新的AI深度学习模型可以通过单张胸部X光片预测未来的心脏病风险

新的AI深度学习模型可以通过单张胸部X光片预测未来的心脏病风险"我们的深度学习模型为利用现有的胸部X光图像进行基于人群的心血管疾病风险筛查提供了潜在的解决方案，"该研究的主要作者、医学博士JakobWeiss说，他是隶属于马萨诸塞州综合医院心血管成像研究中心和波士顿布莱根妇女医院AIinMedicine项目的放射学家。"这种类型的筛查可以用来识别那些会从他汀类药物治疗中受益但目前没有得到治疗的人"。目前的指南建议估计主要不良心血管疾病事件的10年风险，以确定谁应该获得他汀类药物进行初级预防。这种风险是用动脉粥样硬化性心血管疾病（ASCVD）风险评分计算出来的，这是一个考虑到一系列变量的统计模型，包括年龄、性别、种族、收缩压、高血压治疗、吸烟、2型糖尿病病史和血液检查。对于10年风险为7.5%或更高的患者，建议使用他汀类药物。Weiss博士说："计算ASCVD风险所需的变量往往是提供不足的，这使得基于人群的筛查方法是可取的。由于胸部X射线随处可见，我们的方法可能有助于识别高风险的个人"。Weiss博士和一个研究小组使用单一的胸部X光（CXR）输入训练了一个深度学习模型。他们开发了这个被称为CXR-CVD风险的模型，利用前列腺癌、肺癌、结肠直肠癌和卵巢癌筛查试验中40643名参与者的147497张胸部X光片来预测心血管疾病的死亡风险，这是一项由美国国家癌症研究所设计和赞助的多中心、随机对照试验。"我们早就认识到X射线可以捕捉到传统诊断结果以外的信息，但我们没有使用这些数据，因为我们没有强大、可靠的方法，"Weiss博士说。"人工智能的进步使它现在成为可能。"研究人员用第二个独立队列测试了该模型，该队列由11430名门诊病人（平均年龄60.1岁；42.9%为男性）组成，他们在麻省总医院布里格姆医院做了常规门诊胸透，并可能有资格接受他汀类药物治疗。在11430名患者中，有1096人，或9.6%，在10.3年的中位随访期间遭遇了重大的不良心脏事件。CXR-CVD风险深度学习模型所预测的风险与观察到的主要心脏事件之间存在着显著的关联。研究人员还将该模型的预后价值与决定他汀类药物资格的既定临床标准作了比较。由于电子记录中的数据（如血压、胆固醇）缺失，只有2401名患者（21%）可以计算出来。对于这部分患者，CXR-心血管风险模型的表现与既定的临床标准相似，甚至提供了增量价值。"这种方法的好处是你只需要一张X光片，全世界每天可以产出上百万张，"Weiss博士说。"基于一个现有的胸部X光图像，我们的深度学习模型可以预测未来的主要不良心血管事件，其性能和增量价值与既定的临床标准相似。"Weiss博士说，有必要进行更多的研究，包括对照的随机试验，以验证该深度学习模型，它最终可以作为治疗医生的决策支持工具。"我们所展示的是胸透不仅仅是一个胸透，通过这样的方法，我们得到了一个量化的衡量标准，这使我们能够提供诊断和预后信息，帮助临床医生和病人。"...PC版：https://www.cnbeta.com.tw/articles/soft/1334025.htm手机版：https://m.cnbeta.com.tw/view/1334025.htm

机器人在活体肺组织内“半自主导航” 同时避开微小气道和血管等重要结构

机器人在活体肺组织内“半自主导航”同时避开微小气道和血管等重要结构半自主医疗机器人肺部的3个阶段。图片来源：KUNTZ等人/北卡罗来纳大学研究人员称，这项技术能够达到机器人支气管镜无法达到的目标。它会多给出额外的几厘米甚至几毫米的距离，这对于追踪肺部的小目标有很大帮助。该机器人由几个独立的组件组成。机械控制组件的原理是利用一种针，针向前和向后提供受控推力，并且针设计允许沿着弯曲路径转向。该针由镍钛合金制成，经过激光蚀刻以增加其灵活性，使其能轻松地穿过组织。当它向前移动时，针上的蚀刻使其能够轻松绕过障碍物。导管等其他附件可与针一起使用来执行肺活检等程序。为了穿过组织，针需要知道它要去哪里。研究团队利用受试者胸腔的CT扫描和人工智能创建了肺部的三维模型，包括气道、血管和选定的目标。使用这个3D模型，一旦针向靶标出发，人工智能驱动软件就会指示它自动从“A点”移动到“B点”，同时避开重要的结构。研究人员称，它类似于自动驾驶汽车，但它可通过肺组织进行导航，在到达目的地时避开重要血管等障碍物。...PC版：https://www.cnbeta.com.tw/articles/soft/1386327.htm手机版：https://m.cnbeta.com.tw/view/1386327.htm

