新的自动化模型识别乳房X线照片中的致密乳房组织
来自麻省理工学院和麻省总医院的研究人员开发了一种自动化模型，可以评估乳房X线照片中的致密乳房组织 - 这是乳腺癌的独立危险因素 - 与专家放射科医生一样可靠。
据研究人员称，这标志着这类深度学习模型首次成功应用于真实患者的诊所。通过广泛实施，研究人员希望该模型可以帮助提高全国乳腺密度评估的可靠性。
据估计，超过40％的美国女性患有致密的乳腺组织，仅此一项就会增加患乳腺癌的风险。此外，致密组织可以掩盖乳房X线照片上的癌症，使筛查更加困难。因此，美国30个州规定，如果乳房X光检查显示乳房密集，必须通知女性。
但乳房密度评估依赖于主观的人体评估。由于许多因素，放射科医师的结果有所不同 - 有时是显著的。麻省理工学院和MGH研究人员根据专家评估，对成千上万的高质量数字乳房X线照片进行了深度学习模型，以学习区分不同类型的乳房组织，从脂肪到极度密集。给定一个新的乳房X线照片，该模型可以识别密度测量值，与专家意见密切配合。
“乳房密度是一个独立的风险因素，推动我们如何与女性沟通他们的癌症风险。我们的动机是创建一个准确和一致的工具，可以在医疗保健系统中共享和使用，”第二作者Adam Yala说，麻省理工学院计算机科学与人工智能实验室（CSAIL）的博士生。
其他共同作者是第一作者，哈佛医学院放射学教授，MGH乳房成像主任Constance Lehman;高级作者Regina Barzilay，CSAIL的Delta Electronics教授和麻省理工学院的电子工程和计算机科学系。
映射密度
该模型建立在卷积神经网络（CNN）上，该网络也用于计算机视觉任务。研究人员对来自2009年至2011年期间筛查的39,000多名女性的58,000多个随机选择的乳房X线照片的数据集进行了训练和测试。他们使用了大约41,000个乳房X线照片，并进行了大约8,600个乳房X光检查。
数据集中的每个乳房X线照片都具有标准的乳房成像报告和数据系统（BI-RADS）乳房密度评级，分为四类：脂肪，散在（散在密度），异质（大多数密集）和密集。在训练和测试乳房X线照片中，大约40％被评估为异质和密集。
在训练过程中，给模型随机乳房X线照片进行分析。它学会将乳房X线照片与专家放射科医师密度等级进行映射。例如，致密的乳房含有腺体和纤维结缔组织，它们看起来像粗白线和坚实的白色斑块的紧密网络。脂肪组织网络显得更薄，整个灰色区域。在测试中，模型观察新的乳房X线照片并预测最可能的密度类别。
匹配评估
该模型在MGH的乳房成像部门实施。在传统的工作流程中，当拍摄乳房X线照片时，将其发送到工作站供放射科医师评估。研究人员的模型安装在一台单独的机器上，该机器在扫描到达放射科医师之前拦截扫描，并为每个乳房X线照片分配密度等级。当放射科医师在他们的工作站上进行扫描时，他们会看到模型的指定等级，然后他们接受或拒绝。
“每张图片只需不到一秒钟...... [并且可以]在整个医院中轻松便宜地扩展。”亚拉说。
在今年1月至5月的MGH超过10,000张乳房X线照片上，该模型在医院的放射科医生中进行了二元测试达成了94％的协议 - 确定乳房是异质和密集，还是脂肪和散在。在所有四个BI-RADS类别中，它与放射科医师的评估相匹配，达到90％。 “MGH是一个顶级乳房成像中心，具有很高的放射科医师协议，这个高质量的数据集使我们能够开发出强大的模型，”Yala说。
在使用原始数据集的一般测试中，该模型在四个BI-RADS类别中与77％的原始人类专家解释相匹配，并且在二进制测试中，将解释与87％相匹配。
与传统的预测模型相比，研究人员使用了一种称为kappa分数的度量标准，其中1表示预测每次都一致，而任何更低的预测都表示协议实例更少。市售自动密度评估模型的Kappa评分最高约为0.6。在临床应用中，研究人员的模型得分为0.85 kappa评分，在测试中得分为0.67。这意味着该模型比传统模型做出更好的预测。
