XiaoMi-AI文件搜索系统
World File Search System肝病
催乳素是肥胖儿童非酒精性脂肪肝病的关键因素
这项研究研究了血清催乳素（PRL）是否是儿童非酒精性脂肪肝病（NAFLD）的关键因素。总共有691个肥胖儿童参加了这项研究，并根据肝超声结果分为NAFLD组（n = 366）和简单的肥胖（SOB）组（n = 325）。两组的性别，年龄，青春期开采和体重指数（BMI）匹配。所有患者均接受了OGTT测试，并收集了禁食的血液样本以测量催乳素。进行了逐步逻辑回归，以识别NAFLD的重要预测指标。NAFLD受试者的血清催乳素水平明显低于SOB受试者[82.4（56.36，118.70）vs. 99.78（63.89，153.82），p <0.001]（MIU/L）。NAFLD与胰岛素抵抗（HOMA-IR）和催乳素密切相关，proP肌动蛋白水平较低，在整个催乳素浓度越过后，pro肌动蛋白的含量较低（调整后的ORS = 1.741; 95％CI：1.059–2.860）。低血清催乳素水平与NAFLD的存在有关；因此，增加的催乳素可能是儿童肥胖症的补偿性反应。
非酒精性脂肪性肝病中激活受体γ
过氧化物酶体增殖激活受体 γ (PPAR γ ) 属于核受体家族，可作为脂质传感器。PPAR γ 是一组称为噻唑烷二酮 (TZD) 的胰岛素增敏剂的靶点，这些药物可调节参与葡萄糖和脂质代谢的基因以及调节其他组织代谢功能的脂肪因子的表达。非酒精性脂肪性肝病 (NAFLD) 在世界范围内患病率很高，在肥胖和胰岛素抵抗患者中患病率甚至更高。TZD 介导的 PPAR γ 激活可以作为 NAFLD 的良好治疗方法，因为 TZD 在体外表现出抗纤维化和抗炎作用，并增加外周组织的胰岛素敏感性，从而改善肝脏病理。然而，小鼠模型中的机制研究表明，肝细胞中 PPAR γ 的激活可能会降低或限制 TZD 对 NAFLD 的治疗潜力。在本综述中，我们简要介绍了 PPAR 亚型的简史、它们在不同组织中的表达相关性以及 NAFLD 的发病机制和潜在治疗方法。我们还讨论了一些来自小鼠模型的证据，这些证据可能有助于内分泌学家评估 PPAR 的组织特异性作用、补充逆向内分泌学方法，并了解 PPAR γ 在肝细胞和非实质细胞中的直接作用。
心血管疾病与肝病之间的关联，从临床务实的角度作为心脏病专家
摘要：心血管疾病和肝病密切相关。非酒精性脂肪肝疾病的危险因素与动脉粥样硬化心血管疾病的危险因素相同，也可能是动脉粥样硬化心血管疾病的危险因素。心力衰竭会导致肝纤维化，肝纤维化导致心脏预付和充血性恶化。尽管以前的一些报道考虑了心血管疾病与肝病之间的关联，但仍未确定心血管疾病患者的肝病管理策略。本综述总结了心血管疾病与肝病之间的关联。在非酒精性脂肪肝疾病的患者中，肝纤维化程度随着心血管预后恶化而发展。在心力衰竭的患者中，肝纤维化可能是预后标记。通过剪切波弹性摄影评估，纤维化-4指数和非酒精性脂肪肝疾病纤维化评分评估的肝僵硬与肝病患者的肝纤维化均与心力衰竭患者的预后较差有关。随着目前的人口衰老，管理对心血管疾病和肝病的重要性一直在增加。但是，尚未完全了解肝病的管理和干预措施是否改善心血管疾病的预后。需要进行未来的调查。
非酒精性脂肪肝病（NAFLD），2型糖尿病和非病毒肝癌：病理生理机制和新的治疗策略
摘要：近年来，非病毒肝细胞癌（HCC）的发生率显着增加，这可能与肥胖症和2型糖尿病的代谢综合征的患病率增加有关，这可能与肥胖症的患病率增加有关。几项流行病学研究已经建立了T2DM与HCC发生率之间的关联，并证明了Diabetes Mellitus作为HCC发展的独立危险因素的作用。非酒精性脂肪肝疾病（NAFLD）及其到非酒精性脂肪性肝炎（NASH）和肝硬化的发展是多种多样的，并且涉及促弹药，氧化应激，凋亡，脂肪症，JNK-1激活，IGFISTRATION，IGIG-1增加，氧化应激，氧化应激率增加微生物群。此外，这些机制被认为在与NAFLD相关的肝细胞癌的发展中起着重要作用。早期诊断和及时纠正危险因素对于防止肝脏纤维化和HCC的发作至关重要。本综述的目的是总结有关肥胖，NASH/NAFLD，T2DM和HCC之间关联的当前证据，重点是临床影响。此外，我们将研究这种复杂关系的主要机制，以及最近为这些疾病治疗而出现的有希望的策略。
用于肝病诊断和管理的人工智能模型
随着疾病诊断和治疗方法的进步，医疗保健所需的数据也变得越来越复杂，人为错误导致的信息误读可能会导致严重后果。人工智能（AI）可以避免人为错误。使用各种医疗数据训练的用于诊断和管理肝脏疾病的AI模型已应用于肝炎、脂肪肝、肝硬化和肝癌。据报道，其中一些模型在性能方面优于人类专家，这表明它们具有支持临床实践的潜力，因为它们具有高速输出能力。本文总结了AI在肝脏疾病方面的最新进展，并介绍了使用B型超声对肝脏肿瘤进行AI辅助诊断。