放射科医生与机器的较量：在识别胸部X光片肺部疾病能力上依然超越人工智能

放射科医生与机器的较量：在识别胸部X光片肺部疾病能力上依然超越人工智能北美放射学会（RSNA）期刊《放射学》9月26日发表的一项研究显示，在对2000多张胸部X光片进行的研究中，放射科医生在准确识别三种常见肺部疾病的存在与否方面优于人工智能。放射成像的作用首席研究员、丹麦哥本哈根Herlev和Gentofte医院放射科住院医生兼博士研究员、医学博士LouisL.Plesner说："胸透是一种常见的诊断工具，但要正确解读检查结果需要大量的培训和经验。"虽然市面上已有经FDA批准的人工智能工具来协助放射科医生，但将基于深度学习的人工智能工具用于放射诊断的临床应用仍处于起步阶段。Plesner博士说："虽然越来越多的人工智能工具被批准用于放射科，但在实际临床场景中进一步测试这些工具的需求尚未得到满足。人工智能工具可以协助放射科医生解读胸部X光片，但其实际诊断准确性仍不明确。"(A）71岁男性患者因呼吸困难进展而接受检查的后前位胸部X光片显示双侧纤维化（箭头B）31岁女性患者因咳嗽一个月而转诊接受放射检查的后前位胸部X光片显示右心边界处有细微的气隙不清晰（箭头）。(C)一名78岁男性患者在置入中心静脉导管后转诊的前胸X光片显示右侧皮肤皱褶（箭头）。(D)为排除气胸而转诊的一名78岁男性患者的后前方胸部X光片显示右侧顶部有一个非常细微的气胸（箭头）。(E)一名72岁男性患者的后正位胸部X光片显示肋膈角慢性变圆（箭头），该患者无特殊原因转诊进行放射检查。(F)因怀疑充血和/或肺炎而转诊的76岁女性患者的前胸X光片显示左侧胸腔有非常微小的积液（箭头），所有三种能分析前胸X光片胸腔积液的人工智能工具都漏诊了。资料来源：北美放射学会研究结果Plesner博士和研究小组比较了四种市售人工智能工具和72位放射科医生在2020年对丹麦四家医院两年内连续拍摄的2040张成人胸部X光片进行解读时的表现。患者群体的中位年龄为72岁。在胸部X光片样本中，669张（32.8%）至少有一个目标发现。胸部X光片针对三种常见发现进行了评估：气室疾病（由肺炎或肺水肿等引起的胸部X光片形态）、气胸（肺部塌陷）和胸腔积液（肺部周围积水）。人工智能工具对气道疾病的灵敏度为72%至91%，对气胸的灵敏度为63%至90%，对胸腔积液的灵敏度为62%至95%。他说："在检测胸部X光片上的气腔疾病、气胸和胸腔积液方面，人工智能工具显示出与放射科医生相当的中高灵敏度。然而，与放射科医生相比，它们产生了更多的假阳性结果（在不存在疾病的情况下预测出疾病），而且当出现多个发现和较小的目标时，它们的性能会下降。"预测值比较对于气胸，人工智能系统的阳性预测值--筛查呈阳性的患者真正患病的概率--在56%到86%之间，而放射科医生的预测值为96%。"人工智能在识别气胸疾病方面表现最差，阳性预测值在40%到50%之间，"Plesner博士说。"在这一疑难老年患者样本中，人工智能10次中有5到6次预测出了不存在的气隙疾病。你不可能让一个人工智能系统以这样的速度独立工作"。放射科医生的目标是在发现和排除疾病的能力之间取得平衡，既要避免重大疾病被忽视，又要避免过度诊断。"人工智能系统在发现疾病方面似乎非常出色，但在确定没有疾病方面却不如放射科医生，尤其是在胸部X光片比较复杂的情况下，"他说。"过多的假阳性诊断会导致不必要的成像、辐射暴露和成本增加"。大多数研究通常倾向于评估人工智能确定单一疾病存在与否的能力，这比现实生活中病人往往患有多种疾病的情况要容易得多。在之前许多声称人工智能优于放射科医生的研究中，放射科医生只查看了图像，而无法了解患者的临床病史和之前的成像研究。在日常实践中，放射科医生对成像检查的解释是这三个数据点的综合。研究人员推测，如果下一代人工智能工具也能进行这种综合，其功能可能会变得更加强大，但目前还不存在这样的系统。"我们的研究表明，在病人种类繁多的真实场景中，放射科医生的表现普遍优于人工智能，"他说。"虽然人工智能系统能有效识别正常的胸部X光片，但人工智能不应自主进行诊断。"Plesner博士指出，这些人工智能工具可以通过对胸部X光片进行二次观察，增强放射科医生对其诊断的信心。...PC版：https://www.cnbeta.com.tw/articles/soft/1387257.htm手机版：https://m.cnbeta.com.tw/view/1387257.htm