在另一项实验中，研究人员用来自500名随机测试乳房X线照片的5名MGH放射科医师的共识测试了该模型的一致性。放射科医师将乳房密度分配到乳房X线照片，而不知道原始评估，或他们的同伴或模型的评估。在该实验中，该模型与放射科医师达成一致，达到0.78的kappa评分。
接下来，研究人员的目标是将模型扩展到其他医院。 “基于这种转化经验，我们将探索如何将麻省理工学院开发的机器学习算法转变为使数百万患者受益的诊所，”Barzilay说。 “这是麻省理工学院新中心的一个章程 - 麻省理工学院健康机器学习的Abdul Latif Jameel诊所 - 最近推出。我们很高兴这个中心开辟了新的机会。”
来源: news
新方法仅使用一滴血来监测肺癌治疗的效果
大阪大学的研究人员发现，监测肺癌治疗效果的新方法可能有助于指导治疗选择
Tasuku Honjo博士因发现免疫T细胞蛋白PD-1而获得2018年诺贝尔生理学或医学奖。这一发现导致了一系列称为检查点抑制剂的抗癌药物，其中第一种是nivolumab（Opdivo）。
Nivolumab帮助T细胞对抗肿瘤，然而，不同的患者以不同的方式作出反应。现在看来，用简单和新颖的方法监测nivolumab对关键免疫细胞的影响可能有助于指导优化治疗的决策。
Shohei Koyama博士和大阪大学的一组研究人员设计了一种测试nivolumab在体内影响的简单方法。该方法测量nivolumab在治疗后数周内如何与T细胞上的PD-1结合，并且可以提供更有效地监测治疗所需的信息。他们最近在JCI Insight上发表了他们的研究结果。
研究人员分析了肺癌患者血液和肺液的微小样本。他们测量了与T细胞结合的nivolumab的量，并且他们还仅分离了由nivolumab结合的那些T细胞以全面分析细胞活化。
研究人员发现，nivolumab对T细胞的作用通常在给药后相当长的时间内持续存在于患者体内。
“我们的简化方法在现实世界的患者中是可行的，并且证明即使在患者停止治疗后，nivolumab也能够将T细胞结合20周以上，”该研究的共同作者Atsushi Kumanogoh说。 “此外，nivolumab停止结合T细胞的血浆浓度和结合T细胞的百分比因患者而异。”
他们的发现也证实了T细胞结合水平并不表明该药物的功能效果。需要进一步测量T细胞增殖。
“我们的研究结果表明，对于任何给定的患者，我们需要的信息比药物的血液水平更多，”主要作者Akio Osa说。 “现在很明显，我们需要测量与T细胞结合的nivolumab的量和T细胞增殖的程度以做出治疗决定。我们的方法只需一滴血即可实现。”
两位研究参与者的结果说明了测量增殖和T细胞结合的重要性。当增殖低时，第一位患者没有反应。相反，当增殖较高时，第二名患者未显示肿瘤生长。
“我们的监测nivolumab结合和T细胞增殖状态的组合策略，是一种更好的方法来确定这种药物的效果，而不是单独监测nivolumab的血液水平，”共同作者Takeshi Uenami说。
总体而言，理解患者nivolumab随时间持续存在的效果可能有助于预防治疗相关的副作用并指导其他疗法的选择。
来源: resou
研究人员提出皮肤硬度作为生理信号来估计人体热状态
在相同的温度和湿度下，人体热状态可能因个人体质和气候环境而变化。 KAIST研究团队之前开发了一种可穿戴式汗液速率传感器，用于人体热舒适监测。进一步发展，这次他们提出皮肤硬度作为额外的，独立的生理信号，以更准确地估计人体热状态。这种新颖的方法可以应用于开发包含人机交互的系统，这需要关于人体热状态的准确信息。
Young-Ho Cho教授和他的生物与脑工程系团队之前曾研究过皮肤温度和出汗率，以确定人体的热舒适度，并开发了一种手表式出汗率传感器，可以准确，稳定地检测出去年2月的热舒适度（标题） ：用于人体热舒适监测的可穿戴式汗液速率传感器）。
