进来围观30分以上的医学AI文章！！

小罗碎碎念

今天这篇推文来之不易，小罗尝试了N次检索和测试，才得到了合适的检索词，分享如下：

这一期**文献筛选的依据**是【2024年发表，且IF>30】。

话不多说，让我们一起来看看高分文章的写作思路吧。

---

插播一条信息

目前从事【AI&肿瘤病理】相关的研究，并且**工作单位位于北京的老师，如果你们实验室有联合培养**的机会，可以联系小罗！！！

如果有师兄师姐正在做类似的课题，觉得需要小罗协助的话，也可以和你们的导师推荐一下！！！！

---

Nature Methods·了解图像分析验证中与度量相关的误区

doi：10.1038/s41592-023-02150-0

本文标题为Understanding metric-related pitfalls in image analysis validation，是发表在《自然-方法》（Nature Methods）上的一篇观点性文章，讨论了验证指标在图像分析中的重要性以及与选择这些指标相关的误区。

作者强调，度量标准对于衡量科学进步和将人工智能研究转化为实践至关重要。然而，他们认为，在图像分析中，度量标准往往选择不当，导致结果不可靠，并阻碍了有效算法的开发。

为解决这一问题，作者**开展了一项多阶段德尔菲过程**，涉及多学科专家联盟和社区反馈，以创建一个有关图像分析中验证指标相关陷阱的综合资源。他们根据新创建的分类法对误区进行了分类，并为每个指标提供了简介。

作者强调，了解指标的局限性和陷阱对于在图像分析验证中做出明智的选择至关重要。

---

源码分享

GitHub - Project-MONAI/MetricsReloaded

---

Nature Medicine ·提高浸润性乳腺癌预后的人群级数字组织学生物标志物

本文题为**A population-level digital histologic biomarker for enhanced prognosis of invasive breast cancer，**2024年1月发表在Nature Medicine。

doi：10.1038/s41591-023-02643-7

要点分析

1. 乳腺癌是一种异质性疾病，其生存结果各不相同。
2. 目前的预后判断标准依赖于乳腺组织的定性分级。
3. 组织学预后特征（HiPS）是一种数字组织学生物标记，能准确预测乳腺癌患者的生存风险。
4. HiPS 利用深度学习分析细胞和组织结构，并**测量上皮、基质、免疫和空间相互作用特征**。
5. 该生物标记物是**利用人群水平的队列开发的**，并利用三个独立队列的数据进行了验证。
6. 在预测生存结果方面，HiPS的表现始终优于病理学家，不受肿瘤分期和其他变量的影响。
7. 基质和免疫特征在乳腺癌预后中起着重要作用。
8. HiPS 是一种经过严格验证的生物标记物，可以为**病理学家提供支持并改善患者的预后**。

---

源码分享

项目地址

github.com/PathologyDataScience/HiPS.

---

组织学图像的处理

HistomicsTK (v.1.2.10,github.com/DigitalSlideArchive/HistomicsTK)

histolab (v.0.6.0,github.com/histolab/histolab)

scikit-image (v.0.18.0,scikit-image.org)

---

临床结果数据分析

Lifelines (v.0.27.8,github.com/CamDavidsonPilon/lifelines).

---

RNA 图谱富集分析

GSEAPy (v.1.0.6,gseapy.rtfd.io).

---

Python libraries

1. numpy v.1.19.4,
2. pandas v.1.1.5,
3. SQLAlchemy v.1.3.21,
4. scipy v.1.5.4,
5. scikit-learn v.0.23.2,
6. imageio v.2.9.0,
7. pillow v.8.0.1,
8. matplotlib v.3.3.3,
9. seaborn v.0.11.0,
10. torch v.1.7.1,
11. torchvision v.0.8.2,
12. pyvips v.2.1.15.

---

Nature Reviews Clinical Oncology·对结直肠癌患者进行个性化辅助治疗

doi：10.1038/s41571-023-00834-2

摘要

本文题为**Personalizing adjuvant therapy for patients with colorectal cancer，是一篇观点性文章，讨论了结直肠癌（CRC）患者辅助治疗的现状，并探讨了在这种情况下进行个性化治疗**的潜力。

作者强调了传统组织病理学分期程序在患者分层方面的局限性，并强调**需要改进方法来识别复发风险高且将从化疗中获益的患者**。

他们讨论了**利用基因分析确定化疗药物毒性的种系决定因素，以及应用人工智能驱动的模型根据切除组织的数字图像对患者进行分层**。

作者还提到了**液体活检方法在确定肿瘤复发高风险和低风险患者方面的实用性**。

总之，文章**概述了当前 CRC 辅助治疗面临的挑战，并探讨了个性化治疗的潜在策略**。

---

要点

1. 传统的组织病理学分期程序在结直肠癌（CRC）辅助治疗的患者分层方面存在局限性。
2. 基因分析可确定化疗毒性的种系决定因素。
3. 人工智能驱动的模型可以根据切除组织的数字图像对患者进行分层。
4. 液体活检方法可以识别肿瘤复发风险高和风险低的患者。
5. 在 CRC 的辅助治疗中，个性化疗法是一个尚未满足需求的领域。

---

原文获取

如果想获取上述论文原文，后台回复【0316】即可。

---