人工智能应用于肝病组学数据
生物技术的快速发展导致了大量多组学数据的产生，这需要生物信息学和人工智能的进步，以实现计算建模来诊断和预测临床结果。传统的机器学习和新的深度学习算法都会公正地筛选现有数据以发现模式并创建可用于指导临床决策的模型。我们总结了已发表的文献，这些文献介绍了使用在组学数据集上训练的人工智能模型（包含和不包含临床数据）来诊断、风险分层和预测非恶性肝病患者的生存能力。在选定的研究中，总共测试了 20 种不同的模型。通常，将组学数据添加到常规临床参数或单个生物标志物中可以提高人工智能模型的性能。例如，使用 NAFLD 纤维化评分来区分 F0-F2 与 F3-F4 纤维化阶段，曲线下面积 (AUC) 为 0.87。当通过 GMLVQ 模型整合代谢组学数据时，AUC 大幅提高至 0.99。在另一项研究中，使用 RF 对多组学和临床数据预测 NAFLD 进展为 NASH 的结果为 0.84，而仅使用临床数据时的结果为 0.82。使用 RF、SVM 和 kNN 模型对基因组学数据进行分类以对慢性乙型肝炎的免疫耐受期进行分类的结果为 0.8793–0.8838，而使用各种血清生物标志物时的结果为 0.6759–0.7276。总体而言，与仅基于临床参数建立的模型相比，整合组学可以提高预测性能，表明个性化医疗在临床环境中具有潜在用途。
人工智能在自身免疫性肝病精准医疗中的应用
1 意大利蒙扎米兰比可卡大学医学和外科系自身免疫性肝病中心胃肠病学分部，2 意大利蒙扎圣赫拉多医院欧洲肝病参考网络 (ERN RARE-LIVER)，3 意大利蒙扎米兰比可卡大学医学和外科学院比可卡生物信息学生物统计学和生物成像中心 - B4，4 美国马萨诸塞州牛顿市 Rulex Inc.，5 意大利蒙扎米兰比可卡大学医学和外科系及 Tecnomed 基金会，6 意大利蒙扎圣赫拉多医院放射科，7 意大利米兰罗扎诺 Humanitas 临床和研究中心，8 意大利米兰皮耶韦埃马努埃莱 Humanitas 大学生物医学科学系，9 德国亚琛工业大学医院第三医学系，
特异性 ARCUS 核酸酶可消除乙肝病毒
本演示文稿包含前瞻性陈述，任何相关演示文稿也可能包含前瞻性陈述，其含义符合 1995 年《私人证券诉讼改革法》。本演示文稿和任何相关演示文稿中包含的所有与历史事实无关的陈述均应被视为前瞻性陈述，包括但不限于关于慢性乙型肝炎持久抗原消失和功能性治愈的目标、临床和监管开发以及我们平台和产品候选物的预期功效和治疗益处、ARCUS 的益处以及使用 ARCUS 的潜在扩展和开发、对我们的运营计划和业务战略的期望、实现关键里程碑和额外合作，以及对我们的流动性和为运营费用和资本支出要求提供资金的能力的期望。在某些情况下，您可以通过“目标”、“预期”、“方法”、“相信”、“考虑”、“可能”、“估计”、“期望”、“目标”、“打算”、“看起来”、“可能”、“使命”、“计划”、“可能”、“潜在”、“预测”、“项目”、“承诺”、“应该”、“目标”、“将”、“会”等术语或其否定词以及类似的词语和表达来识别前瞻性陈述。
靶向蛋白质组学用于监测肝病中的一碳代谢
摘要：肝脏疾病每年在全球造成约200万人死亡，并且在过去十年中发生了不断发病的率。肝脏疾病的危险因素包括饮酒，肥胖，糖尿病，肝毒性物质（如霉素）的摄入，病毒感染和遗传决定因素。肝癌是第六大流行的癌症，是死亡率的第三个（男性第二）。低存活率（5年内少于20％）部分用晚期诊断来解释，这表明需要新的早期分子生物标志物。单碳代谢会整合叶酸和蛋氨酸循环，并参与必要的细胞过程，例如氧化还原稳态维持以及通过产生中间代谢物（如半胱氨酸和S-腺苷甲氨酸）来调节甲基化反应。单碳代谢具有组织特定的构造，在肝脏中，参与的酶大量表达 - 维持肝细胞分化的要求。有针对性的蛋白质组学研究表明，肝细胞癌和肝硬化的显着不同，这表明监测一碳代谢酶可用于肝病患者的地层分层，并为其临床管理开发精确的药物策略。在这里，描述了对肝病中一种碳代谢的重编程，并讨论了质谱对跟进这些改变的作用。
绿色胃肠病学和肝病学
引言广泛赞赏全球气候紧急情况，最新的预测令人震惊。在气候变化的政府间小组中1得出的结论是，自1750年以来观察到的温室气体（GHG）散发出现的增加是由人类活动造成的，它已经指出，过去的四十年中的每一个都比1850年以来一直在任何其他人的温暖，除非在1850年以来，除非在1.5°C和21°c中，否则将在21°C中进行预测。排放。有限的机会窗口，要达到全球变暖的1.5°C限制，到2030年，温室气体排放量需要减少45％。由于气候变化而产生不利的健康影响，但医疗保健本身是温室气排放的主要因素：英格兰总计2和8.5％的4％。3在医院环境中，内窥镜检查是温室气体排放的第三大贡献者，4和位于英国的绿色内孢子型组，但有一个