1 罗斯托克大学医学中心放射肿瘤学系,18059 罗斯托克,德国;felix@m20a.de(FJ);martenlscholz@hotmail.de(MS);julia.soloviova@uniklinik-leipzig.de(JS);guido.hildebrandt@uni-rostock.de(GH) 2 欧洲同步辐射装置(ESRF)生物医学光束线 ID 17,38043 格勒诺布尔,法国;krisch@esrf.fr 3 慕尼黑工业大学放射肿瘤学系,81675 慕尼黑,德国;stefan.bartzsch@tum.de 4 亥姆霍兹慕尼黑中心放射医学研究所,85764 慕尼黑,德国 5 伯尔尼大学解剖研究所,3012 伯尔尼,瑞士; jean-albert.laissue@pathology.unibe.ch 6 Niederwiesstr 13C, 5417 Untersiggenthal, 瑞士; hans.blattmann@bluewin.ch 7 莱比锡大学医学中心儿科外科系, 04103 Leipzig, 德国 * 通讯地址: elisabeth.schueltke@med.uni-rostock.de
为了应对全球变暖和能源问题,各个领域都在推动创新材料的研究和开发。在能源、核能、宇宙环境、放射医学、核聚变和加速器相关设备等领域,材料和设备会发生辐射退化,人们已经利用加工热处理、添加杂质、合金化、微晶化、纳米团簇、氧化物弥散强度 (ODS) 钢、复合材料和纳米纤维材料 [1-23] 等各种方法来提高机械性能、耐腐蚀性和抗辐照性,这些技术已经取得了成功的结果。Viswanathan [23] 根据结果总结了四代结构钢最高使用温度的历史改进速度。在许多情况下,设计高性能抗辐射材料的关键策略是基于引入高密度、均匀的纳米级粒子,这些粒子同时提供良好的高温强度和抗辐射损伤性。
1 复旦大学中山医院生命科学学院遗传工程国家重点实验室,上海,2 伊利诺伊大学医学院药理学系,美国伊利诺伊州芝加哥,3 伊利诺伊大学医学院医学系心脏病学分部,美国伊利诺伊州芝加哥,4 苏州大学苏州医学院第一附属医院心血管外科及心血管科学研究所、血液学协同创新中心、放射医学与防护国家重点实验室,苏州,5 东南大学生命科学与技术学院中大医院耳鼻咽喉头颈外科国家生物电子学重点实验室、生命健康高等研究院、江苏省生物医学研究高技术重点实验室,南京,6 南通大学神经再生协同创新中心,南通,7 四川省人民医院耳鼻咽喉头颈外科中国电子科技大学,成都,中国,8 上海工业微生物工程研究中心,上海,中国
1 德国慕尼黑工业大学伊萨尔右翼医院放射肿瘤学系 2 德国诺伊尔贝格慕尼黑亥姆霍兹中心亥姆霍兹 AI 3 德国慕尼黑工业大学伊萨尔右翼医院诊断和介入神经放射学系 4 德国慕尼黑工业大学 TranslaTUM - 癌症转化中央研究所 5 德国慕尼黑工业大学信息学系 6 瑞士苏黎世大学放射肿瘤学系 7 德国马格德堡马格德堡大学医院放射肿瘤学系 8 德国耶拿弗里德里希-席勒大学耶拿大学医院放射治疗和放射肿瘤学系 9 瑞士苏黎世大学定量生物医学系 10慕尼黑,德国慕尼黑 11 海德堡大学医院放射肿瘤学系,德国海德堡 12 海德堡放射肿瘤学研究所 (HIRO),国家放射肿瘤学中心 (NCRO),德国海德堡 13 德国哥廷根大学医学中心放射肿瘤学系,德国哥廷根 14 阿劳州立大学 KSA-KSB 放射肿瘤学中心,瑞士阿劳 15 德国富尔达综合医院放射肿瘤学系,德国富尔达 16 德国基尔石勒苏益格-荷尔斯泰因大学医学中心放射肿瘤学系 17 德国弗莱堡大学医学中心放射肿瘤学系,德国弗莱堡 18 德国癌症联盟 (DKTK),弗莱堡合作伙伴中心,德国弗莱堡 19 塞浦路斯欧洲大学德国肿瘤中心放射肿瘤学系,塞浦路斯利马索尔20 德国法兰克福及北德 Saphir 放射外科中心,基尔,德国 21 德国法兰克福大学医院神经外科系,法兰克福,德国 22 德国慕尼黑翻译放射医学研究中心 (DKTK),慕尼黑合作网站,慕尼黑,德国 23 德国慕尼黑亥姆霍兹中心放射医学研究所 (IRM),放射科学系 (DRS),慕尼黑,德国 24 德国慕尼黑工业大学医学人工智能与信息学研究所
1 本指南由美国食品药品管理局药品评价与研究中心 (CDER) 的影像与放射医学和药理学-毒理学部门制定。 2 本指南中使用的术语“药品”或“药品产品”是指 CDER 监管的人用药品和治疗性生物制品,除非另有说明。此外,“批准”一词是指批准或许可,除非另有说明。 3 当人体功效研究不符合伦理或不可行时,动物规则为药品或生物制品的批准提供了一条途径(药品见 21 CFR 314.600 至 314.650,生物制品见 21 CFR 601.90 至 601.95)。有关动物规则的更多信息,请访问 https://www.fda.gov/emergency-preparedness-and-response/mcm-regulatory-science/animal-rule-information。 4 有关分解剂的信息,请参阅行业指南《内部放射性污染——分解剂的发展》(2006 年 3 月)。我们会定期更新指南。有关指南的最新版本,请查看 FDA 指南网页 https://www.fda.gov/regulatory-information/search-fda-guide-documents。