研究发现，AI分析的3D眼部扫描可以检测出帕金森症的迹象

研究发现，AI分析的3D眼部扫描可以检测出帕金森症的迹象一项新的研究发现，眼科诊所和商业街眼镜店使用的3D眼部扫描可以帮助在临床症状出现前大约7年发现帕金森病的迹象。在医学界，使用眼睛数据来识别健康状况并不新鲜。但近年来，眼健康监测技术和计算能力的进步扩大了诊断的范围。一种被称为光学相干断层扫描(OCT)的3d扫描是这一进展的关键。OCT扫描在不到一分钟的时间内就能产生视网膜(眼睛后部)的横截面，非常详细——精确到千分之一毫米。这种视网膜扫描是观察皮肤表面下细胞层的唯一非侵入性方法。作为研究的一部分，来自伦敦大学学院和伦敦摩尔菲尔德眼科医院的一个研究小组使用人工智能分析了来自两个大型数据库的OCT扫描结果:AlzEye和UKBiobank数据集，分别包括154,830人和67,311人。结果证实了帕金森病患者神经节细胞-内丛状层(GCIPL)变薄的先前发现。数据还显示了内核层(INL)的萎缩。此外，研究人员发现，这两层厚度的减少与疾病的发展有关。投稿：@ZaiHuaBot频道：@TestFlightCN

细胞能量发生器受损可能是Long-COVID的成因

细胞能量发生器受损可能是Long-COVID的成因一项研究发现，SARS-CoV-2会破坏肺部和其他器官中的线粒体基因，而线粒体是细胞的动力源泉。自COVID-19首次大流行以来，研究人员一直在试图弄清为什么与其他冠状病毒相比，SARS-CoV-2会产生如此长期的负面影响。长期COVID是指在感染SARS-CoV-2后，症状会持续数周、数月甚至数年。慢性疼痛、脑迷糊、呼吸急促、胸痛和极度疲劳--所有这些都可能使人衰弱--是常见的长期COVID症状。现在，费城儿童医院（CHOP）和COVID-19国际研究小组（COV-IRT）的研究人员领导的一项研究可能已经提供了一些答案。它与线粒体有关，线粒体是细胞的动力之源。每个细胞都有线粒体，每个线粒体都含有自己的DNA（线粒体DNA或mtDNA）。mtDNA包含37个基因，其中13个与制造能量生产所需的酶有关，其余基因则为制造称为转运RNA（tRNA）和核糖体RNA（rRNA）的分子提供指令。为了分析SARS-CoV-2如何影响线粒体，研究人员结合使用了鼻咽部（鼻子和喉咙）和尸检组织，研究了受影响患者和动物模型的基因表达。该研究的第一作者约瑟夫-瓜尔尼里（JosephGuarnieri）说："人类患者的组织样本让我们得以观察线粒体基因表达在疾病开始和发展结束时受到的影响，而动物模型则让我们得以填补空白，观察基因表达差异随时间推移的进展情况。"他们发现，在尸检组织中，肺部的线粒体基因表达已经恢复，但心脏、肾脏和肝脏的线粒体功能仍然受到抑制。在肺部病毒达到峰值的动物模型中，研究人员发现，尽管大脑中未发现SARS-CoV-2病毒，但小脑中的线粒体基因表达受到抑制。此外，动物模型显示，在感染中期，肺部线粒体功能开始恢复。研究人员说，这些发现表明，虽然SARS-CoV-2感染最初涉及肺部，但随着时间的推移，肺部的线粒体基因表达得到恢复，但其他器官的线粒体基因表达仍然受损。他们还说，这些研究结果支持这样一种假设，即线粒体功能的个体差异可能解释了为什么COVID1-9感染的严重程度因人而异。共同作者道格拉斯-华莱士（DouglasWallace）说："这项研究为我们提供了强有力的证据，表明我们需要停止将COVID-19严格地视为一种上呼吸道疾病，而开始将其视为一种影响多个器官的系统性疾病。我们在肺部以外的器官中观察到的持续功能障碍表明，线粒体功能障碍可能会对这些患者的内脏器官造成长期损害"。这项研究发现了一个潜在的治疗靶点--微RNA2392（miR-2392），研究人员分析的人体组织样本显示，它能调节线粒体功能。该研究的另一位合著者阿夫申-贝赫什蒂（AfshinBeheshti）说："在感染SARS-CoV-2的患者血液中，这种微RNA被上调，这不是我们通常期望看到的。中和这种microRNA可能会阻碍病毒的复制，为有可能出现与该疾病相关的更严重并发症的患者提供了一种额外的治疗选择"。这项研究发表在《科学转化医学》（ScienceTranslationalMedicine）杂志上。...PC版：https://www.cnbeta.com.tw/articles/soft/1376381.htm手机版：https://m.cnbeta.com.tw/view/1376381.htm

