免疫检查点抑制剂（ICIs）彻底改变了非小细胞肺癌（NSCLC）的治疗。然而，免疫相关的不良事件仍然发生，其中检查点抑制剂肺炎（CIP）是最常见的。我们的目的是构建并验证基于对比增强计算机断层扫描的放射组学列线图，以预测 NSCLC ICI 治疗前发生 CIP 的概率。我们回顾性分析了 685 名最初接受 ICI 治疗的 NSCLC 患者。我们的研究总共纳入了 186 名患者，另外还考虑了来自另一家医院的另外 52 名患者进行外部验证。在放射组学特征提取和选择之后，我们应用支持向量机分类模型来区分 CIP 并使用概率作为放射组学特征。使用过滤后的临床参数和放射组学特征构建放射组学-临床逻辑回归模型。接受者操作特征、曲线下面积 (AUC)、校准曲线和决策曲线分析用于模型间比较。使用年龄、间质性肺疾病、基线肺气肿和放射组学特征构建的组合放射组学-临床模型显示出训练、验证和外部验证队列的 AUC 分别为 0.935、0.905 和 0.923。与仅临床模型（AUC分别为0.829、0.826和0.809）和仅放射组学模型（0.865、0.847和0.841）相比，放射组学-临床模型显示出更好的预测能力。这种组合的放射组学-临床模型预测了CIP的概率在 NSCLC 患者的 ICI 治疗期间具有良好的准确性，因此可以用作指导临床 ICI 决策的有效工具。版权所有 © 2024 大学放射科医生协会。由爱思唯尔公司出版。保留所有权利。

旨在评估成纤维细胞活化蛋白抑制剂 (FAPI) PET/CT 在检测肺癌患者淋巴结 (LN) 转移方面的诊断性能。检索了 PubMed 和 Embase 数据库以识别截至 2024 年 7 月发表的相关文章。我们纳入了研究报告 FAPI PET/CT 在检测肺癌患者淋巴结转移方面的诊断准确性。在现有研究中对 FAPI PET/CT 和氟脱氧葡萄糖 (FDG) PET/CT 进行了头对头比较。使用双变量随机效应模型确定汇总的敏感性、特异性和受试者工作特征曲线下面积 (AUC)。涉及 409 名患者的七项研究符合资格。 FAPI PET/CT 检测肺癌患者淋巴结转移的汇总敏感性、特异性和 AUC 值分别为 88%（95% CI，78-93%）、94%（95% CI，89-96%）和分别为 0.97（95% CI，0.95-0.98）。六项研究提供了头对头比较数据，汇总的敏感性、特异性和 AUC 值分别为 89% (95% CI 80-95%)、94% (95% CI 89-97%) 和 0.97 (95 FAPI PET/CT 的百分比 CI 0.95-0.98)，而 FDG PET/CT 的百分比 CI 为 78% (95% CI 64-87%)、66% (95% CI 33-88%) 和 0.80 (95% CI 0.76-0.83) CT。 Fagan 列线图表明，当检测前概率设置为 26% 时，FAPI PET/CT 扫描的检测后阴性概率可降至 4%。FAPI PET/CT 在检测淋巴结转移方面显示出出色的诊断准确性。肺癌患者，优于标准护理 FDG PET/CT。 FAPI PET/CT 对淋巴结转移的出色排除性能表明它具有减少侵入性诊断程序的潜力。版权所有 © 2024 大学放射科医生协会。由爱思唯尔公司出版。保留所有权利。

乳腺癌筛查对于降低死亡率至关重要。 YOLOv9 是一种新的实时对象检测模型，非常适合癌症筛查。定制的 YOLOv9 模型具有基于物种和形态多样性的乳腺癌检测增强功能，具有潜在的临床意义。内部数据集由 687 个病例组成，按 3:1 进行交叉验证。此外，还使用外部数据集中的 98 个案例进行测试。我们开发了一个专为乳腺癌检测定制的 FS-YOLOv9 模型，该模型在 Adown 的 Conv1 之前加入了一个额外的最大池化层，以增强高亮度特征。主干中P3的Adown被替换为高频Haar小波卷积核，在下采样时忽略低频分量以增强形态和纹理特征。我们模型的可靠性和稳健性是通过测量 F1 分数、自由反应受试者工作特征 (FAUC) 曲线下面积、平均精确度 (mAP)、召回率和精确度来确定的，并将它们与官方YOLOv9、YOLOv8、YOLOv5模型。与官方YOLOv9模型相比，FS-YOLOv9在内部数据集；在外部测试数据集中，FS-YOLOv9将平均F1分数、FAUC和mAP50分别提高了4.58%、5.78%和4.41%。我们的FS-YOLOv9模型在检测乳腺癌方面表现出显着提高的性能，使其更加实用用于高风险乳腺癌诊断。版权所有 © 2024 大学放射科医生协会。由爱思唯尔公司出版。保留所有权利。

