XiaoMi-AI文件搜索系统
World File Search System老年性
心脏、眼睛和人工智能：评论
心脏病仍然是美国的第一大死亡原因。基于深度学习的人工智能 (AI) 方法在研究心血管疾病的各种因素中变得越来越普遍。使用视网膜扫描技术诊断视网膜疾病（如糖尿病视网膜病变、老年性黄斑变性、青光眼等）的使用已得到广泛记录，使用眼底照片和光学相干断层扫描血管造影 (OCTA)。研究人员现在正在寻求将 AI 的强大功能与视网膜扫描的非侵入性便捷性相结合，以检查心脏的运作并根据微血管的特征和功能预测大血管的变化。在这篇综述中，我们总结了使用视网膜成像诊断心血管问题和其他疾病领域的现状。
主题：血管内皮生长因子抑制剂治疗眼部新生血管
在美国，超过 420 万 40 岁以上的人患有无法矫正的视力障碍和失明。老年性黄斑变性 (AMD)、青光眼、白内障和糖尿病性视网膜病变是美国成年人口中最常见的眼部疾病。AMD 是 65 岁及以上人群阅读和精细或近距离视力永久性受损的主要原因。血管内皮生长因子 (VEGF) 与多种眼部血管疾病的发病机制有关，这些疾病的特征是脉络膜新生血管 (CNV) 和黄斑水肿。VEGF 是一种刺激血管内皮细胞生长、增殖和存活的蛋白质。几种眼用 VEGF 抑制剂已被批准用于治疗各种眼部疾病。
2023 年年度报告 - 眼科和视觉科学
作为一名退休护士，朱迪·特洛亚知道治疗她的眼疾很可能意味着每月都要注射眼药水。这位威斯康星州菲奇堡的居民患有老年性黄斑变性 (AMD)，这是老年人视力丧失的主要原因。虽然 AMD 通常不会导致完全失明，但会导致中央视力波浪状或模糊，使看清面部、阅读、驾驶或近距离工作变得更加困难。AMD 有两种类型：湿性和干性。大多数 AMD 患者属于干性 AMD，即黄斑（视网膜中央部分，负责更集中的视觉和色彩感知）的退行性变薄。湿性 AMD 是指异常形成的视网膜血管生长和破裂，导致渗漏到黄斑，从而导致肿胀和随后的疤痕。它通常与更快的视力丧失有关。
20240020 杜克大学 IRB 协议编号
1. 研究摘要 1. 更好地了解视力障碍对视觉通路眼部疾病患者日常任务表现的影响，例如青光眼和老年性黄斑变性（AMD）。 2. 纵向研究，每两年一次的随访，包括患有青光眼、疑似患有青光眼、非青光眼性视神经病变、AMD、视网膜变性、其他涉及视觉通路的疾病的患者以及健康对照组。受试者将接受标准眼科检查和以下研究测试：心理物理、眼动追踪、脑电图、驾驶模拟器、虚拟现实、平衡评估和问卷调查。 3. PI 将使用 Stata、MATLAB 和 MPLUS 软件进行统计分析。风险很低，包括一些不适、疲劳、头晕或晕动病。
眼科领域的人工智能和深度学习
摘要 近年来，基于深度学习 (DL) 的人工智能 (AI) 引起了全球的极大兴趣。DL 已广泛应用于图像识别、语音识别和自然语言处理，但对医疗保健的影响才刚刚开始。在眼科领域，DL 已应用于眼底照片、光学相干断层扫描和视野，在检测糖尿病视网膜病变和早产儿视网膜病变、青光眼样视盘、黄斑水肿和老年性黄斑变性方面实现了强大的分类性能。眼部成像中的 DL 可与远程医疗结合使用，作为筛查、诊断和监测初级保健和社区环境中患者主要眼部疾病的可能解决方案。尽管如此，DL 在眼科中的应用也存在潜在挑战，包括临床和技术挑战、算法结果的可解释性、法医学问题以及医生和患者对 AI“黑箱”算法的接受度。DL 可能会彻底改变未来眼科的实践方式。本综述概述了针对眼科应用的最先进的 DL 系统、临床部署中的潜在挑战以及未来发展方向。
再生医学 | GAO
再生医学技术为创造治疗产品带来了希望，这些产品可以恢复因疾病、损伤或衰老而受到影响的细胞、组织和器官功能。这些技术代表了医学领域的范式转变，不再开发治疗症状的疗法，而是创造治愈潜在疾病或恢复功能的产品。它们还为使用个人自身基因或细胞的个性化疗法打开了大门，有时这些基因或细胞经过改造可以替换或增强其功能。目前，这些技术正被用于为多种疾病创造救命疗法，这可能有助于美国人治疗糖尿病（占美国所有医疗保健费用的四分之一）、癌症（每年约 170 万例新病例）、非致命跌倒伤害（2018 年约 800 万例）或老年性黄斑变性 (AMD)（截至 2019 年，总共约 2000 万例）。1 此外，再生医学有朝一日可能会为大约 104,000 名需要器官移植的人提供救济，这些人的等候名单远远超过了可用人数。2
