验科学系神经内科,11 意大利布雷西亚布雷西亚大学医院 ASST Spedali Civili 持续护理和虚弱科神经内科,12 意大利布雷西亚大学数字神经病学和生物传感器实验室,13 法国副肿瘤神经系统综合征和自身免疫性脑炎参考中心,里昂临终关怀医院,神经病学医院,布隆,法国,14 MeLiS - UCBL-CNRS UMR 5284 - INSERM U1314,里昂第一克劳德伯纳德大学,里昂,法国,15 神经内科,Hôpital Pitié Salpétrière,Assistance Publique des Ho ˆpitaux de Paris,巴黎,法国
新辅助化学免疫性疗法已彻底改变了非小细胞肺癌(NSCLC)的治疗策略,并确定可能对这种先进治疗的候选者具有重要的临床意义。目前的多机构研究旨在开发一种深度学习模型,以预测基于计算机断层扫描(CT)成像的NSCLC中对新辅助免疫疗法的病理完全反应(PCR),并进一步探讨了拟议的深度学习签名的生物学基础。在2019年1月至2023年9月,总共有248名接受新辅助免疫疗法的参与者在Ruijin医院,Ningbo Hwamei医院接受NSCLC的手术,然后在Ruijin医院进行NSCLC手术和Zunyi医科大学的后医院。在新辅助化学免疫性疗法之前的2周内进行了成像数据。鲁伊因医院的患者被分为培训集(n = 104)和6:4比率的验证集(n = 69),而宁波·霍马伊医院(Ningbo Hwamei Hospital)和祖尼医科大学(Zunyi)医科大学的其他参与者则是外部队列(n = 75)。在整个人群中,在29.4%(n = 73)的病例中获得了PCR。我们对PCR预测深度学习签名曲线下的区域(AUC)为0.775(95%的置信间隔[CI]:0.649-0.901)和0.743(95%CI:0.618-0.869)的验证集和外部队列中的0.5%(95%)(95%)(95%)(95%)(95%)。临床模型的0.689)和0.569(95%CI:0.454-0.683)。此外,较高的深度学习评分与微环境中细胞代谢途径和更多抗肿瘤免疫的上调相关。我们开发的深度学习模型能够预测NSCLC患者的新辅助化学免疫性疗法。
Subgroup Comparison According to Clinical Phenotty and Serostatus in Autoimmune Encephalitis: a Multicenter Retrospective Study / Gastaldi M, Mariotto S, Giannoccaro MP, Iorio R, Zoccarato M, Nosadini M, Benedetti L, Casagrande S, Di Filippo M, Valeriani M, Ricci S, Bova S,Bova S,Bova S,Bova S,Arbasino。 C,Mauri M,Versino M,Vigevano F,Papetti L,Romoli M,Lapucci C,Massa F,Sartori S,7,Zuliani L,Barilaro A,De Gaspari P,Spagni
Å。信息1,P。Bhatnagar2,L.E.L。Hendrix 3,F.R。Ogliari 4,F。Acker 5,E。Bolton 6,O。Bouissou 7,J。Ogliari 4,F。Acker 5,E。Bolton 6,O。Bouissou 7,J。Brash 8,A.-L。 Bynens 9,S。Cheeseman 10,H。Fenton 11,P。Galgane Banduge 12,A。Lobo Gomes 13,R。McDonald 14,P。Mahon 15,E.Ross 7,L。Sanchez Gomez 16,S。Theophanous 17,I。Zhovannik 16,Å。 Helland 1,18 1肿瘤学,奥斯陆大学医院,奥斯陆,挪威,2非手术肿瘤学,利兹教学医院信托基金意大利米兰,意大利米兰,血液学和肿瘤学第5次,歌德大学法兰克福大学,德国法兰克福大学医院,德国法兰克福大学医院,6个研究与创新中心,利兹教学医院NHS NHS NHS,NHS,英国利兹,英国,英国,技术和E-Health Forkest of Technology and E-Health Hospital,Oslo University Hospital,Oslo Universition,Oslo,Norway,8 Omop&PPGIA&PPGIA derutions,selitial clential&PPGIA,I.科学,马斯特里赫特大学医学中心,马斯特里奇特,荷兰,10个医学肿瘤学,利兹教学医院信托基金会,利兹,英国,英国,11肿瘤学证据网络,IQVIA LTD,IQVIA LTD,IQVIA LTD,IQVIA LTD,英国,12号辐射肿瘤学系(Maastro),Maastricht University Centers Medical Cente荷兰马斯特里奇特,荷兰马斯特里奇特,14个现实世界解决方案,伦敦,英国,英国15号,伊克维亚有限公司,15 digicore,布鲁塞尔,比利时,16联邦学习,医疗数据工作,荷兰马斯特里奇,荷兰,17,研究与创新界,纽约市纽约市的纽约市,纽约市教育界,医疗数据工作。