脊髓损伤 (SCI) 是一种毁灭性的疾病，全球每年有 250,000 至 500,000 例新病例。呼吸道感染，例如肺炎和流感是 SCI 后死亡的主要原因。不幸的是，人们对神经免疫通讯的改变如何影响个体的感染结果知之甚少。在人类和啮齿类动物中，SCI 会导致脊髓交感反射 (SSR) 回路发生适应不良变化，而这对于交感神经功能至关重要。免疫功能受损的原因可能与有害的神经炎症有关，这种炎症不利于神经元的稳态功能、异常的可塑性和过度兴奋的回路。可溶性肿瘤坏死因子 (sTNF) 是一种促炎细胞因子，SCI 后中枢神经系统中的浓度升高，并在损伤后数月内保持升高状态。通过药理学减弱 SCI 后中枢神经系统中的 sTNF，我们能够证明免疫功能得到改善。此外，当我们研究可能参与神经免疫通讯改变的特定细胞群时，我们发现兴奋性 IN 上过度的 TNFR1 活性会促进免疫功能障碍。此外，这一观察结果在 VGluT2 IN 中依赖于 NF-kβ。我们的数据是中枢神经系统内靶点 TNFR1 的第一份报告，该靶点在 T9-SCI 后导致 SCI 诱导的免疫功能障碍，是未来治疗的潜在途径。版权所有 © 2024 Elsevier Inc. 保留所有权利。

评估 18F-FDG PET/CT 在评估可切除 NSCLC 患者对新辅助免疫化疗的反应方面的潜在效用，以及筛选可能受益于新辅助免疫化疗的患者的能力。 对 51 名可切除 NSCLC（IA-IIIB 期）患者进行了分析，谁接受了两到三个周期的新辅助免疫化疗。18F-FDG PET/CT在基线（扫描1）和根治性切除术之前（扫描2）进行。计算SULmax、SULpeak、MTV、TLG、T/N比、ΔSULmax%、ΔSULpeak%、ΔMTV%、ΔTLG%、ΔT/N比%。 18F-FDG PET/CT 反应使用 PERCIST 进行分类。然后比较RECIST 1.1和PERCIST的疗效评估标准。以原发病灶的手术病理为金标准，分析~(18)F-FDG PET/CT代谢参数与主要病理缓解(MPR)的相关性。将所有代谢参数与治疗反应进行比较，并与 PFS 和 OS 相关。在总共 51 名患者中，25 名（49%，25/51）患者在新辅助治疗后实现了 MPR。 Scan-1的代谢参数与MPR不相关。病理消退程度与scan-2的SULmax、SULpeak、MTV、TLG、T/N比值呈负相关，且ΔSULmax%、ΔSULpeak%的百分比变化，新辅助治疗后ΔMTV%、ΔTLG%、ΔT/N比%（p < 0.05）。根据 PERCIST，36 名患者（70.6%，36/51）显示 PMR，12 名患者（23.5%，12/51）患有稳定代谢性疾病（SMD），3 名患者（5.9%，3/51）患有进行性代谢性疾病（PMD）。 ROC表明scan-2所有代谢参数和代谢参数变化百分比均具有预测MPR和非MPR的能力，scan-2的SULmax和T/N比具有最佳区分能力。RECIST 1.1和PERCIST的准确性标准无统计学意义（p = 0.91）。在单变量分析中，ΔMTV% 与 PFS 的相关性最高。 18F-FDG PET/CT 的代谢反应可以预测可切除 NSCLC 中新辅助免疫化疗的 MPR。 ΔMTV% 与 PFS 显着相关。© 2024。作者。

