الذكاء الاصطناعي وأبحاث السرطان ── 2026-10-11
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（1） · البنكرياس（0） · البروستاتا（2） · ACC（0） · الدماغ（1） · المبيض（0） · بطانة الرحم（0） · المعدة（0） · الكبد（2） · الكلى（0） · المثانة（0）
البيولوجيا الجزيئية للسرطان والذكاء الاصطناعي
- الملخص
الخلفية: سرطان الرئة من أكثر الأورام الخبيثة فتكًا في العالم. ومع ذلك، لا يزال التمييز الدقيق بين الآفات الخبيثة تحت الجنبية والحالات الالتهابية الحميدة بواسطة التصوير بالموجات فوق الصوتية بالمقياس الرمادي صعبًا بسبب ذاتية المشغّل. قمنا بتطوير إطار تعلّم عميق من مرحلتين للتجزئة الآلية للآفات والتصنيف بين الحميد والخبيث، والتحقق من صحته. المواد والطرق: في هذه الدراسة بأثر رجعي، استُمدت بيانات البحث من المرضى المصابين بآفات تحت الجنبية (SPLs) الذين راجعوا المركز 1 بين Jan 2023–Dec 2024، ومن المرضى الذين جرى تجنيدهم من المركز 2 والمركز 3 Jun 2024–Dec 2024 (وشكّلوا مجموعتي الاختبار الخارجية 1 و2 على التوالي). اعتُمدت نماذج nnU-Net وU-Net وDeepLabv3 + لتجزئة الآفات، بينما استُخدمت نماذج DenseNet121/201 وEfficientNet-B0/B1/B2/B3/B4/B5 وResNet18/50/101 وInception-V3 وVGG19 للتصنيف بين الحميد والخبيث. جرى تقييم أداء النماذج باستخدام مقاييس منها معامل تشابه دايس والمساحة تحت منحنى خاصية تشغيل المستقبِل (AUC). قورن الأداء التشخيصي لـ 6 أخصائيي أشعة (3 مبتدئين، 3 كبار) ذوي خبرات متفاوتة بين القراءة دون مساعدة والقراءة بمساعدة الذكاء الاصطناعي؛ وقُدّرت الفروق المجمّعة للقرّاء الثلاثة بطريقة البوتستراب العنقودي على مستوى الحالة مع تعديل بونفيروني.
النتائج: أُدرج في الدراسة ما مجموعه 1059 مريضًا (61.32 ± 13.82 سنة؛ 726 مريضًا من الذكور). حقق نموذج nnU-Net أفضل تجزئة (Dice: 0.920 [مجموعة الضبط والتحقق، n = 257]، 0.913 [مجموعة الاختبار الخارجية 1، n = 108]، 0.915 [مجموعة الاختبار الخارجية 2، n = 94]). ومن بين ثلاث عشرة بنية تصنيف مرشحة، حقق DenseNet121 أفضل أداء على مجموعة الضبط والتحقق الداخلية، ولذلك اختير نموذجًا نهائيًا؛ ثم جرى تقييمه على مجموعتين خارجيتين، محققًا قيم AUC بلغت 0.889 (فاصل الثقة 95%: 0.827–0.951) و0.865 (فاصل الثقة 95%: 0.790–0.940) في مجموعتي الاختبار الخارجيتين 1 و2 على التوالي. وكانت الدقة التشخيصية الإجمالية أعلى بشكل ملحوظ في جلسة القراءة بمساعدة الذكاء الاصطناعي لدى أخصائيي الأشعة المبتدئين في كلتا مجموعتي الاختبار الخارجيتين (كلاهما P < 0.001 بعد تعديل Bonferroni)، في حين لم تبلغ التحسينات لدى أخصائيي الأشعة الكبار الدلالة الإحصائية بعد التعديل للمقارنات المتعددة.
الخلاصة: يمكن لنموذج التعلم العميق الذي بُني في هذه الدراسة أن يحقق بدقة التجزئة التلقائية والتصنيف بين الحميد والخبيث لصور الموجات فوق الصوتية لـ SPL، ليكون أداة تشخيصية مساعدة محتملة. تسجيل التجربة: لا ينطبق.