研究人员弄清COVID-19奥密克戎亚变异体如何进化以攻破肺部防御系统

研究人员弄清COVID-19奥密克戎亚变异体如何进化以攻破肺部防御系统这项研究提供的证据表明，奥米克龙亚变体可能会以这样一种方式进化，即重新获得有效感染肺部的能力，并在高危患者和免疫力不足的个体中引发严重疾病。研究结果发表在《自然-通讯》（NatureCommunications）杂志上。奥密克戎亚变体：BA.1和BA.2在2022年上半年的COVID-19大流行中，BA.1和BA.2Omicron亚变体占主导地位。与德尔塔变异体和其他变异体相比，这些亚变异体感染肺细胞的能力有所下降。然而，BA.5亚变体在2022年秋季超越了其他Omicron亚变体，其感染效率最初还不清楚。来自德国灵长类动物中心的马库斯-霍夫曼（MarkusHoffmann）和斯特凡-波尔曼（StefanPöhlmann）带领研究小组证明，由于尖峰蛋白发生了突变，BA.5感染肺细胞的效率实际上远高于之前的Omicron亚变体。Omicron亚变体BA.5的尖峰蛋白模型，其中H69Δ/V70Δ突变用红色标出，该突变是造成肺细胞进入增加的部分原因。资料来源：马库斯-霍夫曼（MarkusHoffmann）研究人员发现，BA.5Omicron亚变体的尖峰蛋白的裂解效率高于其前身。此外，BA.5的尖峰蛋白有助于病毒进入肺细胞并提高细胞融合效率。研究小组使用"伪病毒"作为安全模型，研究病毒如何穿透肺细胞。该研究的第一作者马库斯-霍夫曼（MarkusHoffmann）解释说："我们发现BA.5获得了一种突变，这种突变使病毒比以前占优势的Omicron亚变体更有效地穿透肺细胞。因此，Omicron亚变体的不断进化可能会在未来产生高效传播到下呼吸道并可能导致严重疾病的病毒，至少在没有有效免疫保护的患者中是如此。OmicronBA.5特性的改变是由于一个被称为"H69Δ/V70Δ"的关键突变造成的。"感染生物学家MarkusHoffmann博士（左）和德国灵长类动物中心(DPZ)-莱布尼茨灵长类动物研究所感染生物学组组长StefanPöhlmann教授。图片来源：KarinTilch为了验证这些发现，柏林夏里特大学医院病毒学部门的ChristianDrosten团队用真实病毒进行了更多实验。这些试验证实，BA.5株病毒能有效地感染肺细胞，从而证实了哥廷根大学的研究结果。为了确定OmicronBA.5是否也能感染生物体的肺细胞，爱荷华大学的研究人员比较了感染BA.5和感染其他亚变体的小鼠的肺部。他们发现，与早期的Omicron亚变体相比，BA.5在小鼠肺部的复制效率要高出1000倍。最后，德国格赖夫斯瓦尔德-里姆斯岛弗里德里希-洛夫勒研究所在雪貂身上进行的实验表明，BA.5亚变体在上呼吸道中的传播效率比以前的病毒变体更高。德国灵长类动物中心感染生物学组组长斯特凡-波尔曼（StefanPöhlmann）说："总而言之，这表明BA.5亚变体与其他Omicron亚变体类似，具有高度传染性，而且还进化出了高效感染肺细胞的能力，因此，应密切监测Omicron亚变体的进一步进化，以便能够快速识别风险潜力增加的变体。"...PC版：https://www.cnbeta.com.tw/articles/soft/1372117.htm手机版：https://m.cnbeta.com.tw/view/1372117.htm