旨在探讨基于多参数 MRI 的放射组学对于术前预测软组织肉瘤 (STS) 肺转移的价值。总共 122 名临床病理学确诊的 STS 患者接受了治疗前 T1 加权对比增强 (T1-CE) 和2017 年 7 月至 2021 年 3 月期间登记了 T2 加权脂肪抑制 (T2FS) MRI 扫描。通过计算和选择两个序列的放射组学特征来建立放射组学特征。通过统计分析评估临床独立预测因素。放射组学列线图是通过多变量逻辑回归根据边缘和放射组学特征构建的。最后，该研究使用受试者工作特征（ROC）和校准曲线来评估放射组学模型的性能。进行决策曲线分析（DCA）来评估模型的临床实用性。边缘被认为是独立的预测因子（p<<0.05）。总共选择了 4 个 MRI 特征并用于开发放射组学特征。通过合并边缘和放射组学特征，开发的列线图在训练（AUC，边缘与放射组学特征与列线图，0.609 vs. 0.909 vs. 0.910）和验证（AUC，边缘与放射组学特征与列线图，AUC，边缘与放射组学特征与列线图，0.666 vs. 0.841 vs. 0.894) 队列。 DCA 表明了列线图模型的潜在用途。这项可行性研究评估了多参数 MRI 对肺转移预测的预测价值，并提出了列线图模型，以潜在促进 STS 的个体化治疗决策。© 2024。作者（ s）。

本研究调查了乳腺磁共振成像 (MRI) 放射组学对预测腋窝淋巴结转移 (ALNM) 的临床价值，并比较了不同 MRI 序列组合的判别能力。 本研究纳入了来自两个中心的 141 名诊断为浸润性乳腺癌的患者（中心1：n = 101，中心2：n = 40）。来自中心 1 的患者被随机分为训练集和测试集 1。来自中心 2 的患者被分配到测试集 2。所有参与者均接受了术前 MRI，并获得了四个不同的 MRI 序列。在动态对比增强（DCE）后对比2期序列上描绘乳腺肿瘤的感兴趣体积（VOI），并在需要时调整其他序列的VOI。随后，使用开源包从 VOI 中提取放射组学特征。单序列和多序列放射组学模型都是在训练集中使用逻辑回归方法构建的。计算测试集 1 和测试集 2 的放射组学模型的受试者工作特征曲线下面积 (AUC)、准确性、灵敏度、特异性和精密度。最后，将每个模型的诊断性能与初级和高级放射科医生的诊断水平进行比较。来自DCE对比后第1阶段的单序列ALNM分类器在测试集1（AUC = 0.891）和测试集2中均具有最佳性能（AUC = 0.619）。测试集 1 (AUC = 0.910) 和测试集 2 (AUC = 0.717) 的性能最佳的多序列 ALNM 分类器是从 DCE 对比后第 1 期、T2 加权成像和扩散加权成像单序列 ALNM 分类器生成的。两者的诊断水平均高于初级和高级放射科医生。 DCE 对比后 1 期、T2 加权成像和扩散加权成像放射组学特征的组合在预测乳腺癌 ALNM 方面具有最佳性能。我们的研究为乳腺癌患者的 ALNM 预测提供了一种性能良好的非侵入性工具。© 2024。作者。

我们的目的是开发和外部验证基于 CT 的深度学习放射组学模型，用于预测透明细胞肾细胞癌 (ccRCC) 患者的总生存期 (OS)，并研究放射组学与肿瘤异质性和微环境的关联。临床病理数据和对比-收集了来自三个机构的 512 名 ccRCC 患者的增强 CT 图像。从 3D 感兴趣区域中总共提取了 3566 个深度学习放射组学特征。我们生成了深度学习放射组学评分 (DLRS)，并使用 TCIA 的外部队列验证了该评分。根据 DLRS 将患者分为高分组和低分组。相应TCGA队列的测序数据用于揭示不同放射组学评分组之间肿瘤异质性和微环境的差异。更重要的是，使用单变量和多变量Cox回归来识别术后OS不良的独立危险因素。通过结合 DLRS 和临床病理学特征开发了一个组合模型。 SHapley Additive exPlanation 方法用于解释预测结果。在多变量 Cox 回归分析中，DLRS 被确定为 OS 不良的独立危险因素。研究了不同放射组学评分组的基因组景观。两组之间肿瘤细胞和肿瘤微环境的异质性存在显着差异。在测试队列中，组合模型具有出色的预测性能，1年、3年和5年OS的AUC（95%CI）分别为0.879（0.868-0.931）、0.854（0.819-0.899）和0.831（0.813-0.868） ）， 分别。通过组合模型分层的不同组之间的生存时间存在显着差异。该模型显示出良好的区分度和校准能力，优于现有的预后模型（所有 p 值 < 0.05）。组合模型可以通过结合 DLRS 和显着的临床病理特征来预测 ccRCC 患者的预后。放射组学特征可以反映肿瘤异质性和微环境。© 2024。作者。

