本病例报告描述了一名 35 岁女性患有慢性肠道相关皮肤病-关节炎综合征并伴有左主支气管狭窄的喉部水肿。水肿是由于延迟治疗和插管相关刺激而加剧的持续咳嗽所致。评估排除了炎症、自身免疫和恶性原因。文献缺乏对咳嗽引起的喉部水肿的具体描述，强调需要对复杂病例采取多学科方法和早期干预，以防止已知病情严重和症状恶化的患者严重住院。发表于开放获取 CC-BY-NC-BD 4.0。 https://creativecommons.org/licenses/by-nc-nd/4.0/。

通常认为 Hippo 途径通过磷酸化转录辅助因子 YAP 将其隔离在细胞质中并减少 YAP-TEAD 转录复合物的形成来抑制肿瘤生长。 YAP 的异常激活发生在多种癌症中。然而，我们发现 YAP 在透明细胞肾细胞癌 (ccRCC) 中具有肿瘤抑制功能。使用细胞培养物、异种移植物和患者来源的外植体模型，我们发现上游 Hippo 通路激酶 MST1 和 MST2 的抑制或组成型活性 YAP 突变体的表达会阻碍 ccRCC 增殖并减少转录因子 NF-κB 介导的基因表达。从机制上讲，NF-κB 亚基 p65 与转录辅助因子 TEAD 结合，促进 NF-κB 靶基因表达，从而促进细胞增殖。然而，通过竞争 TEAD，YAP 破坏了其与 NF-κB 的相互作用，并促使 p65 从靶基因启动子上解离，从而抑制 NF-κB 转录程序。 ccRCC 中 Hippo 和 NF-κB 通路之间的这种串扰表明，以非典型方式（即通过激活 YAP）靶向 Hippo-YAP 轴可能是减缓患者肿瘤生长的策略。

基于磁共振成像 (MRI) 的深度神经网络 (DNN) 已被广泛开发用于执行前列腺癌 (PCa) 分类。然而，在现实世界的临床情况中，前列腺 MRI 很容易受到直肠伪影的影响，已发现这会导致不正确的 PCa 分类。现有的基于DNN的方法通常没有考虑直肠伪影对PCa分类的干扰，也没有设计具体的策略来解决这个问题。在本研究中，我们提出了一种新颖的利用专有对抗样本（TPAS）策略进行针对性对抗训练，以保护 PCa 分类模型免受直肠伪影的影响。具体来说，基于临床先验知识，我们生成了具有直肠伪影模式对抗噪声的专有对抗样本，这可能会严重误导通过普通训练策略优化的 PCa 分类模型。然后，我们共同利用生成的专有对抗样本和原始样本来训练模型。为了证明我们策略的有效性，我们对多个 PCa 分类模型进行了分析实验。与普通训练策略相比，TPAS可以有效提高患者、切片和病灶级别的单参数和多参数PCa分类，并为最新的先进模型带来实质性收益。总之，TPAS 策略可以被认为是减轻直肠伪影对 PCa 分类深度学习模型影响的一种有价值的方法。

对论文《基于多视图特征转换的支持向量机用于超声图像肝癌计算机辅助诊断》提出了更正。

基于计算模型的协同药物组合预测任务已在癌症领域得到广泛研究和应用。然而，大多数模型只考虑药物对和特定细胞系之间的相互作用，而没有考虑药物-药物和细胞系-细胞系的多重生物学关系，这些生物学关系也在很大程度上影响协同机制。为此，我们在这里提出了一种多模态深度学习框架，称为MDNNSyn，它充分应用多源信息并训练多模态特征来推断潜在的协同药物组合。 MDNNSyn通过在药物协同超图上实现多层超图神经网络来提取拓扑模态特征，并通过相似性策略构造语义模态特征。然后采用具有门控神经网络的多模态融合网络层进行协同分数预测。 MDNNSyn 与 DrugCombDB 和 Oncology-Screen 数据集上的五种经典且最先进的预测方法进行了比较。该模型在两个数据集上的曲线下面积 (AUC) 得分分别为 0.8682 和 0.9013，比第二好的模型提高了 3.70% 和 2.71%。案例研究表明 MNNNSyn 能够检测潜在的协同药物组合。

