الذكاء الاصطناعي وأبحاث السرطان ── 2026-10-10
أبحاث جديدة عن السرطان والذكاء الاصطناعي، تُجمع من تغذيات المجلات العلمية وPubMed (بحث عبر جميع المجلات) وOpenAlex (فهرس عام يُستخدم بدلًا من Google Scholar)، ويحكم عليها Jev (ذكاء اصطناعي يُصدر أحكامًا لغوية): بحث أصلي، الذكاء الاصطناعي محوري، أي من 13 موضوعًا، علاج أو تجارب، ثم تُرتّب حسب الأهمية حتى حد يومي. لا تُصفّى المجلات بحسب معامل التأثير؛ ويعرض كل بحث ما يعادل معامل التأثير لمجلته (متوسط الاستشهادات لعامين في OpenAlex) وتاريخ تلك القيمة. ويعرض كل إدخال الملخص الأصلي الكامل.
القراءة حسب نوع السرطان: بيولوجيا السرطان（2） · الثدي（2） · الرئة（2） · البنكرياس（1） · البروستاتا（2） · ACC（0） · الدماغ（0） · المبيض（0） · بطانة الرحم（0） · المعدة（1） · الكبد（2） · الكلى（0） · المثانة（0）
البيولوجيا الجزيئية للسرطان والذكاء الاصطناعي
- الملخص
تُعد نقائل الدماغ أكثر أورام الجهاز العصبي المركزي شيوعًا لدى البالغين، وترتبط بتوقعات سريرية سيئة وانخفاض معدلات البقاء الكلي. ويظهر لدى نسبة من المرضى ورم نقيلي في الدماغ كأول مظهر لورم أولي غير معروف. ومع ذلك، لا يزال التقييم النوعي التقليدي بالتصوير بالرنين المغناطيسي غير كافٍ لتحديد المنشأ الأولي لنقائل الدماغ بدقة. لذلك هدفت هذه المراجعة المنهجية والتحليل التلوي التشخيصي إلى تقييم الأداء التشخيصي لنماذج الذكاء الاصطناعي المبنية على الرنين المغناطيسي في التنبؤ بمنشأ الورم الأولي لنقائل الدماغ، وإلى تحديد العوامل المسهمة في تباين أدائها.
معامل التأثير للمجلة: غير معروف (تعذّرت المطابقة)المرجع: [لم تُذكر أسماء المؤلفين]. الذكاء الاصطناعي المعتمد على التصوير بالرنين المغناطيسي للتنبؤ بمنشأ الورم الأولي في النقائل الدماغية: مراجعة منهجية وتحليل تلوي تشخيصي. Open Science Framework. [نشر إلكترونيًا قبل الطباعة]. doi:10.17605/osf.io/kz95c.تم التحقق: الملخص فقط - الملخص
المستضد السطحي للخلايا الأرومة الغاذية 2 (TROP-2) هو بروتين سكري عابر للغشاء يُفرط في التعبير عنه في مجموعة من الأورام الظهارية الخبيثة، ومع ذلك لا يزال تقييمه السريري يعتمد إلى حد كبير على التحليل الكيميائي المناعي النسيجي الباضع للأنسجة المأخوذة بالخزعة. في هذه الدراسة استخدمنا منصة الذكاء الاصطناعي PepMimic لتصميم ببتيد يستهدف TROP-2 من الصفر، هو TR23، عبر محاكاة واجهة الارتباط، ثم اقتُرن بـ DOTA ووُسم إشعاعيًا بـ 68Ga للحصول على المسبار الببتيدي للتصوير المقطعي بالإصدار البوزيتروني [68Ga]Ga-DOTA-TR23. ارتبط المتتبع بـ TROP-2 بألفة نانومولارية (KD = 26.8 nM)، وأظهر امتصاصًا خلويًا انتقائيًا في الخلايا الموجبة لـ TROP-2، وتميز بنقاء كيميائي إشعاعي مرتفع (>95%) مع ثبات ممتاز في المحلول الملحي والمصل. كشف التصوير Micro-PET/CT في نماذج الطعوم الغريبة للبنكرياس (BxPC-3) والبروستاتا (PC3) والغدة الدرقية (BCPAP) عن تراكم سريع ونوعي في الورم مع تباين عالٍ وامتصاص خلفي منخفض، بينما أدت دراسات الحجب التنافسي بفائض من TR23 غير الموسوم إلى كبح امتصاص الورم بدرجة كبيرة، مما يؤكد النوعية المعتمدة على المستقبِل. كما أظهر التحليل الكمي ارتباطات إيجابية قوية بين SUVmax ومستويات تعبير TROP-2 المؤكدة بالكيمياء المناعية النسيجية في أنواع الأورام الثلاثة جميعها. مجتمعةً، ترسّخ هذه النتائج [68Ga]Ga-DOTA-TR23 كمتتبع ببتيدي واعد للتصوير المقطعي بالإصدار البوزيتروني للتصوير السريع والنوعي والكمي للأورام الموجبة لـ TROP-2، وتبرز استراتيجية PepMimic كمنصة متعددة الاستخدامات لاكتشاف المسابير الببتيدية، دعمًا للإمكانات الانتقالية لهذا المتتبع كعامل تشخيصي لأنواع السرطان المتعددة للتصوير الجزيئي الدقيق.
