医学科学技术进展「第23期」1018
自润滑安全套可能有助于提高安全套的使用率研究人员提出了自润滑安全套，一旦与皮肤接触就会变得光滑或润滑。这不仅会提高他们所感受到的安全套使用的乐趣因素，反过来也会提高安全套的使用率，并减少性传播疾病（STD）和意外怀孕的发生率。研究人员说，这种新型安全套可以保持1000多次推力润滑。该研究由比尔和梅林达盖茨基金会资助。
尝试使用这些新型安全套的研究结果发表在最新一期的皇家学会开放科学期刊上。该团队使用橡胶乳胶材料制作避孕套，并在其上涂上一层薄薄的亲水性聚合物混合物。这种聚合物与水分混合变得很滑，这有助于润滑持续更长时间，并且不需要在性交过程中进一步润滑。滑溜溜可以持续超过1000个推力说研究人员和这将在常规安全套上得分。该团队解释说，常规避孕套在大约600次推力后会失去滑溜感。典型的性交持续约100至500个推力。
乳胶表面改性，提供亲水，润滑的薄聚合物涂层。 （a）涂层方案包括在大分子引发剂HEA / BP中聚合物夹带润滑PVP，然后暴露于HEA / BP，PVP和乳胶表面之间的光活化和化学交联。 （b）非涂层和涂层乳胶避孕套的照片。 （c）非涂层和涂层乳胶的扫描电子显微照片;比例尺，1μm。
由波士顿大学Mark Grinstaff教授领导的研究小组解释说，涂有聚合物的避孕套在干燥时感觉粘糊糊，需要液体将其“激活”成一个准备好使用的“光滑”避孕套。格林斯塔夫说：“我们的想法是，我们可以提出技术，避孕套会自我润滑吗？换句话说，在仅存在水分或水或阴道流体的情况下，它基本上会变得很滑。“聚合物混合物可以使用30分钟暴露于紫外线和两种催化剂而施加在避孕套上。格林德斯塔夫解释说，当聚合物与水接触时，它会保持在滑动状态。
他解释说，缺乏润滑，破损风险，不适等是安全套使用率下降的主要原因。在去年的一项调查中，发现安全套使用率不到英国新性伴侣睡觉的人数的一半。这可能在传播性传播疾病方面发挥作用，并导致意外怀孕解释专家。
在这次试验中，该团队包括33名参与者（13名男性）测试常规和这种新型避孕套。结果显示，73％的人将这些涂层避孕套评为普通涂层避孕套。大约43％的“从不使用避孕套”的研究参与者表示，这种类型的安全套会增加安全套的使用率，86％的人表示这种类型的安全套会比普通安全套偏好。
格林斯塔夫在一份声明中说，现实生活中的临床试验将从明年开始，以证明这种安全套的功效，强度和安全性。他说：“下一步将是与合作伙伴一起研究，看看事实上这是否真的转化为更愉快的性生活的实际结果。”他补充说，安全套开发技术的进步发生在大约五十年前。他说，现在是创新这种避孕方法的时候了。
波士顿大学已经为该技术提交了专利申请。
来源: royalsocietypublishing
使用奥林巴斯深度学习技术开发的AI病理诊断工具
自2017年以来，奥林巴斯公司参与了一项联合研究计划，该计划有可能帮助简化临床病理学家的工作量，称为“利用人工智能（AI）开展胃活检标本计算机辅助诊断的新方法”。 Kiyomi Taniyama，Kure医疗中心和中国癌症中心主席。这项研究将Taniyama博士的胃病系统和数字病理学病理诊断的知识和经验与奥林巴斯的成像系统技术和人工智能开发的熟练程度相结合。奥林巴斯凭借其在显微镜领域的领先市场份额，继续开发基于其专有深度学习技术的使用AI进行病理诊断的CAD解决方案。
奥林巴斯在2015年至2018年间在Kure医疗中心和中国癌症中心使用胃活检标本进行诊断，以开发深度学习技术，该技术由多分辨率卷积神经网络2（CNN）组成。深度学习技术的独特CNN由奥林巴斯开发，旨在分析病理样本图像的特征。使用CNN，深度学习技术用于识别图像上ADC组织的区域。基于该结果，图像被分类为腺癌（ADC）和非腺癌（NADC）。该研究涉及两个阶段：AI使用数字病理图像和相关信息学习CNN模型的学习阶段，以及AI使用其学习的模型对ADC图像和NADC图像进行分类的预测阶段。
AI算法使用368个整个幻灯片病理学图像进行学习，并使用786个样本图像（ADC的297个和NADC的489个）进行分类阈值调整（表1）。
表1：当设定阈值以评估所有297个ADC样品为阳性（100％灵敏度）时，489个NADC样品中的225个被评估为阴性。这代表100％的敏感性（297中297个）和46％的特异性（489个中的225个）。
确定检测所有ADC的分类阈值与NADC达到46％的特异性。有140个新病例（67个ADC和73个NADC），该算法和阈值达到100％灵敏度和50.7％特异性作为最终评估（表2）。
表2：对140个新样品图像（67个ADC样品和73个NADC样品）进行最终评估。结果，所有67个ADC样本被评估为阳性，73个NADC样本中的37个被评估为阴性。这代表100％的敏感性（67个中的67个）和50.7％的特异性（73个中的37个）。
使用具有低假阴性率6的AI的CAD软件可以帮助病理学家检测阳性样本。该软件有可能消除病理学家工作量的重复工作，并通过筛选阴性样本并帮助预防阳性样本，进一步提高胃活组织检查病理诊断的准确性（其中，日本每年进行400多万次检测）从被忽视。
来源: Olympus-Global
页:
[1]