结肠镜图像中结直肠息肉的准确分割对于结直肠癌（CRC）的有效诊断和治疗至关重要。然而，当前基于深度学习的方法主要依赖于跨多个尺度的RGB信息融合，由于RGB域信息有限以及多尺度聚合过程中特征错位的挑战，导致准确识别息肉受到限制。为了解决这些限制，我们提出了带有分流变压器的息肉分割网络（PSTNet），这是一种集成图像中存在的 RGB 和频域线索的新颖方法。 PSTNet 包含三个关键模块：用于提取频率线索和捕获息肉特征的频率表征注意模块（FCAM）、用于对齐语义信息和减少未对齐噪声的特征补充对齐模块（FSAM）以及用于将频率线索与高级语义相结合以实现有效的息肉分割。对具有挑战性的数据集进行的大量实验表明，PSTNet 在各种指标上的息肉分割准确性方面都有显着提高，始终优于最先进的方法。频域线索的集成和 PSTNet 的新颖架构设计有助于推进计算机辅助息肉分割，促进更准确的 CRC 诊断和管理。我们的源代码可供参考：https://github.com/clearxu/PSTNet。

近年来，数据驱动的远程医疗管理受到广泛关注，特别是在生存时间预测方面的应用。通过监测患者的身体特征指标，可以部署智能算法，实现高效的医疗管理。然而，这种纯粹的医疗数据驱动的场景通常缺乏多媒体信息，这给分析任务带来了挑战。针对这一问题，本文引入集成深度学习的思想来增强特征表示能力，从而增强远程医疗管理中的知识发现。因此，本文提出一种基于多视图深度学习的用于生存时间预测的高效医疗数据管理框架，简称“MDL-MDM”。首先对患者身体指标的基础监测数据进行编码，作为预测任务的数据基础。然后，选择卷积神经网络、图注意力网络和图卷积网络三种不同的神经网络模型构建混合计算框架。它们的结合可以带来多视图特征学习框架，以实现高效的医疗数据管理框架。此外，还对美国癌症患者的真实医学数据集进行了实验。结果表明，该提案可以预测生存时间，预测误差减少 1% 至 2%。

背景格林-巴利综合征（GBS）是一种罕见的免疫介导的周围神经疾病。在非感染因素中，手术已被确定为该疾病的潜在触发因素。本报告介绍了一名 74 岁男性的病例，他在接受肺腺癌右下肺叶切除术后 15 天后患上 GBS。病例报告 我们介绍了一名前吸烟者因局限性肺腺癌接受单孔视频辅助 (U-VATS) 右下肺叶切除术的病例。手术后十五天，他表现出双侧下肢无力、广泛的感觉异常和姿势不稳定。综合诊断检查，包括临床评估、血清学测试、脑脊液 (CSF) 分析和神经传导研究 (NCS)，证实了诊断。值得注意的是，CSF 分析显示白蛋白细胞学解离，白蛋白 453.2 mg/L、蛋白质 757 mg/L、葡萄糖 67 mg/dl、3 个白细胞 (WBC)/uL 和多形核 (PMN) 33%。 NCS 表现出运动和感觉异常。每天立即静脉注射免疫球蛋白 (IVIG) 2 g/kg，持续 5 天，可在 3 个月内完全康复。结论 该病例强调了及时识别和治疗 GBS 作为术后并发症的重要性。神经学检查、神经影像学和电生理学研究对于准确诊断至关重要。 IVIG 治疗仍然是 GBS 治疗的基石，在该病例中观察到了良好的结果。提高临床医生对手术与 GBS 之间潜在关联的认识对于预防更严重的并发症和确保最佳的患者管理至关重要。进一步的研究对于确定肺部手术后 GBS 的精确发病机制和机制至关重要。