多模态成像作为一种创新方法展开，它同时或顺序协同地采用一系列成像技术。计算机断层扫描 (CT)、磁共振成像 (MRI)、单光子发射计算机断层扫描 (SPECT)、正电子发射断层扫描 (PET) 和光学成像 (OI) 的集成可实现对复杂生物过程的全面和互补的理解。这种创新方法结合了每种方法的优点并克服了它们各自的局限性。通过和谐地混合这些模式的数据，它可以显着提高癌症诊断的准确性并有助于治疗决策过程。纳米颗粒具有利用放射性同位素和多种造影剂进行轻松功能化的巨大潜力。这种策略性修改有助于增强信号放大、显着增强图像灵敏度并提高对比度指数。这种定制的纳米颗粒结构为临床前和临床环境中的成像模式的发展提供了一条有前途的途径。此外，纳米颗粒充当成像剂和治疗有效负载共定位的统一纳米平台，从而优化癌症管理策略的效率。因此，放射性标记纳米粒子在推动多模态成像和治疗诊断应用领域表现出巨大的潜力。本综述讨论了分子成像在癌症诊断中的潜在应用、基于纳米技术的放射性标记材料在多模态成像和治疗诊断应用中的利用，以及该领域的最新进展。它还强调了挑战，包括细胞毒性和监管合规性、纳米放射性药物在多模式成像和治疗诊断应用中有效临床转化的基本考虑因素。© 2024。作者。

肺癌 (LC) 是癌症相关死亡的主要原因，免疫疗法 (IO) 在治疗晚期 LC 方面已显示出前景。然而，识别可能受益于 IO 的患者并监测治疗反应仍然具有挑战性。本研究旨在根据临床特征和先进影像生物标志物开发 IO LC 患者无进展生存期 (PFS) 的预测模型。对 206 名接受 IO 治疗的 LC 患者进行回顾性分析。治疗前计算机断层扫描图像用于提取高级成像生物标志物，包括瘤内和瘤周脉管系统放射组学。还收集了临床特征，包括年龄、基因状态、血液学和分期。使用两步特征选择过程确定了预测 IO 结果的关键放射组学和临床特征，包括单变量 Cox 回归和卡方检验，然后进行顺序前向选择。 DeepSurv 模型的构建是为了根据临床和放射组学特征预测 PFS。使用时间依赖性受试者工作特征曲线 (AUC) 和一致性指数 (C-index) 下的面积来评估模型性能。将瘤内异质性和瘤周血管系统的放射组学与临床特征相结合，证明模型的显着增强 (p<0.001)预测 IO 响应。所提出的 DeepSurv 模型表现出预测性能，AUC 范围为 0.76 至 0.80，C 指数为 0.83。此外，预测的个性化 PFS 曲线显示，预后良好和不良的患者之间存在显着差异 (p<0.05)。将瘤内和瘤周血管放射组学与临床特征相结合，能够开发 IO 的 LC 患者的 PFS 预测模型。所提出的模型能够估计个性化 PFS 概率并区分预后状态，有望促进个性化医疗并改善 LC 患者的治疗结果。© 2024。作者。

随着肾脏病变发生率的增加，治疗前区分良性和恶性病变对于优化治疗至关重要。本研究旨在开发一种机器学习模型，利用从不同感兴趣区域 (ROI) 提取的放射组学特征、肿瘤内生态多样性特征和临床因素对肾脏病变进行分类。 1,795 个肾脏病变的 CT 图像（动脉期），其中三个病变已确诊病理学医院地点按手术日期分为开发组（1184 个，66%）和测试组（611 个，34%）。从动脉期图像的八个 ROI 中提取传统的放射组学特征。瘤内生态多样性特征来自瘤内亚区域。开发了将这些特征与临床因素相结合的组合模型，并将其性能与放射科医生的解释进行了比较。结合瘤内和瘤周放射组学特征以及生态多样性特征，在从 CT 扫描提取的所有特征组合中产生了最高的 AUC 0.929。将临床因素纳入从 CT 图像提取的特征中后，我们的组合模型在整体（AUC = 0.946 vs 0.823，P < 0.001）和小肾脏病变（AUC = 0.935 vs 0.745，P < 0.001）测试中优于放射科医生的解释队列。此外，组合模型表现出良好的一致性，并在超过 60% 的阈值概率上提供了最高的净收益。在整个和小肾脏病变测试队列中，预测风险低于或高于 95% 敏感性和特异性截止值的亚组的 AUC 分别为 0.974 和 0.978。 组合模型结合了瘤内和瘤周放射组学特征、生态多样性特征和临床特征。这些因素在区分良性和恶性肾脏病变方面表现出良好的性能，超过了放射科医生对整个肾脏病变和小肾脏病变的诊断。它有可能使患者免于不必要的侵入性活检/手术，并增强临床决策。© 2024。作者。