ما يعادل معامل التأثير للمجلة: 3.7 (متوسط الاستشهادات لمدة سنتين وفق OpenAlex، القيمة بتاريخ 2026-10-09، جرى الاسترجاع في 2026-10-10؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Lin Z, Yang Z, Ma S, Lin X, Zhang Q, Miao W, et al. De Novo Design of a TROP-2-Targeting Peptide PET Tracer via AI-Guided Binding Interface Mimicry. Bioconjugate Chemistry. 2026 Oct 8 [Epub ahead of print]. doi:10.1021/acs.bioconjchem.6c00394.تم التحقق: الملخص فقط
عرض جميع أبحاث بيولوجيا السرطان (2) →
سرطان الثدي: العلاج والتجارب السريرية والذكاء الاصطناعي
- الملخص
الخلفية: تقيّم هذه الدراسة التعلم العميق باستخدام GEX والبيانات السريرية المتاحة قبل الجراحة (PreopClinic) للتنبؤ بانتقال المرض إلى العقدة الليمفاوية الحارسة (SLNM)، وتستكشف إمكاناتها في توجيه جراحة الإبط والتقييم التنبئي.
الأساليب: We retrospectively included 6,836 clinically node-negative T1-T2 patients with invasive breast cancer who underwent primary surgery from the SCAN-B. Three DL models—a multilayer perceptron, a pathway-informed sparse neural network, and a transformer—were developed using the development set (n=4,625) and evaluated against XGBoost in the independent test set (n=2,211).
النتائج: تفوّق نموذج Transformer على الطرق الأخرى في نمذجة GEX وقلّل الحاجة إلى الاختيار المسبق للجينات. في مجموعة الاختبار المستقلة، حسّن النموذج المدمج Pre-opClinic+GEX بشكل ملحوظ التنبؤ بـ SLNM مقارنةً بـ Pre-opClinic وحده (ROC AUC 0.693 مقابل 0.596، P < 0.001) وحدّد المرضى منخفضي الخطورة الذين قد يتجنبون خزعة SLNB غير الضرورية (معدل انخفاض 27.2% عند حساسية 92.1%). غير أن النموذج المدمج لم يتفوق بشكل ملحوظ على GEX وحده. وبينما وفّر GEX الإشارة التنبؤية الغالبة، أسهم PreopClinic بمعلومات مكمّلة مع مكاسب عددية متواضعة في الفائدة السريرية. وتفوّق التدريب عبر الأنماط الفرعية على التدريب داخل النمط الفرعي الواحد، لا سيما في TNBC، حيث حقق النموذج المدمج AUC بقيمة 0.734 (فاصل ثقة 95%: 0.644-0.837). كما قدّم مؤشر SLNM المشتق معلومات إنذارية تتجاوز العوامل الإنذارية المعتمدة. ورغم أن النماذج طُوّرت أساسًا باستخدام GEX المشتق من العينات الجراحية، فقد أظهرت التحليلات المقترنة للخزعة والعينة الجراحية (n=116) توافقًا كبيرًا في الأنماط النسخية والتنبؤات العقدية.
الخلاصة: تُبرز هذه النتائج متانة نموذج Transformer في مواجهة الضوضاء وفعاليته في التقاط السمات النسخية الغنية بالمعلومات للتنبؤ بـ SLNM. ويدعم التوافق الملحوظ بين عينات الخزعة والعينات الجراحية المقترنة جدوى التطبيقات المستقبلية قبل الجراحة المعتمدة على الخزعة.
ما يعادل معامل التأثير للمجلة: 2.2 (متوسط الاستشهادات لمدة سنتين وفق OpenAlex، القيمة بتاريخ 2026-10-09، جرى الاسترجاع في 2026-10-10؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Zhang D, Staaf J, Bendahl PO, Dihge L, Ohlsson M, Sjöström M, et al. Multimodal Gene Expression Deep Learning for Predicting Sentinel Lymph Node Macro-metastasis in Early Breast Cancer: Development and Validation in the SCAN-B Cohort. Clinical Cancer Research. 2026 Oct 8 [Epub ahead of print]. doi:10.1158/1078-0432.ccr-26-1134.تم التحقق: الملخص فقط - نموذج تعلّم آلي للتنبؤ بالاستجابة المرضية الكاملة بعد العلاج الكيميائي المساعد الجديد في سرطان الثديالملخص
الخلفية: قد تستفيد المريضات المصابات بسرطان الثدي اللواتي يتلقين علاجًا مساعدًا تمهيديًا (علاجًا قبل الجراحة) من تقييم ما قبل الجراحة للاستجابة الكاملة لتجنّب عمليات جراحية غير ضرورية. هدفنا إلى تطوير نموذج تعلّم آلي يتنبأ بالاستجابة المَرَضية الكاملة (pCR) استنادًا إلى نتائج وسائط تصوير مختلفة إضافةً إلى خصائص الورم والمريضة.
الأساليب: جرى في هذه الدراسة الاستعادية أحادية المركز استخراج البيانات السريرية لـ 388 حالة من سرطان الثدي الغازي تلقّت علاجًا مساعدًا جديدًا (neoadjuvant). وشملت النتائج فحوصات الموجات فوق الصوتية والتصوير الشعاعي للثدي والتصوير بالرنين المغناطيسي، إضافةً إلى معلومات المريض والفحص النسيجي المرضي. أُجري ارتباط بيرسون (Pearson Product-Moment) وتنظيم LASSO لانتقاء الخصائص الأكثر صلة بالنتيجة مسبقًا. واستنادًا إلى المتغيرات المنتقاة، طورنا خوارزمية تعلم آلي (انحدار لوجستي مع عقوبة الشبكة المرنة (GLM)) وتحققنا من صحتها للتنبؤ بالاستجابة المرضية الكاملة (pCR). وجرى تقييم أداء النموذج عبر المساحة تحت المنحنى (AUROC) ومعدل الإيجابيات الكاذبة (FPR) والقيمة التنبؤية الإيجابية (PPV).