抑制卵巢功能和抑制芳香酶（AI）可以增加患有雌激素受体（ER）阳性早期乳腺癌的绝经前女性的无病生存率，但会加速骨质流失。因此，我们假设使用地诺塞麦 (DMAB) 抑制骨重塑可以预防这些女性的骨质流失。 在一项为期 12 个月的双盲随机试验中，68 名患有 ER 阳性早期乳腺癌且开始卵巢功能抑制和 AI 的女性被随机分组分配至每 6 个月一次（第 0 个月和第 6 个月）接受 60 mg DMAB (n = 34) 或安慰剂 (PBO；n = 34)。使用高分辨率外周定量计算机断层扫描测量胫骨远端和桡骨远端的体积骨矿物质密度 (BMD)、微结构和估计骨强度，并使用双能 X 射线吸收法在 0、0 时测量脊柱和髋部 BMD。 6个月和12个月。主要终点和治疗效果是 12 个月内远端胫骨总体积 BMD 的组间差异调整平均值 (MAD；[95% CI])，在所有时间点测试单一 P 值。该研究已在澳大利亚新西兰临床试验注册中心（anzctr.org.au；标识符：ACTRN12616001051437）注册。意向治疗分析包括所有 68 名随机分配的女性。在 12 个月内，与 PBO 相比，DMAB 阻止了远端胫骨总 BMD（MAD，20.8 mg HA/cm3 [95% CI，17.3 至 24.2]）、皮质 BMD（42.9 mg HA/cm3 [95% CI，32.1]）的下降。至 53.9]）、小梁 BMD（3.32 mg HA/cm3 [95% CI，1.45 至 5.20]，P = 0.004）、估计刚度（11.6 kN/m [95% CI，7.6 至 15.6]）和失效载荷（563 N [95% CI，388 至 736]）。桡骨远端的结果相似。腰椎 BMD 下降（MAD，0.13 g/cm2 [95% CI，0.11 至 0.15]）、全髋关节（0.08 g/cm2 [95% CI，0.07 至 0.09]）和股骨颈（0.06 g/cm2） [95% CI，0.05 至 0.07]）也得到了预防，除非另有说明，所有 P < .001。在雌二醇抑制治疗开始时使用 DMAB 治疗可以保留 BMD、骨微结构和估计强度，并且可能会增加无骨折。生存。

Capivasertib 是一种有效的 AKT 选择性抑制剂。最近 FDA 批准它与氟维司群联合治疗具有激活 PI3K 通路的某些基因改变的 HR 、HER2 阴性乳腺癌。在 I 期试验中，经过大量预先治疗的肿瘤患者选择激活 PI3K 通路突变，接受 capivasertib 单药治疗，表现出客观缓解率 <30%。我们研究了基因预选患者和癌细胞系中与 capivasertib 反应相关的蛋白质组谱。我们分析了 I 期试验中在 capivasertib 单药治疗之前收集的 16 例 PIK3CA 突变患者肿瘤的样本。使用免疫 MALDI-MS 精确定量 PI3K 通路蛋白。还获得了整体蛋白质组图谱。根据对 capivasertib 单药治疗的反应对患者进行分类：“临床获益 (CB)”（≥12 周无进展，n=7）或“无临床获益 (NCB)”（<12 周内进展，n=9）。随后在具有不同 capivasertib 敏感性的 AKT1 或 PIK3CA 改变的乳腺癌细胞系中对患者组之间存在差异的蛋白质进行定量。 PIK3CA 突变肿瘤中 AKT1 和 AKT2 的测量浓度有所不同，但 CB 组和 NCB 组之间没有差异。然而，对全球蛋白质组数据的分析表明，NCB 组肿瘤的翻译活性高于 CB 组。当通过经过验证的 LC-MRM-MS 测定进行可重复定量时，相同的目标蛋白在 capivasertib 敏感细胞系和耐药细胞系之间具有相似的区别。结果进一步证明 mTORC1 驱动的翻译功能增强是对 capivasertib 单一疗法产生耐药性的机制。蛋白质浓度可能为 capivasertib 的患者选择提供额外的见解，甚至在基因预先选择的患者中也是如此。