连发两篇顶刊，王嫣然等人利用人工智能增强癌症及心血管疾病的诊断

来源：生物世界 2024-07-05 09:09

心脏磁共振成像（CMR）是心脏功能评估的金标准，在心血管疾病（CVD）的诊断中发挥着至关重要的作用。然而，CMR解读的资源负担较重限制了其广泛应用。

斯坦福大学王嫣然博士、首都医科大学附属北京天坛医院等在CancerCell期刊发表了题为：Advancing presurgical non-invasive molecular subgroup prediction in medulloblastoma using artificial intelligence and MRI signatures的研究论文。

该研究开发了一种人工智能（AI）模型，利用磁共振成像（MRI）特征增强（MB）的术前分子亚型预测，该方法提供了无创、低成本的分子亚型预测方案。这一突破性进展为肿瘤无创分子亚型以及髓母细胞瘤的医疗开辟了新途径。

在全世界范围内，髓母细胞瘤的研究因分子亚型检测普遍难以获取及数据缺乏而受到阻碍。为了弥补这一差距，研究团队建立了一个国际化的分子特征数据集，该数据集涵盖了来自中国和美国的13个医疗中心的934名髓母细胞瘤（Medulloblastoma，MB）患者。该数据集包括磁共振成像、人口数据、临床病理特征、治疗变量和生存信息。

利用这个庞大的数据集，研究团队提出了一个基于磁共振成像（MRI）的人工智能（AI）系统模型，用于无创且低成本地对分子亚型进行术前预测。研究团队通过交叉验证、外部验证和连续验证的验证策略，证明了该模型的作为一种通用的分子诊断分类器的有效性。对MRI特征的详细分析通过一个细致入微的放射学视角补充了对髓母细胞瘤的理解。更重要的是，研究团队公开了这个综合性数集以推进全球髓母细胞瘤的研究。

总的来说，该研究展示了基于磁共振成像（MRI）数据的机器学习方法增强现有分子亚型预测的潜力，并为术前非侵入性分子诊断髓母细胞瘤提供了一种可能的新途径。

斯坦福大学王嫣然为论文第一作者兼共同通讯作者，南加州大学、北京天坛医院为论文共同第一作者，北京天坛医院为论文最后通讯作者。

2024年5月13日，王嫣然博士、中国医学科学院阜外医院等在NatureMedicine期刊发表了题为：Screening and diagnosis of cardiovascular disease using artificial intelligence-enabled cardiac magnetic resonance imaging的研究论文。

心脏磁共振成像（CMR）是心脏功能评估的金标准，在心疾病（CVD）的诊断中发挥着至关重要的作用。然而，CMR的资源负担较重限制了其广泛应用。

为应对这一挑战，研究团队开发并验证了用于对9719名患者的11种心（CVD）进行和诊断的计算机化CMR解读。该研究提出了一个两阶段范式，包括基于无创电影成像的CVD筛查，然后是基于电影成像和晚期钆增强成像的诊断。该筛查和诊断模型在内部和外部数据集中均表现出色（曲线下面积分别为0.988 0.3%和0.991 0.0%）。此外，在诊断肺动脉高压方面，该诊断模型的表现优于心脏病专家，这表明人工智能（AI）支持的心脏磁共振成像（CMR）能够检测到以前未识别的CMR特征。

这项概念验证研究有可能极大地提高心脏磁共振成像（CMR）解读的效率和可扩展性，从而改善心血管疾病（CVD）的筛查和诊断。

论文第一作者兼通讯作者王嫣然博士，现为斯坦福大学人工智能医学中心博士后研究员。王嫣然于2014年在复旦大学取得硕士学位，于2019年在美国西北大学取得计算机科学博士学位。她主要专注于生物医学中的机器学习以及运用人工智能（AI）为医学提供更为公平和精准的解决方案。王嫣然博士曾作为第一作者兼通讯作者在 Nature Medicine、Cancer Cell、European Journal of Nuclear Medicine and Molecular Imaging 及 Radiology: Artificial Intelligence 等顶级期刊上发表多篇学术论文。

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