النتائج: في المجموعة الكلية، رُصدت الاستجابة المرضية الكاملة (pCR) في 158 حالة من أصل 388، أي بمعدل pCR قدره 40.7%. ومن بين 111 متغيرًا جُمعت، أُزيلت 8 متغيرات بسبب ارتباطها العالي بخصائص أخرى. وبعد تنظيم LASSO، أُدرج 14 متغيرًا كمتنبئات للنموذج النهائي. وفي مجموعة التحقق، حقق النموذج الخطي العام (GLM) قيمة AUROC بلغت 0.76 مع معدل إيجابيات كاذبة (FPR) قدره 8.7% وقيمة تنبؤية إيجابية (PPV) قدرها 75%.
الخلاصات: من خلال الجمع بين خصائص التصوير والخصائص السريرية المرضية، يُظهر نموذج التعلم الآلي لدينا نهجًا واعدًا لتحسين التنبؤ بالاستجابة المرضية الكاملة (pCR) لدى مريضات سرطان الثدي اللواتي يتلقين العلاج المساعد الجديد. وبالاقتران مع تنظيم LASSO، يتيح رؤى مثيرة للاهتمام حول القدرة التنبؤية لمتغيرات مختلفة متاحة ضمن الممارسة السريرية المعتادة. تسجيل التجربة: غير منطبق.
ما يعادل معامل التأثير للمجلة: 3.9 (متوسط الاستشهادات لمدة سنتين وفق OpenAlex، القيمة بتاريخ 2026-10-09، جرى الاسترجاع في 2026-10-10؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Reisig E, Cai L, Müller M, Schäfgen B, Pfob A. نموذج تعلّم آلي للتنبؤ بالاستجابة المرضية الكاملة بعد العلاج الكيميائي المساعد الجديد في سرطان الثدي. BMC Cancer. 2026 Oct 8 [Epub ahead of print]. doi:10.1186/s12885-026-17115-7.تم التحقق: الملخص فقط
سرطان الرئة: العلاج والتجارب السريرية والذكاء الاصطناعي
- الملخص
الخلفية. يمكن أن يساعد الكشف عن طفرة T790M المكتسبة في مستقبل عامل نمو البشرة (EGFR) بعد مقاومة مثبطات التيروزين كيناز لـ EGFR (EGFR-TKIs) من الجيل الأول أو الثاني في توجيه العلاج اللاحق. لقد طورنا نموذجًا متعدد الوسائط يعتمد على التصوير المقطعي المحوسب (CT) وتحققنا منه زمنيًا للتنبؤ بطفرة T790M المكتشفة عند التقدم. الأساليب. شملت هذه الدراسة الاستعادية 198 مريضًا مصابًا بالسرطان الغدي الرئوي عولجوا بمثبطات EGFR-TKIs من الجيل الأول أو الثاني. تم توزيع المرضى زمنيًا على مجموعة تطوير (n = 139) ومجموعة تحقق زمني (n = 59). جرى دمج المتغيرات السريرية والسمات الدلالية للتصوير المقطعي والسمات الإشعاعية المصممة يدويًا والسمات العميقة المستخرجة بواسطة شبكة ResNet18 ثنائية الأبعاد ونصف باستخدام الانحدار اللوجستي بالشبكة المرنة. كما تضمن نموذج ديناميكي الاستجابة المبكرة للعلاج وسمات دلتا الإشعاعية. النتائج. حقق النموذج الأساسي متعدد الوسائط مساحات تحت منحنى خصائص تشغيل المستقبِل (AUCs) بلغت 0.881 و0.856 في مجموعتي التطوير والتحقق على التوالي. وبلغت قيم AUC المقابلة للنموذج الديناميكي 0.914 و0.889. وفي التحقق الزمني، بلغت حساسية النموذج الديناميكي 0.867 ونوعيته 0.862. وكانت قيمة AUC له أعلى عدديًا من قيمة النموذج الأساسي، لكن الفرق لم يكن ذا دلالة إحصائية (P = 0.184). ارتبط ارتفاع احتمال T790M المتنبأ به بحذف في الإكسون 19 من EGFR، وبانكماش مبكر أكبر للورم، وبمدة أطول للبقاء دون تقدم المرض. الاستنتاجات. أظهر الجمع بين السمات السريرية والسمات المشتقة من التصوير المقطعي واعدية في التنبؤ بطفرة T790M المكتشفة عند التقدم بعد العلاج بمثبطات EGFR-TKI من الجيل الأول أو الثاني. وقدّمت الاستجابة المبكرة وسمات دلتا الإشعاعية تحسنًا عدديًا في القدرة التمييزية. ويلزم إجراء تحقق مستقبلي متعدد المراكز قبل أن يُستخدم هذا النهج في توجيه إعادة الفحص الجزيئي في الممارسة السريرية.