ما يعادل معامل التأثير للمجلة: 3.8 (متوسط الاستشهاد لمدة عامين في OpenAlex، القيمة بتاريخ 2026-10-02، تم الاسترجاع في 2026-10-03؛ وليس معامل التأثير الرسمي من Clarivate)المرجع: Ma Q, Liang T, Yi J, Bai H, Li Y, Shen M, et al. إطار عمل للتعلم العميق ثنائي المرحلة قائم على الموجات فوق الصوتية بالتدرج الرمادي للتجزئة التلقائية والتمييز بين الحميد والخبيث في الآفات الرئوية تحت الجنبية. BMC Med Imaging. 2026 Oct 9 [نُشر إلكترونيًا قبل الطباعة]. doi:10.1186/s12880-026-02887-y.تم التحقق: الملخص فقط - الملخص
لا يزال التنبؤ باستجابة السرطانات للعلاج صعبًا لأن الأورام متنوعة، وغالبًا ما تُظهر النماذج الحسابية أداءً ضعيفًا مع الأدوية أو العينات غير المألوفة. نبيّن هنا أن دقة نماذج التعلم العميق تختلف باختلاف المدخلات الجزيئية ووصف الأدوية وتصميم النماذج وإعدادات التقييم، مع أكبر خسارة في الأداء عند اختبار النماذج على أدوية لم تُرَ من قبل أو على مجموعات بيانات مختلفة. لذلك طورنا Drug Response Integration and Voting Ensemble، وهو إطار تعلّم فوقي (meta-learning) يجمع النماذج باستخدام تنبؤات من بيانات محجوزة. يحسّن مجمّع من تسعة نماذج دقة التنبؤ وترتيب الأدوية والاستقرار مقارنةً بالنماذج الفردية وأساليب التجميع الأخرى. نطبّق الإطار كسير عمل قابل لإعادة الإنتاج باستخدام Nextflow، ونستخدمه لبناء مورد يضم استجابات دوائية مقيسة ومتوقعة عبر خطوط الخلايا السرطانية والعينات المشتقة من المرضى ومكتبات المركبات. وفي سرطان القولون والمستقيم، يحدد الإطار علاجات ذات نشاط مضاد للأورام مؤكد في النماذج الخلوية والحيوانية. يوفر هذا النهج استراتيجية قابلة للتوسع لاكتشاف العلاجات. نقيّم نماذج الاستجابة الدوائية ونطوّر DRIVE، وهو مجمّع تعلّم فوقي للتنبؤ على نطاق واسع بحساسية السرطان للأدوية. يحسّن DRIVE المتانة ويعطي الأولوية لمركبات ذات نشاط مضاد للأورام مثبت في سرطان القولون والمستقيم.
المكافئ لمعامل تأثير المجلة: 6.6 (متوسط الاستشهادات لسنتين في OpenAlex، القيمة حتى 2026-10-10، تم الاسترجاع في 2026-10-11؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Feng Y, Zhou S, Luo S, Feng B, Wu H, Zeng Y, et al. إطار تجميعي للتنبؤ القوي بالاستجابة للأدوية ورسم ملامح الحساسية على نطاق واسع عبر أنواع السرطان. Commun Biol. 2026 Oct 8 [نُشر إلكترونيًا قبل الطباعة]. doi:10.1038/s42003-026-11124-9.تم التحقق: الملخص فقط
عرض جميع أبحاث بيولوجيا السرطان (2) →
سرطان الثدي: العلاج والتجارب السريرية والذكاء الاصطناعي
- الملخص
