XiaoMi-AI文件搜索系统
World File Search System完整版
1386.完整版.pdf
胶质瘤相关小胶质细胞和巨噬细胞 (GAMM) 是创造免疫抑制微环境的关键因素。通过抑制集落刺激因子 1 受体 (CSF-1R)，可以有效地靶向它们。我们应用了非侵入性 PET/CT 和 PET/MRI，使用 18 F-氟乙基酪氨酸 ( 18 F-FET)（氨基酸代谢）和 N,N -二乙基-2-[4-(2- 18 F-氟乙氧基)苯基]-5,7-二甲基吡唑并 [1,5- a]嘧啶-3-乙酰胺 ( 18 F-DPA-714)（转运蛋白）来了解 GAMM 在胶质瘤发生中的作用，监测体内治疗引起的 GAMM 耗竭，并观察停药后 GAMM 的重新繁殖。方法：将同源小鼠 GL261 胶质瘤细胞原位植入 C57BL/6 小鼠（n=44），分别使用 CSF-1R 抑制剂 PLX5622（6-氟-N-（（5-氟-2-甲氧基吡啶-3-基）甲基）-5-（（5-甲基-1H-吡咯并[2,3-b]吡啶-3-基）甲基）吡啶-2-胺）或载体进行不同方案治疗，建立预处理模型和再植入模型。对小鼠进行纵向 PET/CT 和 PET/MRI 检查。结果：预处理模型显示，基于 MRI（44.5% 6 24.8%）、18 F-FET PET（18.3% 6 11.3%）和 18 F-DPA-714 PET（16% 6 19.04%）体积动态，所有组中肿瘤生长相似，表明 GAMM 不参与神经胶质瘤的发生。再增殖模型显示 18 F-DPA-714 摄取显著降低（2 45.6% ± 18.4%），即使再增殖后 GAMM 滤过率也显著降低，MRI 测量显示再增殖后肿瘤体积显著减小（2 54.29% ± 8.6%），18 F-FET 摄取显著降低（2 50.2% ± 5.3%）也支持这一结论。结论：18 F-FET 和 18 F-DPA-714 PET/MRI 可在各种 CSF-1R 治疗方案下对神经胶质瘤生长情况进行非侵入性评估。CSF-1R 介导的 GAMM 调节可能对神经胶质瘤的治疗或辅助治疗具有很高的兴趣。
A159.3.完整版.pdf
1 Asela Bandara，2 Oksana Suchowersky，3,4,5 Ralf Reilmann，6 Tiago Mestre，1 Joseph Haegele，1 Xiao Shelley Hu，1 Shushma Patel，1 Mark McLaughlin，1 Padma Narayanan，1 Ty McClure，1 Varun Goel，1 Mark Hurtt，1 Michael Panzara，1 Jane Atkins，1 Anne-Marie Li-Kwai-Cheung。1 美国 Wave Life Sciences；2 加拿大阿尔伯塔大学医学（神经病学）和医学遗传学系；3 德国明斯特乔治亨廷顿研究所；4 德国明斯特威斯特伐利亚威廉大学明斯特大学（UKM）放射学系；5 德国图宾根大学神经退行性疾病系和赫蒂临床脑研究所； 6 加拿大渥太华大学大脑与思维研究所、渥太华医院研究所、医学部神经病学分部帕金森病和运动障碍中心
443.完整版.pdf
摘要 在找到合适的疫苗或治疗方法之前，控制 COVID-19 疫情的措施很可能会继续成为我们工作生活的一部分。这一流行病对临床服务产生了重大影响，包括癌症治疗途径。在许多情况下，病理学家都在远程工作，以保护自己、同事、家人和临床服务的提供。COVID-19 对研究和临床试验的影响也很大，包括方案的改变、研究的暂停和资源的重新部署。在本文中，我们探讨了 COVID-19 对临床和学术病理学的具体影响，并探讨了数字病理学和人工智能如何在当前和未来的环境下发挥关键作用，以保障临床服务和基于病理学的研究。
419.完整版.pdf