معامل التأثير للمجلة: غير معروف (تعذّرت المطابقة)المرجع: [لم تُذكر أسماء المؤلفين]. التنبؤ غير الباضع بطفرة EGFR T790M المكتسبة في الورم الغدي الرئوي باستخدام الجينوميات الإشعاعية متعددة الوسائط للتصوير المقطعي المحوسب. Zenodo (CERN European Organization for Nuclear Research). [نشر إلكترونيًا قبل الطباعة]. doi:10.5281/zenodo.23249913.تم التحقق: الملخص فقط - الملخص
الفطر الطبي Ganoderma lucidum غني بالتريتيربينويدات والسكريات المتعددة النشطة بيولوجيًا. ويستلزم تعقيد سرطان الرئة ومقاومته التكيفية استراتيجيات علاجية تعطّل في آنٍ واحد مسارات مسرطنة متعددة. استخدمنا نهجًا في علم الأدوية المنظومي يدمج تحليل الشبكات والذكاء الاصطناعي لتوضيح آليات مضادات السرطان متعددة الأهداف لمركبات G. lucidum. جرى فرز المستقلبات النشطة بيولوجيًا ودمج أهدافها مع الجينات المرتبطة بسرطان الرئة لبناء شبكة مركب–هدف–مسار. وقد تحقق الالتحام الجزيئي المعتمد على الذكاء الاصطناعي من التفاعلات الرئيسية. ثم جرى التحقق وظيفيًا من المركبات متعددة الأهداف الأعلى توقعًا في خلايا سرطان الرئة غير صغير الخلايا H1299 باستخدام اختبارات الحيوية والهجرة والتبقيع الغربي. تضم شبكة من 67 هدفًا تآزريًا، منها PIK3CA وSTAT3 وEGFR وTP53، تنظيمًا متزامنًا لمسارات التكاثر وموت الخلايا المبرمج والتهرب المناعي. وتعمل التريتيربينويدات، مثل lucidumol A وganoderic acid A، كمحركات رئيسية قادرة على الارتباط بعدة مراكز إشارة. وتعطّل هذه المستقلبات ومستخلص G. lucidum المعياري الإشارات المسرطنة بشكل تآزري عبر تثبيط تكاثر الخلايا (IC 5 0 للمستخلص = 1669 μg/mL)، وكبح الهجرة، وخفض فسفرة STAT3 وتعبير c-Myc. وتُظهر هذه المستقلبات الفطرية خصائص قوية متعددة الأهداف مثبِّطة للأورام.
ما يعادل معامل التأثير للمجلة: 5.5 (متوسط الاستشهادات لمدة سنتين وفق OpenAlex، القيمة بتاريخ 2026-10-09، جرى الاسترجاع في 2026-10-10؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Wang H, Chen L, Zhang S, Ju M, Feng J, Tang Z, et al. أنظمة الصيدلة المدعومة بالذكاء الاصطناعي مع التحقق التجريبي تكشف آليات مضادة للسرطان متعددة الأهداف لمستخلصات Ganoderma lucidum ضد سرطان الرئة. Mycology. 2026 Mar 6;17(3):773-93. doi:10.1080/21501203.2026.2634522; PMCID: PMC13647369.تم التحقق: تم التحقق من النص الكامل
سرطان البنكرياس: العلاج والتجارب السريرية والذكاء الاصطناعي
- الملخص
يوفّر تصنيف الخلايا السرطانية عبر الحالات الوسيطة أو الهجينة أثناء الانتقال من الظهاري إلى المتوسطي (EMT) معلومات عن تباينها ومرونتها وقدرتها على الغزو. ورغم أن ذلك يتحقق بالتصوير بالتألق المناعي لعلامات البروتين، فإنه منخفض الإنتاجية ومحدود بتباين العينات. ولأن إعادة توزيع البروتينات الخيطية داخل الخلية أثناء EMT تغيّر الخصائص الميكانيكية الحيوية للخلية، نقدّم تصويرًا للخلايا المفردة على امتداد متصل من مناطق التشوه والتعافي تحت تدفقات لزجة مرنة في أنظمة الموائع الدقيقة، مقترنًا بإطار تعلّم عميق متعدد المناطق لتصنيف EMT عالي الإنتاجية استنادًا إلى واصفات الشكل المورفومترية، وأقنعة ثنائية للهندسة الخلوية، وصور الحقل الساطع التي تحتفظ بالنسيج داخل الخلية. نستنتج أنه رغم تضخم النواة أثناء EMT الذي يزيد الصلابة، فإن إعادة توزيع الفيمنتين حول الهيكل الخلوي يُرجَّح أنها تتيح لخلايا سرطان البنكرياس التي يتقدم فيها EMT تحمّل تشوه أكبر واسترخاءً أسرع نحو أشكال متماثلة الخواص. وباستخدام بنية تجمع بين استخلاص السمات الالتفافي والتجميع الإقليمي القائم على الانتباه، تُلتقط مساهمات تشوه الخلية واسترخائها في تصنيف حالات EMT الوسيطة عبر المعلومات الهندسية الكلية والنسيج داخل الخلية المرتبط بإعادة تشكيل الهيكل الخلوي. وبالمقارنة مع قياس التدفق الخلوي بالتصوير أحادي المنطقة أو مقاييس القابلية للتشوه القياسية، يحسّن القياس متعدد المناطق القائم على الانتباه لديناميكيات التشوه والاسترخاء تصنيفَ حالات EMT الوسيطة التي تبدي أكبر قدر من المرونة اللازمة للانبثاث.