يسهّل التقييم قبل الجراحة لانتشار الورم إلى العقدة اللمفاوية الحارسة (SLN) إدارة الإبط بشكل فردي لدى المريضات المصابات بسرطان الثدي الغازي (IBC). هدفت هذه الدراسة إلى تطوير نموذج راديومكس بالموجات فوق الصوتية مشتق من التعلم العميق للتنبؤ بانتشار الورم إلى SLN والتحقق منه خارجيًا. في هذه الدراسة الاستعادية ثنائية المركز، جرى تسجيل 246 مريضة مصابة بسرطان IBC مؤكد بالفحص النسيجي. قُسّمت 194 مريضة من المركز A إلى مجموعتي تدريب ( n = 155) واختبار داخلي ( n = 39)، بينما شكّلت 52 مريضة من المركز B مجموعة التحقق الخارجي. استُخرجت الميزات العميقة من صور الموجات فوق الصوتية قبل الجراحة عبر ResNet50. وبعد اختيار الميزات داخل مجموعة التدريب، جرى بناء مصنِّف شجرة قرار معزَّزة بالتدرج. قُيِّم تمييز النموذج باستخدام تحليل خاصية تشغيل المستقبِل، وطُبّق تحليل منحنى القرار لتقييم استكشافي للمنفعة الصافية. وجرى الاحتفاظ باثنتين وعشرين ميزة مشتقة من التعلم العميق. حقق النموذج مساحات تحت منحنى خاصية تشغيل المستقبِل (AUC) بلغت 0.734 (فاصل ثقة 95%، 0.655–0.813) و0.761 (فاصل ثقة 95%، 0.601–0.920) و0.742 (فاصل ثقة 95%، 0.598–0.886) في مجموعات التدريب والاختبار الداخلي والتحقق الخارجي على التوالي. وفي المجموعة الخارجية، بلغت الدقة والحساسية والنوعية والقيمة التنبؤية الإيجابية (PPV) والقيمة التنبؤية السلبية (NPV) 0.769 و0.650 و0.844 و0.722 و0.794 على التوالي. وكانت منحنيات القرار استكشافية ولا تثبت الفائدة السريرية. أظهر النموذج قدرة تمييزية متوسطة للتنبؤ بانتشار الورم إلى SLN، مع تقديرات نقطية متشابهة لـ AUC لكن بفواصل ثقة واسعة عبر المجموعات؛ وهو يوفّر تمييزًا وترتيبًا للمخاطر بشكل أولي فقط ولا يمكن الاعتماد عليه سريريًا حاليًا. ويلزم إجراء تحقق مستقبلي في مجموعات أكبر قبل أي استخدام سريري.
ما يعادل معامل التأثير للمجلة: 3.8 (متوسط الاستشهاد لمدة عامين في OpenAlex، القيمة بتاريخ 2026-10-02، تم الاسترجاع في 2026-10-03؛ وليس معامل التأثير الرسمي من Clarivate)المرجع: He K، Qiu Y، Zeng B، Huang Z، Lin J، Chen J، وآخرون. التصوير الإشعاعي (الراديوميكس) المشتق من التعلم العميق المعتمد على الموجات فوق الصوتية للتنبؤ قبل الجراحة بانتقال العقدة الليمفاوية الحارسة في سرطان الثدي الغازي: دراسة استعادية في مركزين. BMC Med Imaging. 2026 Oct 9 [نُشر إلكترونيًا قبل الطباعة]. doi:10.1186/s12880-026-02919-7.تم التحقق: الملخص فقط - الملخص
يُعدّ التقييم الدقيق لحالة HER2 في سرطان الثدي أمرًا حاسمًا لتوجيه العلاج، وقد ازدادت أهميته مع ظهور مترافقات الأجسام المضادة والأدوية (antibody–drug conjugates)، التي باتت مُوصى بها الآن أيضًا في أورام HER2 المنخفض. غير أن التباين بين المراقبين وداخل المراقب الواحد يحدّ من قابلية إعادة إنتاج تقييم HER2 بالكيمياء المناعية النسيجية (IHC) بين أخصائيي علم الأمراض. وتتيح نماذج الذكاء الاصطناعي (AI) إمكانية توحيد الدقة التشخيصية وتحسينها، وتقديم رؤى جديدة حول أوجه القصور في الممارسات الحالية. أجرينا دراسة استقطبت أخصائيي علم أمراض عامين ومتخصصين من مراكز Rede D’Or في أنحاء البرازيل لتقييم صور الشرائح الكاملة الرقمية لـ HER2 IHC. عُرضت الصور نفسها على أخصائيي علم الأمراض بفاصل زمني قدره شهر واحد، وعلى نموذج الذكاء الاصطناعي AIM-HER2 (PathAI ®, Boston, MA). وقد قيس الاتفاق داخل المراقب الواحد وبين المراقبين، فضلًا عن الاتفاق