探讨深度学习（DL）结合放射组学以及临床和影像学特征在预测软组织肿瘤（STT）Ki-67增殖指数中的价值。在这项回顾性研究中，自2021年1月起入院的STT患者共394例到 2023 年 12 月在两家不同的医院收集。 Hospital-1是训练队列（323例，其中分别有89例和低Ki-67），Hospital-2是外部验证队列（71例，其中23例和低Ki-67）。分别为 67）。评估临床和超声特征，包括年龄、性别、肿瘤大小、形态、边缘、内部回声和血流。通过单变量和多变量Logistic回归分析筛选具有显着相关性的危险因素。提取放射组学和深度学习特征后，通过支持向量机构建特征融合模型。将单独的临床特征、放射组学特征和DL特征获得的预测结果结合起来构建决策融合模型。最后使用DeLong检验比较模型之间的AUC是否存在显着差异。构建的三个特征融合模型和三个决策融合模型在预测STT中Ki-67表达水平方面表现出了优异的诊断性能。其中，基于临床、放射组学和深度学习的特征融合模型表现最好，训练队列中的 AUC 为 0.911（95% CI：0.886-0.935），验证中的 AUC 为 0.923（95% CI：0.873-0.972）队列，并被证明是经过良好校准且在临床上有用的。 DeLong测试表明，基于临床、放射组学和深度学习的决策融合模型在验证集上的表现明显差于三种特征融合模型。其他模型之间的诊断性能没有统计学差异。基于超声的临床、放射组学和 DL 特征的融合模型在预测 STT 中 Ki-67 表达水平方面表现出良好的性能。版权所有 © 2024 大学放射科医生协会。由爱思唯尔公司出版。保留所有权利。

放射学的原始研究通常涉及处理大型数据集、数据操作、统计测试和编码。最近的研究表明，大语言模型（LLM）可以解决生物信息学任务，这表明它们在放射学研究中的潜力。这项研究评估了法学硕士为放射学研究提供统计和深度学习解决方案和代码的能力。我们使用了适用于 ChatGPT-4o、ChatGPT-3.5 和 Google Gemini 的基于网络的聊天界面。实验 1：生物统计和数据可视化：我们评估了每个法学硕士建议生物统计测试并使用癌症成像档案数据集生成 R 代码的能力。提示是基于同行评审手稿的统计分析。生成的代码在 R Studio 中测试了正确性、运行时错误以及生成所请求的可视化的能力。实验 2：深度学习：我们使用 RSNA-STR 肺炎检测挑战数据集来评估 ChatGPT-4o 和 Gemini 为基于 Transformer 的图像分类模型 (Vision Transformer ViT-B/16) 生成 Python 代码的能力。生成的代码在 Jupiter Notebook 中测试了功能和运行时错误。在提出的 8 个统计问题中，针对 7 个 (ChatGPT-4o)、6 个 (ChatGPT-3.5) 和 5 个 (Gemini) 场景建议了正确的统计答案。与 ChatGPT-3.5 (5/7) 和 Gemini (5/7) 相比，ChatGPT-4o 输出的 R 代码具有更少的运行时错误（提供的 7 个代码中的 6 个）。 ChatGPT4o 和 Gemini 都能够生成所请求的可视化，但存在一些运行时错误。将运行时错误从 ChatGPT4o 生成的代码迭代复制到聊天中有助于解决这些错误。 Gemini 最初在代码生成过程中产生了幻觉，但能够在重新启动实验时提供准确的代码。 ChatGPT4-o 和 Gemini 成功生成了用于深度学习任务的初始 Python 代码。实施过程中遇到的错误通过使用聊天界面的迭代得到解决，展示了LLM在提供基线代码以进一步细化代码和解决运行时错误方面的实用性。LLM可以协助放射学研究的编码任务，为数据可视化、统计测试提供初始代码，深度学习模型可帮助研究人员掌握基础生物统计学知识。虽然法学硕士可以提供一个有用的起点，但它们要求用户完善和验证代码，并且由于潜在的错误、幻觉风险和数据隐私法规，必须小心谨慎。法学硕士可以帮助解决放射学研究中的编码和统计问题。这可以帮助主要作者解决放射学研究中所需的编码问题。版权所有 © 2024 大学放射科医生协会。由爱思唯尔公司出版。保留所有权利。