原子能机构人体健康计划的任务源自其《规约》第二条,该条规定“原子能机构应寻求加速和扩大原子能对全世界和平、健康和繁荣的贡献”。人体健康计划的主要目标是在质量保证框架内,通过开发和应用核技术,提高原子能机构成员国解决与预防、诊断和治疗健康问题有关的问题的能力。原子能机构人体健康系列出版物提供以下领域的信息:放射医学,包括诊断放射学、诊断和治疗核医学和放射治疗;剂量测定和医学放射物理学;以及稳定同位素技术和营养学中的其他核应用。这些出版物拥有广泛的读者群,面向医疗从业者、研究人员和其他专业人员。国际专家协助原子能机构秘书处起草和审查这些出版物。本系列中的一些出版物也可能得到相关领域国际组织和专业协会的认可或共同赞助。本系列出版物分为两类:
* 通讯作者 Sunil J. Advani,加利福尼亚大学圣地亚哥分校摩尔斯癌症中心放射医学与应用科学系,3855 Health Sciences Drive, MC 0843,拉霍亚,CA 92093-0843,电话:858-822-6046,传真:858-822-5568,sjadvani@ucsd.edu。#contributed 同等贡献 作者声明 Dina V. Hingorani:调查、可视化、撰写 - 原始草稿。Jessica L. Crisp:调查、可视化。Matthew K. Doan:调查。Maria F. Camargo:调查。Maryam A. Quraishi:调查。Joseph Aguilera:调查。Mara Gilardi:调查。Larry A. Gross:方法论、调查。Tao Jiang:方法论、调查。Wei T. Li:调查。Weg M. Ongkeko:数据管理。 Ezra EW Cohen:资源、写作-评论和编辑。J. Silvio Gutkind:资源、写作-评论和编辑。Stephen R. Adams:方法论、资源、写作-评论和编辑。Sunil J. Advani:概念化、写作-原始草稿、监督、资金获取。
放射医学和应用科学系,加利福尼亚州加州大学加利福尼亚州加利福尼亚州,加利福尼亚州,美国加利福尼亚州,肯尼斯·布鲁姆(Kenneth Blum)行为与神经遗传学研究所,美国德克萨斯州奥斯汀市,美国体育,运动中心78701 78701 Institute of Psychology, ELTE E ¨ otv ¨ os Lor ´ and University, Budapest, Hungary f Department of Psychiatry, University of Vermont School of Medicine, Burlington, VY, USA g Department of Psychiatry, Wright University, Boonshoff School of Medicine, Dayton, OH, USA h Centre for Genomics and Applied Gene Technology, Institute of Integrative Omics and Applied Biotechnology, Nonakuri, Purba印度西孟加拉邦的Medinipur,美国加利福尼亚州棕榈泉基金会,加利福尼亚大学,加利福尼亚大学,加利福尼亚州河滨大学医学院,美国加利福尼亚州河畔河滨医学院,美国加利福尼亚州棕榈泉棕榈泉临床神经调节研究部美国马萨诸塞州剑桥市哈佛大学医学院精神病学,美国o家庭医学系,美国宾夕法尼亚州费城杰斐逊健康部,美国P PeakLogic,&个性化电磁theragnostic Research,PeakLogic,Del Mar,CA,CA,美国加利福尼亚州
在过去的几十年里,医疗数据的大量扩张促使人们寻找智能医疗系统中数据分析的方法。从图片、档案、通信系统、电子健康记录、在线文档、放射学报告和不同风格的临床记录中获取具有特定数字信息的数据,引发了多模态概念的产生,也需要机器学习和深度学习技术来分析医疗系统。医疗数据在医学教育和诊断中起着至关重要的作用;确定不同模态之间的依赖关系至关重要。本文概述了当前的放射医学数据分析技术及其各种表示和分类方法和框架。简要概述了现有的医学多模态数据处理工作。本研究的主要目的是发现调查领域的差距,并列出放射学未来的任务和挑战。本研究纳入了系统评价和荟萃分析 (PRISMA) 指南的首选报告项目,以便有效地搜索文章并调查一些相关的科学出版物。对多模态医学数据分析进行了系统评价,并强调了其优势、局限性和策略。人工智能医疗领域的多模态性所具有的固有优势对疾病诊断框架的性能有着重大影响。
放射性配体疗法 (RLT) 作为一种安全有效的靶向治疗方法,正逐渐受到关注,可用于治疗多种癌症类型,这反映在庞大且不断增长的商业市场中(2021 年价值 77.8 亿美元,预计到 2030 年价值将达到 130.7 亿美元)。β 发射 RLT 具有悠久的临床成功历史,可追溯到 21 世纪初 Zevalin 和 Bexxar 的批准,随后是 Lutathera 和 Pluvicto。α 放射性配体疗法 (ART) 具有更大的成功潜力。受早期试验中突破性临床结果、同位素可用性提高以及对同位素和疾病特征的更好理解的推动,全球 α 发射体市场规模在 2020 年估计为 6.723 亿美元,预计到 2027 年将增长至 52 亿美元。新公司的成立、有希望的临床试验数据、许多放射性配体治疗产品的进展以及投资者资本的流入,都为这一不断扩大的领域做出了贡献。未来的增长将受到 ART 临床试验和真实世界结果的进一步有效性和安全性数据的推动,但挑战依然存在。放射性核素的供应、制造和分销是该领域增长的主要障碍。需要新的交付模式以及专业从业人员的跨学科培训,以确保患者能够获得药物,并避免 Zevalin 和 Bexxar 等早期 RLT 候选药物面临的挑战。了解放射医学的历史对于了解 ART 成功的关键因素至关重要——大多数过去的预测都不准确,因此分析其原因很重要。了解放射医学如何输送和管理的实际考虑因素对于了解未来的方法很重要。