مع الذكاء الاصطناعي، عبر 126 عينة من سرطان الثدي. كما حُلّلت العلاقة بين خصائص العينات ومقاييس الاتفاق باستخدام بيانات التفصيل المكاني للذكاء الاصطناعي. وبين أخصائيي علم الأمراض، بلغ الوسيط في الاتفاق داخل المراقب الواحد 66.67%، وبلغ الوسيط في الاتفاق مع الذكاء الاصطناعي 60.8%. أما الوسيط في الاتفاق بين المراقبين فبلغ 67.65%، مع اتفاق مرتفع (> 85%) في 25.4% من العينات. ولوحظت ارتباطات إيجابية ذات دلالة بين جميع مقاييس الاتفاق. وارتبطت العينات ذات التباين الداخلي الأقل، كما حددته درجات التفصيل المكاني للذكاء الاصطناعي، بمستويات اتفاق أعلى. وتُبرز نتائجنا تباينًا كبيرًا في تقييم HER2 IHC بين أخصائيي علم الأمراض. وقد وجدنا أن التباين الداخلي للعينة كما يقيّمه الذكاء الاصطناعي يرتبط بانخفاض معدل الاتفاق بين أخصائيي علم الأمراض. ونعتقد أن هذا يُظهر قيدًا محتملًا في ممارسات التقييم الحالية، وأن نماذج الذكاء الاصطناعي مثل AIM-HER2 يمكن أن تؤدي دورًا في زيادة قابلية إعادة إنتاج التحليل من خلال الإشارة إلى العينات الأكثر عرضة لأن تؤدي إلى اختلاف تشخيصي بين المقيِّمين.
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: Ferrari P, Petaccia de Macedo M, Werneck da Cunha I, Soares-Souza GB, Soares FA, Breast Cancer Cooperative Study Group, et al. تقييم نموذج الذكاء الاصطناعي لعدم التجانس داخل العينة لـ HER2 IHC في سرطان الثدي يرتبط بالاتفاق بين المراقبين وداخل المراقب الواحد لدى أخصائيي علم الأمراض. BMC Cancer. 2026 Oct 9 [نُشر إلكترونيًا قبل الطباعة]. doi:10.1186/s12885-026-17049-0.تم التحقق: الملخص فقط
سرطان الرئة: العلاج والتجارب السريرية والذكاء الاصطناعي
- الملخص
يظل الحد من التهاب المريء الحاد تحديًا سريريًا في علاج سرطان الرئة غير صغير الخلايا المتقدم موضعيًا بالعلاج الكيميائي الإشعاعي. في هذه الدراسة، استُخدمت خوارزميات التعلم الآلي للتنبؤ بالتهاب المريء الحاد لدى المرضى (العدد = 451؛ مجموعة التدريب 70% ومجموعة الاختبار المستقلة 30%) الذين عولجوا ضمن التجربة السريرية 0617 لمجموعة علاج الأورام بالإشعاع. دُرّبت عدة نماذج للتعلم الآلي للتنبؤ بالتهاب المريء من الدرجة ≥ 2 باستخدام سمات سريرية وسمات الراديوميكس (radiomics) وسمات قياس الجرعات/الدوزيوميكس (dosiomics). وقُيّم أداء النماذج باستخدام المساحة تحت منحنى خصائص تشغيل المستقبل (AUC). وجرى تفسير النموذج الأفضل أداءً باستخدام إطار شابلي للتفسير التراكمي وتحليل منحنى القرار. استند النموذج الأعلى دقة إلى سمات الراديوميكس–الدوزيوميكس باستخدام نموذج لاسو (أقل انكماش مطلق ومعامل الاختيار) (AUC = 0.70؛ فاصل الثقة 95%: 0.60–0.78). وحقق نموذج جديد يراعي هندسة المريء بالنسبة إلى موقع الورم قيمة AUC بلغت 0.67 (فاصل الثقة 95%: 0.58–0.76) باستخدام العلاقات في مخطط الجرعة–الحجم. وكشفت نماذج التعلم الآلي عن علاقات مهمة يمكن أن تسترشد بها خطط جرعات الإشعاع لتقليل الخطر الفردي وتيسير العلاج الإشعاعي المخصص.