本研究的目的是评估基于超声 (US) 的深度学习 (DL) 列线图预测乳腺癌患者新辅助化疗 (NAC) 后腋窝淋巴结 (ALN) 状态的能力，及其协助放射科医生诊断腋窝淋巴结 (ALN) 状态的能力。两个医疗中心回顾性招募了 535 名接受 NAC 的淋巴结阳性乳腺癌患者。中心 1 包括训练队列中的 288 名患者和内部验证队列中的 123 名患者，而中心 2 则纳入了外部验证队列中的 124 名患者。在 NAC 前后的 US 图像上训练五个 DL 模型（ResNet 34、ResNet 50、VGG19、GoogLeNet 和 DenseNet 121），并选择最佳模型。使用 DL 预测概率和临床病理学特征构建了基于美国的 DL 列线图。此外，还比较了放射科医生在有或没有列线图的帮助下的表现。ResNet 50 在所有 DL 模型中表现最佳，在内部和外部验证队列中分别实现了 0.837 和 0.850 的曲线下面积 (AUC)。美国的 DL 列线图显示出对 NAC 后 ALN 状态的强大预测能力，内部和外部验证队列中的 AUC 分别为 0.890 和 0.870，优于临床模型和 DL 模型（p 均 < 0.05，除了 p = 外部验证队列中的 DL 模型为 0.19）。此外，列线图显着提高了放射科医生的诊断能力。美国的 DL 列线图有望预测 NAC 后的 ALN 状态，并可以帮助放射科医生获得更好的诊断表现。版权所有 © 2024 大学放射科医生协会。由爱思唯尔公司出版。保留所有权利。

小细胞外囊泡（sEV）对于细胞通讯至关重要，并且是癌症等疾病的关键生物标志物载体。然而，由于特定 sEV 结合蛋白的浓度较低以及更丰富的分散蛋白的干扰，定量和分析 sEV 表面标记物提出了重大挑战。本文介绍了免疫贾努斯颗粒 (IJPs)，这是一种新方法，可以在不到一小时的时间内直接检测 sEV，无需隔离。 IJP 的设计结合了荧光和非荧光两半，利用旋转布朗运动通过眨眼频率的变化来检测捕获的 sEV，而不受较小分散蛋白质的干扰。我们展示了低样品量下 2E5 sEVs/mL 的检测限，以及直接从血浆、血清、细胞培养基和尿液中表征 sEVs 的能力。在一项涉及 87 名受试者（包括结直肠癌、胰腺导管腺癌、胶质母细胞瘤、阿尔茨海默病和健康对照者）的小型试点研究中，我们的方法在盲法环境下准确识别了 AUC 高达 0.90-0.99 的疾病类型。与需要约24小时的正交超速离心加表面等离子共振（UC SPR）方法相比，IJP的灵敏度和动态范围提高了2个对数。

高 IL-6 水平与癌症、自身免疫性疾病和感染等疾病相关。用于治疗类风湿关节炎和 COVID-19 的 IL-6 受体抑制剂 (IL-6Ri) 可能有更广泛的用途。我们应用药物靶标孟德尔随机化 (MR) 来研究 IL-6Ri 的效应。为了模拟基因阻断 IL-6R 的效应，我们选择了 IL6R 基因内或附近的单核苷酸多态性 (SNP)，这些单核苷酸多态性 (SNP) 显示出显着的全基因组关联与C反应蛋白。使用类风湿性关节炎和 COVID-19 作为阳性对照，我们的主要研究成果包括哮喘、哮喘性肺炎、肺心病、非小细胞肺癌、小细胞肺癌、帕金森病、阿尔茨海默病、溃疡性结肠炎、克罗恩病的风险、系统性红斑狼疮、1 型糖尿病和 2 型糖尿病。逆方差加权 (IVW) 方法是我们的​​主要分析方法，通过敏感性和共定位分析来评估 MR 的假设。此外，我们还进行了贝叶斯孟德尔随机化分析，以最大程度地减少混杂因素并扭转因果偏差。IL-6抑制剂显着降低了特发性肺纤维化的风险（OR= 0.278，95% [CI]，0.138-0.558；P < 0.001）、帕金森病（OR = 0.354，95% CI，0.215-0.582；P <0.001），并对与 2 型糖尿病的因果关系产生积极影响（OR = 0.759，95% CI，0.637-0.905；P = 0.002） 。然而，这些抑制剂增加了哮喘（OR = 1.327，95% CI，1.118-1.576；P = 0.001）和哮喘性肺炎（OR = 1.823，95% CI，1.246-2.666；P = 0.002）的风险。通过 BWMR 方法获得的因果效应估计与基于 IVW 方法获得的因果效应估计一致。同样，sIL-6R也对这些疾病产生显着影响。阿尔茨海默病、克罗恩病、肺心病、系统性红斑狼疮、1型糖尿病、非小细胞肺癌和溃疡性结肠炎等疾病显示出非显着关联（ p > 0.05）并被排除在进一步分析之外。同样，由于结果不一致，小细胞肺癌也被排除在外。值得注意的是，哮喘性肺炎的共定位证据 (coloc.abf-PPH4 = 0.811) 强有力地支持其与 CRP 的关联。帕金森病的共定位证据 (coloc.abf-PPH4 = 0.725) 适度支持其与 CRP 的关联。IL-6Ri 可能代表特发性肺纤维化、帕金森病和 2 型糖尿病的一种有前景的治疗途径。版权所有 © 2024 Fu, Wang和蔡。