ما يعادل معامل التأثير للمجلة: 5.6 (متوسط الاستشهادات لمدة سنتين وفق OpenAlex، القيمة بتاريخ 2026-10-09، جرى الاسترجاع في 2026-10-10؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Jarmoshti J, Gao H, Zeinali N, Siddique A, Adair SJ, Bauer TW, وآخرون. التصنيف بالتعلم العميق لخلايا سرطان البنكرياس عبر مراحل التحول من الحالة الظهارية إلى الحالة الtrans-المتوسطة بواسطة قياس تشوه الخلايا تحت تدفقات لزجة مرنة ميكروفلويدية. Advanced Intelligent Systems. 2026 Oct 7 [نُشر إلكترونيًا قبل الطباعة]. doi:10.1002/aisy.70573.تم التحقق: الملخص فقط
عرض جميع أبحاث البنكرياس (1) →
سرطان البروستاتا: العلاج والتجارب والذكاء الاصطناعي
- الملخص
لا يزال التصنيف الدقيق لمخاطر الإصابة بسرطان البروستاتا ذي الأهمية السريرية (csPCa) على مستوى المريض باستخدام التصوير بالرنين المغناطيسي ثنائي المعاملات صعبًا، إذ تتطلب معظم الأساليب الحالية توصيفات مكلفة على مستوى الآفة أو لم يُجرَ تقييمها في مجموعات كبيرة منفصلة زمنيًا. طوّرنا إطار تعلّم عميق متعدد الوسائط وتحققنا من صحته، يجمع بين حجوم T2 المرجّحة (T2w) والتصوير المرجّح بالانتشار (DWI) ومعامل الانتشار الظاهري (ADC) مع العمر ومستضد البروستاتا النوعي (PSA) وكثافة PSA (PSAD) لتصنيف csPCa على مستوى المريض، وقد دُرّب دون توصيفات على مستوى الآفة. شملت الدراسة مجموعة تطوير بأثر رجعي تضم 3, 939 فحصًا ومجموعة تحقق زمني مستقلة تضم 1, 409 فحصًا جُمعت بشكل مستقبلي من 13 مركزًا. يستخدم النموذج ثلاثة مشفّرات خاصة بكل تسلسل مع دمج بالانتباه المتقاطع غير المتماثل واستراتيجية نقل تعلّم من مرحلتين. أدّت إضافة المتغيرات الديموغرافية والسريرية إلى تحسين الأداء باستمرار مقارنة بالنماذج المعتمدة على التصوير فقط، وبرزت PSAD بوصفها العامل المكمّل الأكثر إفادة، وذلك أساسًا عبر تحسين النوعية. حقق النموذج الأفضل أداءً، الذي يجمع بين التصوير والعمر وPSA وPSAD مع الانتباه المتقاطع، متوسط AUC بلغ $$0.765\!\pm \!0.006$$ على مجموعة الاختبار المحجوزة بأثر رجعي و$$0.741\!\pm \!0.006$$ على مجموعة التحقق الزمني المستقلة. أشارت تحليلات المجموعات الفرعية اللاحقة إلى تمييز مستقر إلى حد كبير في ترتيب الرتب (AUC) عبر معظم الشرائح، رغم أن الحساسية والنوعية عند عتبة ثابتة تباينتا بشكل كبير، بينما قدّمت خرائط Grad-CAM مؤشرًا نوعيًا على تداخل أكثر تكرارًا مع المناطق المشتبه بها في ظل الانتباه المتقاطع. تدعم هذه النتائج النماذج متعددة الوسائط على مستوى المريض المعتمدة على PSAD بوصفها أداة قابلة للتطبيق لتصنيف مخاطر csPCa بدقة أكبر على التصوير بالرنين المغناطيسي ثنائي المعاملات، مع إمكانية تقليل التصنيف الإيجابي الكاذب لمرض المجموعة 1 وفق ISUP على أنه ذو أهمية سريرية.
ما يعادل معامل التأثير للمجلة: 5.2 (متوسط الاستشهادات لمدة سنتين وفق OpenAlex، القيمة بتاريخ 2026-10-04، جرى الاسترجاع في 2026-10-05؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Dimitriadis A, Kalliatakis G, Osuala R, Kessler D, Diaz O, Mazzetti S, et al. دمج الانتباه المتقاطع لتسلسلات الرنين المغناطيسي ثنائي المعاملات مع المتغيرات الديموغرافية والسريرية لتصنيف سرطان البروستاتا ذي الأهمية السريرية على مستوى المريض. Sci Rep. 2026 Oct 8 [نشر إلكترونيًا قبل الطباعة]. doi:10.1038/s41598-026-71998-x.تم التحقق: الملخص فقط - الملخص
الأهمية: يُستخدم مصنِّف Decipher الجينومي للبروستاتا (GC) ومنصة ArteraAI للذكاء الاصطناعي متعدد الوسائط (MMAI) على نطاق واسع كأداتين تنبؤيتين لسرطان البروستاتا (PCa) الموضعي، ومع ذلك لم تُجرَ مقارنة مباشرة بينهما ضمن مجموعة المرضى نفسها.
الأساليب: سعينا إلى تقييم التوافق والقيمة التنبؤية لـ GC وMMAI عبر مجموعات متعددة المؤسسات بلغ مجموعها 688 مريضًا مصابًا بسرطان البروستاتا الموضعي وقليل النقائل. شملت هذه المجموعات فئات غنية بالمرضى من أصول أفريقية أمريكية وشرق آسيوية. جرى تصنيف درجات GC وMMAI إلى مجموعات خطورة بحسب نوع العينة (خزعة أو استئصال البروستاتا الجذري (RP)). وكانت نقطة النهاية الأساسية هي البقاء الخالي من النقائل البعيدة (DMFS)، محسوبًا من التشخيص حتى آخر متابعة أو حدوث الحدث.
النتائج: ارتبطت درجات GC وMMAI ارتباطاً ملحوظاً عبر عدة مجموعات. وفي مجموعات Moffitt RP والخزعة وNCCS، كان كل من MMAI وGC منبئاً بالمآل بمفرده وبعد التعديل بحسب المتغيرات السريرية. وأظهر التحليل متعدد المتغيرات الذي شمل المؤشرين الحيويين والمتغيرات السريرية أن MMAI كان ذا دلالة حتى مع احتساب GC في Moffitt RP، وكان حدّياً في خزعة Moffitt. وبيّن تحليل الحالات المتوافقة وغير المتوافقة أن المرضى الذين كانوا عالي الخطورة وفق كلٍّ من GC وMMAI كانت نتائجهم أسوأ من الناحية النوعية. وفي تحليل المسارات، كان التوافق بين GC وMMAI مرتفعاً لدى مرضى Moffitt RP والمرضى ذوي الانتشار القليل (oligometastatic). وفي مجموعتي الخزعة كلتيهما، ورغم أن معظم المسارات البيولوجية كانت متوافقة، وُجدت مسارات إشارات وأيض وإصلاح DNA غير متوافقة بصورة متسقة.