ما يعادل معامل التأثير للمجلة: 1.5 (متوسط الاستشهاد لمدة عامين في OpenAlex، القيمة بتاريخ 2026-10-10، تم الاسترجاع في 2026-10-11؛ وليس معامل التأثير الرسمي من Clarivate)المرجع: Upadhaya T, Chetty IJ, Lui J, Atkin KM. توصيف التهاب المريء الناجم عن الإشعاع باستخدام خوارزميات تعلّم الآلة القابلة للتفسير لمرضى سرطان الرئة الذين عولجوا في التجربة السريرية NRG/RTOG 0617. AIH. 2026 Oct 8;0(0):026220054. doi:10.36922/aih026220054.تم التحقق: الملخص فقط
سرطان البنكرياس: العلاج والتجارب السريرية والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
سرطان البروستاتا: العلاج والتجارب والذكاء الاصطناعي
- الملخص
يُظهر سرطان البروستاتا (PCa) تباينًا سريريًا عميقًا، وتعجز أدوات التنبؤ الحالية عن رصد المحركات الجزيئية للتطور العدواني. ويشكّل التفاعل الوظيفي بين التكاثر الذي يقوده E2F وتنظيم نقطة التفتيش G2/M محورًا أساسيًا يربط اختلال تنظيم دورة الخلية بالاعتماد على إصلاح تلف الحمض النووي، ومع ذلك ما تزال التواقيع المتكاملة التي تلتقط هذا التداخل غائبة. طورنا حزمة AutoML مخصصة بلغة R لبناء نماذج تنبؤية ومقارنتها معياريًا بشكل منهجي عبر عدة أفواج مستقلة من مرضى PCa. وتم إنشاء توقيع E2F-G2M متكامل والتحقق منه عبر خمسة أفواج مستقلة تضم 1,128 مريضًا. وأُجريت التوصيفات الجينومية والتنبؤ بالحساسية للأدوية والتحقق التجريبي لدراسة الخصائص البيولوجية والآثار العلاجية لتوقيع E2F-G2M. تم تنشيط مساري E2F وG2/M بشكل متسق أثناء تطور PCa، وتنبأ كل منهما بشكل مستقل بسوء النتائج. وحقق توقيع E2F-G2M المتكامل متوسط C‑index بلغ 0.78 عبر أربعة أفواج خارجية من PCa، متفوقًا على النماذج أحادية المسار والمتغيرات السريرية التقليدية والتواقيع المبلّغ عنها سابقًا. ارتبطت الأورام ذات E2F-G2M المرتفع بتغيرات متكررة في جينات كبح الورم، وبإشارات AR مضعفة، وبسمات شبيهة بالغدد الصماء العصبية. بالإضافة إلى ذلك، أظهرت الأورام ذات E2F-G2M المرتفع حساسية لمثبطات PARP ولبعض العوامل المستهدفة لإجهاد التضاعف، بما في ذلك مثبطات ATR وWEE1 وCHK1/2، بينما أظهرت حساسية أقل لمثبطات CDK4/6 وATM. وأظهرت استراتيجيات الجمع التي تستهدف برامج دورة الخلية المرتبطة بـE2F وتنظيم نقطة التفتيش G2/M تآزرًا يعتمد على السياق ويرتبط بحالة RB1. يوفر توقيع E2F-G2M المتكامل إطارًا تنبؤيًا قويًا يلتقط أنماط PCa العدوانية ويحدد نقاط ضعف علاجية محتملة.
ما يعادل معامل التأثير للمجلة: 10.3 (متوسط الاستشهاد لمدة عامين في OpenAlex، القيمة بتاريخ 2026-10-10، تم الاسترجاع في 2026-10-11؛ وليس معامل التأثير الرسمي من Clarivate)المرجع: Wang L, Wang L. توقيع E2F-G2M مشتق من التعلم الآلي للتصنيف التنبؤي والاستهداف العلاجي في سرطان البروستاتا العدواني. Cell Commun Signal. 2026 Oct 9 [Epub ahead of print]. doi:10.1186/s12964-026-03276-2.تم التحقق: الملخص فقط - الملخص
الهدف: يؤثر النكس الكيميائي الحيوي (BCR) بعد استئصال البروستات الجذري بالمنظار (LRP) تأثيرًا كبيرًا في البقاء طويل الأمد لدى مرضى سرطان البروستات (PCa). هدفت هذه الدراسة إلى تطوير نموذج تعلّم آلي قابل للتفسير والتحقق من صحته، يدمج الخصائص السريرية والنسيجية المرضية مع المؤشرات الالتهابية والغذائية قبل الجراحة، للتنبؤ بالبقاء الخالي من النكس (RFS) واستكشاف أهداف علاجية جزيئية محتملة.