淋巴血管侵犯（LVI）和神经周围侵犯（PNI）已被确定为各种类型癌症的预后因素。 LVI 和 PNI 的术前预测有可能指导食管鳞状细胞癌 (ESCC) 患者的个性化医疗策略。本研究探讨术前增强 CT 得出的放射组学特征是否可以预测 ESCC 患者的 LVI 和 PNI。本研究纳入了 544 名接受食管切除术的 ESCC 患者的回顾性队列。收集术前增强CT图像、PNI和LVI的病理结果以及临床特征。对于每位患者，勾画出大体肿瘤体积（GTV-T）和淋巴结体积（GTV-N），并从 GTV-T 和 GTV-N 中提取四类放射组学特征（一级、形状、纹理和小波）。 N。采用Mann-Whitney U检验依次选择与LVI和PNI相关的显着特征。随后，使用 LASSO 回归和十倍交叉验证构建了 LVI 和 PNI 的放射组学特征。将显着的临床特征与放射组学特征相结合，开发了两种列线图模型，分别用于预测 LVI 和 PNI。曲线下面积（AUC）和校准曲线用于评估模型的预测性能。LVI预测的放射组学特征由28个特征组成，而PNI放射组学特征由14个特征组成。训练组和验证组中 LVI 放射组学特征的 AUC 分别为 0.77 和 0.74，而训练组和验证组中 PNI 放射组学特征的 AUC 分别为 0.69 和 0.68。结合放射组学特征和重要临床特征（例如年龄、性别、凝血酶时间和 D-二聚体）的列线图显示 LVI（训练组和验证组中 AUC：0.82 和 0.80）和 PNI（训练组和验证组中 AUC：0.75 和 0.72）的预测性能有所改善。从术前大体肿瘤和淋巴结的增强 CT 中提取的放射组学特征已证明其在预测 ESCC 患者的 LVI 和 PNI 方面的潜力。此外，临床特征的结合显示出额外的价值，从而提高了预测性能。© 2024。作者。

使用锆 89（89Zr；半衰期 ~ 78.41 h）标记的前列腺特异性膜抗原 (PSMA) 靶向放射性示踪剂的正电子发射断层扫描/计算机断层扫描 (PET/CT) 在定位前列腺癌 (BCR) 的生化复发方面显示出希望对 38 名连续接受 [89Zr]Zr-PSMA-617 PET/CT 阴性 [68Ga] 的 BCR 男性（中位[最小-最大]前列腺特异性抗原 0.52 (0.12-2.50 ng/mL)）进行回顾性分析Ga-PSMA-11 PET/CT。注射后 1 小时、24 小时和 48 小时的 [89Zr]Zr-PSMA-617 示踪剂活性中位数为 123 (84) -166) MBq.[89Zr]Zr-PSMA-617 PET/CT 总共检测到 57 个病变：30/38 名 BCR (78%) 且先前常规 PSMA PET 呈阴性的男性中有 18 个局部复发、33 个淋巴结转移、6 个骨转移/CT。病变摄取从 1 小时显着增加到 24 小时，并且在大多数情况下，从 24 小时到 48 小时，肿瘤与背景的比率随着时间的推移显着增加，绝对增加 100 或更多。 。没有发现副作用。在基于 [89Zr]Zr-PSMA-617 PET/CT 的治疗后，所有患者的前列腺特异性抗原浓度均下降，三分之一的患者检测不到。回顾性、单中心设计；不频繁的组织病理学和影像学验证。这个大型系列提供了进一步的证据，证明 [89Zr]Zr-PSMA-617 PET/CT 是定位早期 BCR 的有益成像方式。随着时间的推移，肿瘤与背景的比率显着增加，从而可以定位传统 PSMA PET/CT 上未识别的肿瘤。© 2024。作者。