الخلاصات: في أول مقارنة مباشرة على مستوى المرضى بين GC وMMAI في سرطان البروستاتا (PCa)، تبيّن أن هذين المؤشرين الحيويين يُظهران ارتباطًا متوسطًا، وأن كليهما أظهر قيمة تنبؤية عبر فئات سكانية وحالات مرضية متنوعة.
ما يعادل معامل التأثير للمجلة: 2.2 (متوسط الاستشهادات لمدة سنتين وفق OpenAlex، القيمة بتاريخ 2026-10-09، جرى الاسترجاع في 2026-10-10؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Hong BH, Olabumuyi AA, Zhao SG, Trivedi P, Putney R, Katende E, et al. Multi-institutional Patient-level Comparison of Decipher Genomic Classifier and Artera Multimodal Artificial Intelligence (MMAI) in Prostate Cancer. Clinical Cancer Research. 2026 Oct 8 [Epub ahead of print]. doi:10.1158/1078-0432.ccr-26-2269.تم التحقق: الملخص فقط
عرض جميع أبحاث البروستاتا (2) →
السرطان الغدي الكيسي: العلاج والتجارب السريرية والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
أورام الدماغ: العلاج والتجارب والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
سرطان المبيض: العلاج والتجارب السريرية والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
سرطان بطانة الرحم: العلاج والتجارب السريرية والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
سرطان المعدة: العلاج والتجارب والذكاء الاصطناعي
- الملخص
الهدف: بناء نماذج متعددة للرادیومکس استنادًا إلى صور الطور الوريدي بالتصوير المقطعي المحوسب (CT) للتقييم الكمي لعمق غزو سرطان المعدة (GC) لجدار المعدة، ومقارنة الأداء التشخيصي لنماذج التعلم الآلي المختلفة في التمييز بين سرطان المعدة المبكر (المرحلتان T1–T2) والمتقدم (المرحلتان T3–T4)، بهدف تحديد نموذج قوي وقابل للتفسير وتقييم إمكانية تطبيقه سريريًا.
الأساليب: في هذه الدراسة بأثر رجعي، أُدرج 223 مريضًا بسرطان المعدة (GC) مؤكَّدًا بالفحص النسيجي (66 في مرحلة مبكرة، و157 في مرحلة متقدمة) عولجوا بين يناير 2022 ومايو 2025. وُزّع المرضى على مجموعة تدريب ( n = 156) ومجموعة اختبار داخلية مستقلة ( n = 67) عبر أخذ عينات عشوائية طبقية بنسبة 7:3. خضع جميع المرضى لتصوير مقطعي محسَّن بالتباين خلال أسبوع واحد قبل الجراحة. اختيرت صور الطور الوريدي، ورُسمت يدويًا مناطق اهتمام (ROIs) ثلاثية الأبعاد تشمل الورم باستخدام 3D Slicer لاستخلاص السمات الإشعاعية (radiomics). ولاستبعاد تسرب البيانات بصرامة، أُجريت جميع خطوات المعالجة المسبقة — بما في ذلك توحيد مقياس السمات، واختيار السمات بطريقة LASSO، وضبط المعاملات الفائقة، وتحديد العتبة — حصريًا ضمن مجموعة التدريب باستخدام نهج قائم على خطوط المعالجة (pipeline) مع تحقق متقاطع بخمس طيّات. وقُيِّم ثبات اختيار السمات أيضًا باستخدام 50 تكرارًا من التحقق المتقاطع الطبقي المتكرر. بُنيت أربعة نماذج للتعلم الآلي: الانحدار اللوجستي (LR)، والغابة العشوائية (RF)، وXGBoost (XGB)، وآلة المتجهات الداعمة (SVM). وقُيِّم الأداء باستخدام منحنيات ROC ومنحنيات PR ومصفوفات الارتباك وتحليل منحنى القرار (DCA). وطُبّق تحليل SHAP على نموذج LR لأغراض قابلية التفسير.
النتائج: تم استخراج 107 من السمات الإشعاعية (radiomics) في المجموع، اختير منها 23 سمة رئيسية بواسطة انحدار LASSO. كشف تحليل استقرار اختيار السمات أن سمتين اختيرتا باستمرار في جميع التكرارات الخمسين (بتكرار 100%)، وأن سمة واحدة احتُفظ بها في ≥ 98% من التكرارات؛ وبوجه عام أظهرت 6 سمات تكرار اختيار ≥ 80%، وحققت 8 سمات تكرارًا ≥ 50%، بينما أظهرت السمات المتبقية تباينًا كبيرًا في الاختيار. في مجموعة الاختبار الداخلية المحجوزة، حقق نموذج LR قيمة AUC بلغت 0.926 (فاصل الثقة 95%: 0.860–0.978)، يليه SVM (AUC = 0.915، فاصل الثقة 95%: 0.848–0.973)، ثم RF (AUC = 0.893، فاصل الثقة 95%: 0.814–0.960)، ثم XGBoost (AUC = 0.889، فاصل الثقة 95%: 0.806–0.956). لم يُظهر اختبار DeLong فروقًا ذات دلالة إحصائية في AUC بين النماذج الأربعة (جميع قيم P > 0.05)؛ أما الفرق الهامشي بين LR وRF (فرق AUC = 0.033، P = 0.051) فلا يمثل سوى فجوة عددية ضعيفة دون تفوق إحصائي لنموذج LR. أظهر نموذج LR أداءً متوازنًا بدقة 0.836، وحساسية 0.830، ونوعية 0.850، وPPV 0.929، وNPV 0.680، ودرجة F1 0.876، ومتوسط الدقة (AP) 0.972؛ والجدير بالذكر أن LR سجّل أدنى معدل سلبيات كاذبة (17.0%)، مما يقلل المخاطر السريرية لنقص علاج سرطان المعدة المتقدم. أظهر اختبار Hosmer-Lemeshow معايرة جيدة لنماذج Random Forest ( P = 0.586) وXGBoost ( P = 0.081) وSVM ( P = 0.213)، بينما أظهر نموذج الانحدار اللوجستي دليلًا على سوء المعايرة ( P < 0.001). ورغم هذا القيد في المعايرة، فإن أداء نموذج LR التمييزي الممتاز (AUC = 0.926) يدعم فائدته السريرية كمصنِّف ثنائي. أشار تحليل DCA إلى أن النماذج الأربعة جميعها وفّرت فائدة سريرية، مع تقديم نموذج LR صافي فائدة مناسبًا عبر معظم احتمالات العتبة. وأكد تحليل SHAP أن اتجاهات مساهمة السمات المختارة مثل LeastAxisLength وSurfaceVolumeRatio كانت متسقة مع التفسيرات المرضية.