الأساليب: تم تحليل دراسة أترابية بأثر رجعي شملت 320 مريضًا بسرطان البروستاتا (PCa) خضعوا لاستئصال البروستاتا الجذري بالمنظار (LRP) في مستشفى بكين تشاويانغ، جامعة العاصمة الطبية. وقد دمجنا المتغيرات الديموغرافية والسريرية-المرضية وسبعة مؤشرات التهابية/غذائية مركّبة قبل LRP. واستُخدم مسار تعلّم آلي للبقاء يعتمد على Mime، يجمع بين اختيار السمات المستند إلى نموذج Cox وخوارزميات البقاء. وتم تقييم أداء النموذج باستخدام مؤشر التوافق (C-index)، ومنحنى ROC المعتمد على الزمن، ومنحنيات المعايرة، وتحليل منحنى القرار (DCA). واستُخدم SHAP (SHapley Additive exPlanations) لتفسير النموذج واستخلاص حدود فاصلة سريرية. علاوة على ذلك، تم تحديد الجينات المتقاطعة بين BCR ونسبة اللمفاويات إلى الوحيدات (LMR) والمؤشر الغذائي التنبؤي (PNI) عبر GeneCards، تلا ذلك فحص الحساسية الدوائية والالتحام الجزيئي.
النتائج: أظهر نموذج StepCox[both] المدمج مع نموذج غابة البقاء العشوائية (Random Survival Forest) أفضل أداء، محققًا مؤشر C في التحقق بلغ 0.788. وحدد تحليل SHAP العوامل الخمسة الأهم للتنبؤ بالانتكاس: نسبة اللمفاويات إلى الوحيدات (LMR) قبل الجراحة، ودرجة PNI، ودرجة غليسون بعد الجراحة ≥ 8، وإيجابية الحواف الجراحية، والغزو اللمفاوي الوعائي. وحُددت قيم القطع المستخلصة من النموذج عند LMR = 3.9 وPNI = 48.8. وكشف تحليل التقاطع عن 1211 هدفًا مشتركًا بين BCR وLMR وPNI، وجاء TP53 وPTEN في المراتب الأعلى. وأشار تحليل الحساسية الدوائية والالتحام الجزيئي إلى تأثيرات تثبيطية محتملة لمركبات مثل sabutoclax وdordaviprone على هذه الأهداف.
الخلاصات: قد يكون النموذج المقترح تصنيفاً قوياً وقابلاً للتفسير للمخاطر لدى مرضى سرطان البروستاتا بعد الجراحة. ويتيح دمج التنميط السريري مع الالتحام الجزيئي الاستكشافي مساراً انتقالياً من المؤشرات التنبؤية إلى فرضيات علاجية محتملة، مما يستدعي مزيداً من التحقق المستقبلي.
ما يعادل معامل التأثير للمجلة: 3.5 (متوسط الاستشهاد لمدة عامين في OpenAlex، القيمة بتاريخ 2026-10-10، تم الاسترجاع في 2026-10-11؛ وليس معامل التأثير الرسمي من Clarivate)المرجع: Wang H, Zhang Y, Li Z, Wu J, Cao H, Gan L, et al. نموذج تنبؤي قابل للتفسير قائم على التعلم الآلي يدمج المؤشرات الحيوية الالتهابية والغذائية للنكس الكيميائي الحيوي بعد استئصال البروستاتا: التطوير والتحقق الداخلي واستكشاف الأهداف الانتقالية. Curr Oncol. 2026 Oct 9;33(10):608. doi:10.3390/curroncol33100608.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
- الملخص
الخلفية/الأهداف: الأورام الدبقية المنتشرة من النوع البالغ (ADGs) أورام دماغية عدوانية تتباين نتائجها السريرية تباينًا كبيرًا. يمكن لتقييم التنبؤ بالمآل مباشرةً من صور الشرائح الكاملة (WSIs) الملوّنة بالهيماتوكسيلين والإيوسين (H&E) الروتينية أن يدعم اتخاذ القرارات المخصّصة.