医学,奥斯陆,挪威Brash 8,A.-L。 Bynens 9,S。Cheeseman 10,H。Fenton 11,P。Galgane Banduge 12,A。Lobo Gomes 13,R。McDonald 14,P。Mahon 15,E.Ross 7,L。Sanchez Gomez 16,S。Theophanous 17,I。Zhovannik 16,Å。 Helland 1,18 1肿瘤学,奥斯陆大学医院,奥斯陆,挪威,2非手术肿瘤学,利兹教学医院信托基金意大利米兰,意大利米兰,血液学和肿瘤学第5次,歌德大学法兰克福大学,德国法兰克福大学医院,德国法兰克福大学医院,6个研究与创新中心,利兹教学医院NHS NHS NHS,NHS,英国利兹,英国,英国,技术和E-Health Forkest of Technology and E-Health Hospital,Oslo University Hospital,Oslo Universition,Oslo,Norway,8 Omop&PPGIA&PPGIA derutions,selitial clential&PPGIA,I.科学,马斯特里赫特大学医学中心,马斯特里奇特,荷兰,10个医学肿瘤学,利兹教学医院信托基金会,利兹,英国,英国,11肿瘤学证据网络,IQVIA LTD,IQVIA LTD,IQVIA LTD,IQVIA LTD,英国,12号辐射肿瘤学系(Maastro),Maastricht University Centers Medical Cente荷兰马斯特里奇特,荷兰马斯特里奇特,14个现实世界解决方案,伦敦,英国,英国15号,伊克维亚有限公司,15 digicore,布鲁塞尔,比利时,16联邦学习,医疗数据工作,荷兰马斯特里奇,荷兰,17,研究与创新界,纽约市纽约市的纽约市,纽约市教育界,医疗数据工作。医学,奥斯陆,挪威
1。。2。。3。西班牙西班牙的Saneago大学(USC)。4。<医学肿瘤学的div。5。。6。IVO),瓦伦西亚,西班牙。7。Insestute8。9。西班牙环球影城大学。10。。11。。
背景:虐待性头部创伤 (AHT) 仍然是婴儿脑损伤的主要原因。目的:本研究旨在描述一组 AHT 患者并确定与不良神经系统结果相关的早期危险因素。参与者和环境:纳入儿科重症监护病房 (PICU) 疑似或确诊为 AHT 的 1 岁以下儿童。出院时和两年随访时通过儿科总体表现分类评分 (POPC) 评估神经系统结果。方法:进行了一项为期 8 年(从 2012 年 1 月至 2020 年 12 月)的多中心回顾性研究。结果:共纳入来自三个 PICU 的 117 名患者(平均年龄 4.3 (+/- 2.5) 个月,61% 为男孩)。共有 99 名(85%)患者完成了 2 年的随访。 61 名(52%)AHT 患儿在离开 ICU 和出院时 POPC(儿科总体表现类别)评分≥ 2(意味着他们至少有中度残疾),而 47 名(40%)AHT 患儿则分别有 41 名(44%)在 2 年随访中 POPC 评分≥ 2,其中包括 19 名(19%)严重残疾。主要的神经系统残疾是神经发育(38 例,35%)、多动症(36 例,33%)和癫痫(34 例,31%)。按照分层模型分析后,入院时心肺骤停和格拉斯哥昏迷评分低是神经系统预后不良的突出因素。结论:本研究强调了 AHT 儿童神经系统残疾范围广泛。早期和多学科随访对于限制神经系统残疾的影响至关重要。
1。法国阿米斯大学医院胃肠病学系2 UT Numecan(营养代谢和癌症),F-35000法国5。ChuLille,胃肠病学系,F-59000法国Lille,法国6尼斯大学尼斯大学尼斯大学尼斯大学医院临床营养,法国尼斯。9。 10.克莱蒙奥弗涅大学,3iHP,克莱蒙费朗大学医院,肝胃病学科; Inserm U1071,M2iSH,USC-INRA 2018,F-63000 克莱蒙费朗,法国 11. 贝桑松大学医院胃肠病学系,贝桑松,法国 12. 亚眠大学医院生物统计学系,亚眠,法国 13. 洛林大学南锡大学医院肝病学系和 Inserm NGERE,旺德夫尔莱南锡,法国 请将通信和重印请求发送至:
医生的判断(5)。为了克服这一限制,Wildman-Tobriner等人进行的研究。深入研究了人工智能(AI)在优化美国放射学院(ACR)TI-RADS的潜力。他们强调,AI技术的整合可以提高特异性(6)。放射素学可以从传统图像中深入提取和量化肉眼无法察觉的微妙特征,从而为临床决策提供了更客观和更定量的基础(7)。这种创新不仅减少了人为因素的影响,而且还将甲状腺结节的诊断推向了更准确和更有效的轨道。放射线分析是一种基于计算机的基于计算机的图像分析技术,该技术广泛用于器官疾病的诊断,分级,分期和预后预测,例如甲状腺,乳房,胸部和肺,肝,肾脏,肾脏和妇科(8)。几项研究确定,结合放射素学方式可以进一步改善与临床和超声信息结合使用的基本诊断性能。Yoon等人建立的预测模型。(9)使用多元逻辑回归分析分析表明,接收器操作特征(ROC)曲线(AUC)的恶性甲状腺结节(AUC)由组合放射线与临床变量组合的模型明显高于仅临床变量物(0.839 vs. 0.839 vs. 0.583)的模型。Liang等。Liang等。(10)比较了四个Ti-Rads分数的放射线分数,发现放射线分数模型比使用任何Ti-Rads得分模型增加了更多的好处。