与飞行员的飞行前检查清单类似，专家广泛建议在患者就诊前进行就诊前计划 (PVP)，以提高护理质量、效率和体验。1,2 就诊前计划有助于优化对未达到目标患者的护理，3 改善跨学科团队合作，4 减少失约。5 美国医学会 (AMA) 已为就诊前和就诊间 PVP 制定了 10 个步骤。2 在实践中，临床医生可能会实施 1 个或多个步骤，并且没有直接证据来区分不同的方法。就诊前计划依赖于人力，许多临床医生认为其成本高或难以实施，导致 PVP 建议的采用不均衡。技术支持和人工智能 (AI) 工具的进步可能有助于推动 PVP 的实施。6,7 在这里，AI 被广泛定义为任何旨在模仿人类认知功能的信息技术。许多 PVP 包括按照常规时间表组装的明确定义的数据元素以及临床医生和患者之间高度结构化的沟通——这些活动完全在现代电子健康记录和人工智能的范围内。
e100466.完整版.pdf
摘要 目的 鉴于测试新人工智能 (AI) 工具的转化能力的复杂性，我们旨在绘制在专门的随机对照试验 (AI-RCT) 中评估的 AI 工具在开发过程中的训练/验证/测试途径和外部验证。 方法 我们搜索了同行评审的方案和已完成的评估 AI 工具临床有效性的 AI-RCT，并确定了 AI 工具的开发和验证研究。我们收集了详细信息，并评估了 AI 工具的开发和外部验证模式。 结果 我们发现 23 项 AI-RCT 评估了 18 种独特 AI 工具的临床影响（2009-2021 年）。除一项 AI-RCT 外，所有 AI-RCT 的对照组都使用了标准护理干预措施。研究人员没有在任何研究中提供对 AI 工具软件代码的访问权限。考虑到主要结果，82% 的已完成 AI-RCT（17 项中的 14 项）的结果支持 AI 干预。我们发现不同 AI 工具的开发模式、外部验证和临床评估方法存在显著差异。在 18 种 AI 工具中，只有 10 种发现了已发表的开发研究。从开发研究发表到相应的 AI-RCT 的中位时间为 1.4 年（IQR 0.2–2.2）。结论我们发现在专门的 AI-RCT 中评估 AI 工具之前，其开发和验证模式存在显著差异。已发表的同行评审方案和已完成的 AI-RCT 在设计和报告方面也存在差异。即将出台的为开发和临床转化过程提供指导的指南旨在改善这些方面。
2025.01.11.632282.完整版.pdf
预印本（未经同行评审认证）是作者/资助者。保留所有权利。未经许可不得重复使用。此版本的版权所有者于 2025 年 1 月 13 日发布。；https://doi.org/10.1101/2025.01.11.632282 doi：bioRxiv 预印本
e008378.完整版.pdf
摘要 背景 肿瘤内递送免疫疗法有可能有利地改变局部肿瘤微环境并可能刺激全身宿主免疫，从而为其他局部和全身治疗提供替代或辅助。尽管这些疗法具有潜力，但它们在晚期癌症的后期试验中成功率有限，因此很少获得正式批准。癌症免疫治疗学会 (SITC) 召集了一个专家小组，以确定如何设计临床试验，以最大机会证明肿瘤内免疫治疗对各个发病阶段的癌症患者的益处。 方法 组建了一个由来自学术界和工业界的国际关键利益相关者组成的肿瘤内免疫治疗临床试验专家小组。一份多项选择/自由回答调查问卷分发给专家小组，并在半天的共识会议上讨论了调查结果。关键讨论点总结在以下手稿中。结果专家组确定了针对癌症发展不同阶段（从癌前到不可切除/转移）的独特临床试验设计，以最大限度地提高捕捉肿瘤内免疫疗法效果的机会。讨论的设计要素包括研究类型、患者分层和排除标准、随机化指征、研究组确定、终点、生物样本采集以及使用生物标志物和成像进行的反应评估。还讨论了肿瘤内免疫疗法研究的优先人群，包括分期、癌症类型和治疗路线，以及这些局部治疗发展的常见障碍。结论 SITC 肿瘤内免疫疗法临床试验专家组已确定了设计和实施肿瘤内免疫疗法的关键考虑因素
2007 年冬季完整版
投稿者请在提交稿件前向总编辑索取标准投稿指南或在线访问。海军战争学院评论既不提供也不对文章或书评进行补偿，也不承担退回稿件的责任，尽管会尽一切努力退回未接受的稿件。在提交作品时，发件人保证它是原创的，是发件人的财产，并且它或发件人的类似作品均未在其他地方被接受或正在考虑中。