老年人的髋部骨折会导致死亡率增加。我们开发并验证了一种准确、简单的髋部骨折预后评分系统，可在术前使用。回顾性研究。多中心。2011 年至 2021 年间接受手术的年龄≥65 岁的髋部骨折患者通过逻辑回归分析确定显着因素，并开发了评分系统。将患者分为三组，并进行时序检验来评估1年生存率。该模型分别使用 5 倍交叉验证和另一家医院的数据进行了内部和外部验证。我们纳入了 1026 名患者。分析揭示了八个重要的预后因素：性别、体重指数、慢性心力衰竭和恶性肿瘤病史、受伤前的日常生活活动（ADL）、受伤时的血红蛋白和预后营养指数（PNI）以及美国麻醉医师协会身体状况。内部验证后受试者工作特征曲线下面积 (AUC) 为 0.853。外部验证数据由 110 名患者组成。验证数据模型的 AUC 为 0.905，显示出出色的区分度。开发数据和验证数据的敏感性和特异性分别为 88.7% vs. 100% 和 93.3% vs. 95.2%。我们仅使用术前因素开发并验证了准确且简单的髋部骨折预后评分系统。我们的研究结果强调 PNI 是髋部骨折患者预后的重要预测因子。© 作者 2024。由牛津大学出版社代表英国老年医学会出版。版权所有。如需权限，请发送电子邮件至：journals.permissions@oup.com。

免疫检查点抑制剂（ICIs）可改善肺癌预后；然而，ICI 相关的间质性肺疾病 (ILD) 是致命的且难以预测。在此，我们假设放射成像中预先存在的肺部炎症可能是 ILD 发病的潜在危险因素。因此，我们研究了肺癌中 18F-FDG-PET/CT 的非癌性肺 (NCL) 高摄取与 ICI-ILD 之间的关联。 ICI 治疗前三个月内接受 FDG-PET/CT 的原发性肺癌患者被追溯纳入。利用人工智能从原发肿瘤对侧肺中提取 NCL 区域（背景肺）。 NCL 对 FDG 的摄取通过 SUVmax (NCL-SUVmax)、SUVmean (NCL-SUVmean) 和总糖酵解活性 (NCL-TGA) 进行评估，定义为 NCL-SUVmean×NCL 体积 [mL]。 NCL-SUVmean 和 NCL-TGA 使用以下四个 SUV 阈值计算：0.5、1.0、1.5 和 2.0。 在 165 名患者中，28 名 (17.0%) 发展为 ILD。单变量分析显示，NCL-SUVmax、NCL-SUVmean2.0（SUV 阈值=2.0）和 NCL-TGA1.0（SUV 阈值=1.0）的高值与 ILD 发病显着相关（所有 p = 0.003）。根据年龄、肿瘤 FDG 摄取和预先存在的间质性肺异常进行调整的多变量分析显示，高 NCL-TGA1.0 (≥149.45) 与 ILD 发病独立相关（比值比，6.588；p = 0.002）。高 NCL-TGA1.0 组的 ILD 两年累积发生率显着高于低组（58.4% vs. 14.4%；p < 0.001）。FDG-PET/CT 上 NCL 的高摄取与ICI-ILD 开发，可作为原发性肺癌 ICI 治疗前的风险分层工具。版权所有 © 2024 大学放射科医生协会。由爱思唯尔公司出版。保留所有权利。