然而，皮肤温度和出汗率仍然不足以估计确切的人体热舒适度。因此，需要额外的指标来提高估计的准确性和可靠性以及团队选择的皮肤硬度。当人们感到炎热或寒冷时，与毛囊相连的竖脊肌收缩和扩张，皮肤硬度来自肌肉的收缩和放松。基于皮肤硬度变化的现象，该团队提出皮肤硬度作为测量人体热感的新指标。
利用这个新的估计模型，使用三个生理标志来估计人体热状态，该团队进行了人体实验，并验证了皮肤硬度是有效的，独立于两个传统的生理体征。将皮肤硬度增加到传统模型可以将误差减少23.5％，这使得其估计更可靠。
该团队将开发一种能够检测皮肤硬度的传感器，并将其应用于认知空调和加热系统，与现有系统相比，可以更好地与人类进行交互。
Cho教授说：“引入这个新的指标，皮肤硬度，提高测量人体热舒适度的可靠性，无论个人体质和气候环境如何。基于这种方法，我们可以开发一个个性化的空调和加热系统，将允许情感互动 通过分享身心健康状况和情绪，在人与机器之间。“
来源: kaist
新的成像工具有助于可视化声音引起的振动如何通过耳朵传播
研究人员开发了一种新设备，可用于显示声音引起的振动如何通过耳朵传播。该技术为耳朵如何接收和处理声波提供了新的见解，并且通过额外的开发，医生有一天可能会使用它来诊断影响听力的疾病。
新的成像工具基于光学相干断层扫描（OCT），一种生物医学成像技术，可以提供组织微结构的高分辨率图像。它可用于通过完整的鼓膜对中耳进行成像，并测量耳朵内有助于提高声音感觉的微小振动。中耳小骨是人体中最小的骨头，它形成一条链条，将耳膜接收的声波转换成内耳可以检测到的机械振动。
在光学学会（OSA）期刊“生物医学光学快报”中，研究人员描述了他们如何使用他们称之为OCT振动的工具来发现关于栗鼠尸体中的小脑如何响应高频声音的新发现。灰鼠通常用于听力研究，因为它的耳朵在大小和对不同声音频率的敏感性方面类似于人类的耳朵。
看着耳边听到
研究组组长Seok-说：“有多种关于高频声音如何传导到内耳的理论，能够观察听骨链大部分的声音驱动运动将有助于我们了解实际发生的情况。”群总医院Wellman光学医学中心的Hyun Yun。
随着更多的发展，新技术也可以进入诊所。尽管存在用于识别人耳中声音传导问题的存在的方法，但是诊断确切的问题和位置需要通过手术移动鼓膜来观察中耳。
“如果我们的方法在临床上被接受，它将允许临床医生区分不同的中耳问题并计划治疗策略，之前或者代之以进行手术以观察该区域，”马萨诸塞州眼耳的John Rosowski说道，该项目的负责人。
测量声音振动
为了测量中耳声音引起的振动，研究人员将OCT测量系统与来自高保真扬声器的声音同步。当扬声器发出的声音推动鼓膜时，骨头开始移动并用OCT成像。研究人员开发了算法，从OCT图像中提取振动的精确测量值。
先前对通过中耳传播的声音振动的研究通常测量骨骼上的各个位置的运动或来自不超过30个单独位置的集合的运动。 OCT提供的高分辨率成像和高灵敏度振动测量的独特组合使研究人员能够同时测量听骨表面和耳膜上超过10,000个点的结构和运动。
研究人员通过测量栗鼠尸体的声音驱动的鼓膜和听骨运动，展示了新型OCT振动系统的功能。他们在高频下观察到一种先前未知的听骨运动模式，这与描述高频声音如何传播到内耳的一些理论是一致的。
“我们在高频下演示了一种独特的听骨运动模式，已经引出了骨骼如何将声音传导到内耳的新思路，”威尔曼中心的Antoine Ramier论文的第一作者说。 “这些信息可能有助于确定外科医生重建患病耳朵的新方法。”
走向诊断疾病
研究人员使用尸体的一个原因是需要将近60秒才能获得测量值，在此期间，活动物的呼吸和心跳可能会导致运动测量中出现伪影。研究小组在加拿大达尔豪斯大学的同事们正在探索从3到5点采取的运动测量结果，以及对整个耳膜和中耳的解剖学OCT扫描，可以提供足够的信息来诊断生物体内的耳病。
研究人员计划使用他们的仪器研究人类尸体的耳朵，以确定他们在南美栗鼠中发现的新的听骨运动模式是否也发生在人类身上。未来的研究还将进一步研究这种新工具如何应用于特定的临床应用，如诊断特定疾病或听力问题。
来源: osa |