在患有年龄相关性黄斑变性的患者的 iPSC-RPE 中测试线粒体靶向药物
摘要：老年性黄斑变性 (AMD) 是老年人失明的主要原因。萎缩性或“干性”AMD 是由视网膜色素上皮 (RPE) 和光感受器的损失引起的，约占所有 AMD 患者的 80%，目前尚无普遍有效的治疗方法。先前的研究为线粒体功能障碍与 AMD 病理学的关系提供了证据。本研究使用来自五名 AMD 患者的诱导性多能干细胞 (iPSC) RPE 来测试三种药物（AICAR（5-氨基咪唑-4-甲酰胺核苷酸）、二甲双胍、海藻糖）的疗效，这三种药物针对维持最佳线粒体功能的关键过程。患者的 iPSC-RPE 系用于概念验证药物筛选，利用急性和长期药物暴露后 RPE 线粒体功能的分析。结果显示，不同患者细胞系的药物反应存在相当大的差异，支持了采用个性化医疗方法治疗 AMD 的必要性。此外，我们的研究结果证明了使用 AMD 患者的 iPSC-RPE 制定个性化药物治疗方案的可行性，并为未来的 AMD 临床管理提供了路线图。
湿性 AMD 的疾病进展途径
简介：老年性黄斑变性 (AMD) 是发达国家 60 岁或以上人群不可逆失明的主要原因。目前，抑制血管生成和血管通透性的抗血管内皮生长因子 (VEGF) 疗法是唯一被证实可以提高视力和阻止疾病进展的治疗方法。抗 VEGF 疗法的治疗局限性包括成本高、玻璃体内反复注射、治疗上限以及尽管积极治疗，视力结果仍会恶化。因此，迫切需要研究其他靶点来解决这些局限性。目前正在研究的分子包括靶向 VEGF-C 和 VEGF-D、整合素、酪氨酸激酶抑制剂和 Tie2/血管生成素-2 通路。截至 2021 年 11 月 30 日，我们在 PubMed、Medline、Google Scholar 和相关数字平台上进行了文献检索，关键词如下：湿性黄斑变性、年龄相关性黄斑变性、治疗、VEGF-A、VEGF-C、VEGF-D、整合素、Tie2/Ang2 和酪氨酸激酶抑制剂。
用于视力恢复的自适应界面材料和植入物
失明是全球公共卫生面临的重大挑战，影响着全球超过 4300 万人。视网膜退行性疾病包括视网膜色素变性和老年性黄斑变性，涉及视网膜色素上皮 (RPE) 退化并因此导致视网膜功能障碍，是导致失明的主要原因。为了治疗这些视网膜退行性疾病，能够适应神经组织并刺激视觉通路内残留神经元的新兴界面材料和植入物已显示出特别的前景，其中一些已发布的产品已获准商业化。鉴于界面材料和植入物在视觉恢复方面具有诱人的机遇和挑战，迫切需要进行一项全面且最新的综述，以深入了解它们的设计原理和生物学性能，但目前还缺少这方面的综述。本文将总结这些自适应界面材料和植入物在视觉恢复方面的最新进展，并进一步讨论它们在临床应用中的挑战和机遇。
眼科领域的人工智能和深度学习
摘要 近年来，基于深度学习 (DL) 的人工智能 (AI) 引起了全球的极大兴趣。DL 已广泛应用于图像识别、语音识别和自然语言处理，但对医疗保健的影响才刚刚开始。在眼科领域，DL 已应用于眼底照片、光学相干断层扫描和视野，在检测糖尿病视网膜病变和早产儿视网膜病变、青光眼样视盘、黄斑水肿和老年性黄斑变性方面实现了强大的分类性能。眼部成像中的 DL 可与远程医疗结合使用，作为筛查、诊断和监测初级保健和社区环境中患者主要眼部疾病的可能解决方案。尽管如此，DL 在眼科中的应用也存在潜在挑战，包括临床和技术挑战、算法结果的可解释性、法医学问题以及医生和患者对 AI“黑箱”算法的接受度。DL 可能会彻底改变未来眼科的实践方式。本综述概述了针对眼科应用的最先进的 DL 系统、临床部署中的潜在挑战以及未来发展方向。