الخلاصة: أظهرت جميع نماذج التعلم الآلي الأربعة المبنية على صور الطور الوريدي للتصوير المقطعي المحوسب (CT) قدرة تمييزية متقاربة، دون وجود فروق ذات دلالة إحصائية في مساحة تحت المنحنى (AUC) بين النماذج وفقًا لاختبار DeLong (جميع قيم P > 0.05). ورغم أن نموذج الانحدار اللوجستي (LR) لا يتمتع بكفاءة تنبؤية أفضل إحصائيًا، فإنه يمتلك إمكانات أعلى للتطبيق السريري بفضل قابليته الممتازة للتفسير، وتوازن مقاييس التصنيف، وأدنى خطر للنتائج السلبية الكاذبة. ويمكن لنموذج LR، بفضل بنية معاملاته الشفافة وكفاءته التشخيصية الجيدة، أن يكون أداة كمية مساعدة في تحديد المرحلة قبل الجراحة واتخاذ قرارات العلاج، موفرًا أساسًا موضوعيًا لتشخيص سرطان المعدة (GC) وعلاجه بدقة. ويُشترط إجراء مزيد من التحقق المستقبلي الخارجي متعدد المراكز قبل النشر السريري الرسمي.
ما يعادل معامل التأثير للمجلة: 5.3 (متوسط الاستشهادات لمدة سنتين وفق OpenAlex، القيمة بتاريخ 2026-10-02، جرى الاسترجاع في 2026-10-03؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Zhang H, Liu Q, Lian W, Huang R, Zhao X, Li L, et al. CT venous-phase radiomics for preoperative differentiation of early and advanced gastric cancer: construction, comparison, and validation of machine-learning models. Cancer Imaging. 2026 Oct 8 [Epub ahead of print]. doi:10.1186/s40644-026-01132-7.تم التحقق: الملخص فقط
سرطان الكبد: العلاج والتجارب السريرية والذكاء الاصطناعي
- الملخص
الخلفية/الأهداف: يُعد تخصيص العلاج لسرطان الخلايا الكبدية (HCC) مهمة بالغة التعقيد تتطلب مساهمة لجنة أورام متعددة التخصصات (MDT)؛ غير أن إمكانية الوصول إليها وموثوقيتها قد تتفاوت عبر النظام الصحي. وقد برزت النماذج اللغوية الكبيرة (LLMs) كأدوات محتملة لدعم اتخاذ القرار السريري لمساعدة هذه اللجان. كان هدفنا مقارنة توصيات العلاج المختلفة التي تولّدها النماذج اللغوية الكبيرة لحالات HCC بقرارات اللجنة متعددة التخصصات.
الأساليب: حلّلنا بأثر رجعي 100 حالة من سرطان الخلايا الكبدية نوقشت في اجتماعات الفريق متعدد التخصصات (MDT) في مستشفى للرعاية الثالثية في كلوج-نابوكا، رومانيا. قُدّمت مطالبات متطابقة ومعلومات سريرية منظمة إلى أربعة نماذج لغوية كبيرة مختلفة (ChatGPT-5، وTumor Board ChatGPT مخصص، وGemini 2.5 Flash، وGemini 2.5 Pro)، وطُلب من كل منها تقديم توصيات علاجية. جرى تقييم التوافق مع قرارات الفريق متعدد التخصصات عبر خيارات العلاج الأول والثاني والثالث. وقُيّمت الفروق بين النماذج باستخدام اختبار Cochran’s Q واختبارات McNemar الدقيقة المعدّلة بطريقة Holm. وقُيّم الاتفاق المصحَّح للصدفة باستخدام معامل كابا لكوهين (κ)، كما استخدمت معادلات التقدير المعمَّمة لتقييم الارتباطات بين التوافق والتعقيد السريري.
النتائج: اتفاق التوصية الأولى كان 81% (فاصل الثقة 95%: 72.2–87.5) لنموذج GPT-5، و80% (71.1–86.7) لنموذج Gemini 2.5 Pro، و78% لنموذج TumorBoard ChatGPT (68.9–85.0)، و63% (53.2–71.8) لنموذج Gemini 2.5 Flash؛ وبلغ الاتفاق التراكمي ضمن أفضل 3 توصيات 95% و92% و95% و86% على التوالي. أظهر GPT-5 (κ = 0.754) وGemini 2.5 Pro (κ = 0.743) اتفاقًا كبيرًا بعد تصحيح أثر الصدفة. أما Gemini 2.5 Flash فقد أظهر اتفاقًا أقل بدلالة إحصائية، حتى بعد التعديل وفق مرحلة BCLC وفئة Child–Pugh وعبء الورم وفئة العلاج (p = 0.006)، بينما لم ترتبط متغيرات التعقيد السريري هذه ارتباطًا ذا دلالة إحصائية بالاتفاق.
الخلاصات: أظهرت نماذج LLM اتفاقًا متوسطًا إلى كبير مع قرارات الفريق متعدد التخصصات (MDT)، مع فروق ذات دلالة بين النماذج، في مرض معقد مثل سرطان الخلايا الكبدية (HCC). تبرز دراستنا أنه رغم ضرورة الإشراف البشري، يمكن لنماذج LLM أن تكون أدوات داعمة لإرشاد الخبراء في بعض الإعدادات السريرية، وتؤكد إمكانات الذكاء الاصطناعي في تحسين رعاية سرطان الكبد.
ما يعادل معامل التأثير للمجلة: 2.1 (متوسط الاستشهادات لمدة سنتين وفق OpenAlex، القيمة بتاريخ 2026-10-09، جرى الاسترجاع في 2026-10-10؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Grapa C, Mocan T, Leucuta DC, Mocan LP, Craciun R, Stefanescu H, et al. التوافق بين نماذج اللغة الكبيرة وتوصيات مجلس الأورام متعدد التخصصات في تخصيص العلاج لسرطان الخلايا الكبدية. Livers. 2026 Oct 8;6(5):104. doi:10.3390/livers6050104.تم التحقق: الملخص فقط - الملخص
مقدمة: قيّمت هذه الدراسة ما إذا كان بإمكان التصوير بالرنين المغناطيسي المعزز بـ Gd-DTPA التنبؤ بالدرجة المناعية (immunoscore) في سرطان الخلايا الكبدية (HCC) بشكل غير باضع قبل العلاج، دون الحاجة إلى أخذ عينات نسيجية. الطرق: تم بأثر رجعي تسجيل مرضى HCC الذين عولجوا جراحيًا وأجروا فحص رنين مغناطيسي معززًا بـ Gd-DTPA قبل الجراحة. وُزّع المرضى المؤهلون عشوائيًا على مجموعة تدريب ومجموعة تحقق وفق نظام توزيع عشوائي بنسبة 3:1. أُجريت الكيمياء النسيجية المناعية لقياس كثافة الخلايا الموجبة لـ CD3 والموجبة لـ CD8، وصُنّف المرضى إلى مجموعتي درجة مناعية مرتفعة ومنخفضة باستخدام القيمة الوسيطة كحد فاصل. رُسمت يدويًا أحجام الاهتمام التي تشمل الآفات الكبدية، بما في ذلك داخل الورم وهوامش 10 مم حول الورم، على تسلسلات الرنين المغناطيسي متعددة المعاملات لاستخلاص السمات الإشعاعية (radiomics). جُمعت البيانات السريرية والمرضية من السجلات الطبية الإلكترونية. استُخدمت آلة المتجهات الداعمة (SVM) لتطوير ثلاثة نماذج تنبؤية: (1) النموذج الإشعاعي داخل الورم (IRM)، (2) النموذج الإشعاعي المشترك داخل الورم وحوله (CRM)، و(3) النموذج الإشعاعي السريري المشترك (CCRM). قورن أداء النماذج باستخدام اختبار DeLong وقُيّم عبر المساحة تحت منحنى خصائص تشغيل المستقبِل (AUC) ومنحنيات المعايرة وتحليل منحنى القرار (DCA). النتائج: من بين 111 مريضًا مؤهلًا، خُصص 83 لمجموعة التدريب و28 لمجموعة التحقق. كانت الخصائص الأساسية متوازنة بين المجموعتين. أظهر CCRM أعلى قيم AUC في المجموعتين (التدريب: 0.947؛ التحقق: 0.913). وبالمقارنة مع IRM، أظهر CCRM أداءً أفضل بشكل ملحوظ في مجموعة التحقق (p = 0.016) ولكن ليس في مجموعة التدريب (p = 0.084). وفي مجموعة التحقق، لم يتفوق CCRM بشكل ملحوظ على CRM (p = 0.55)، بينما لوحظ فرق ملحوظ في مجموعة التدريب (p = 0.036). أظهرت منحنيات المعايرة توافقًا جيدًا. وأشار DCA إلى أن CCRM وCRM حققا فوائد صافية إجمالية متقاربة، كانت أعلى من فوائد IRM عبر احتمالات العتبة من 46% إلى 98%. المناقشة: يشير هذا النهج الإشعاعي إلى إمكانية استخدام الرنين المغناطيسي الروتيني المعزز بـ Gd-DTPA للتنبؤ بالدرجة المناعية قبل الجراحة في HCC، مما يوفر دليلًا أوليًا على توصيف المناعة الورمية. الخلاصة: يتيح نموذج إشعاعي يدمج سمات الرنين المغناطيسي داخل الورم وحوله التنبؤ غير الباضع بالدرجة المناعية قبل الجراحة في HCC، وقد يوفر دعمًا أوليًا لاتخاذ قرارات العلاج المناعي المخصص، مع أن التحقق الخارجي مطلوب.
ما يعادل معامل التأثير للمجلة: 1.3 (متوسط الاستشهادات لمدة سنتين وفق OpenAlex، القيمة بتاريخ 2026-10-09، جرى الاسترجاع في 2026-10-10؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Wang J, Jiang Y, Li Z, Xu D, Teng H, Meng H, et al. Radiomics Model Based on Gd-DTPA-enhanced Multiparametric MRI Supports Noninvasive Pretreatment Prediction of Immunoscore in Hepatocellular Carcinoma. CMIR. 2026 Sep 30;22. doi:10.2174/0115734056504350260925115431.تم التحقق: الملخص فقط
سرطان الكلى: العلاج والتجارب السريرية والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
سرطان المثانة: العلاج والتجارب والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.