الأساليب: على حد علمنا، هذه أول مقارنة معيارية منهجية لنماذج الأساس في علم الأمراض (FMs) وطرق التعلّم متعدد الحالات (MIL) لتصنيف مخاطر البقاء الكلي (OS) في ADGs وفق تصنيف منظمة الصحة العالمية (WHO) لعام 2021. جرى تحليل مجموعة أترابية استعادية متعددة المؤسسات تضم 817 مشاركًا من The Cancer Genome Atlas (TCGA). بعد تجزئة الأنسجة وتنقيح البيانات على مستوى الرقع، قمنا بتقييم 77 تركيبة من FM-MIL في علم الأمراض (11 نموذج أساس × 7 طرق MIL)، إلى جانب سبعة إعدادات أساسية من ResNet-50 (84 إعدادًا للمشفّر-MIL في المجموع)، باستخدام تحقق متقاطع من 10 طيّات على مستوى المريض. وقيّم تقييم قائم على الاضطراب مدى أمانة آلية الانتباه.
النتائج: حقق UNI2 مع MambaMIL أعلى مؤشر توافق مُتحقَّق منه بالتحقق المتقاطع (C-index = 0.77)، في حين كانت قيمة AUC المعتمدة على الزمن متواضعة (0.60–0.61 عند 12–36 شهرًا)، وأدّت عدة تركيبات أداءً متقاربًا. أظهر تحليل كابلان–ماير فصلًا معنويًا بين مجموعتي الخطورة العالية والمنخفضة (log-rank p = 9.16 × 10−17؛ نسبة الخطورة [HR] = 2.90، فاصل الثقة 95% [CI]: 2.23–3.76)، بوسيط للبقاء الكلي (OS) بلغ 16.6 شهرًا (95% CI: 15.0–20.4) مقابل 63.5 شهرًا (95% CI: 43.9-NR) على التوالي. وأكد التقسيم إلى ثلاثة أثلاث وجود تدرج رتيب في البقاء الكلي من 94.5 شهرًا إلى 14.7 شهرًا (p = 3.25 × 10−17). ولم يكن التقسيم بحسب الخطورة داخل أنواع WHO 2021 المنفردة معنويًا. وتفوقت معظم النماذج التأسيسية (FMs) الخاصة بالمجال على خط الأساس المدرَّب مسبقًا على ImageNet، وأدّت إزالة الرقع التي حظيت باهتمام عالٍ إلى انخفاض الأداء، مما يدعم أمانة الانتباه.
الخلاصات: ظلّت درجة المخاطر المستمدة من الذكاء الاصطناعي مرتبطة بالبقاء الكلي (OS) بعد التعديل وفق المتغيرات السريرية والجزيئية الفردية، لكن لم تثبت قيمة تنبؤية مستقلة في النموذج المعدَّل بالكامل (HR = 1.32، فاصل الثقة 95%: 0.94–1.85، p = 0.104)، ويعكس تمييزها إلى حد كبير الفروق بين أنواع تصنيف منظمة الصحة العالمية 2021. يوفّر إطار المقارنة المعيارية هذا إرشادات لتصميم FM-MIL في تطبيقات علم الأمراض الحاسوبي التي تستهدف التنبؤ بالبقاء؛ ويلزم التحقق الخارجي قبل التطبيق السريري.
المكافئ لمعامل تأثير المجلة: 5.3 (متوسط الاستشهادات لسنتين في OpenAlex، القيمة حتى 2026-10-07، تم الاسترجاع في 2026-10-08؛ ليس معامل التأثير الرسمي من Clarivate)المرجع: Innani S, Pitarch-Abaigar C, Majeed MM, Harmsen H, Bell WR, Makris D، وآخرون. التقسيم الطبقي للمخاطر التنبؤية بالاعتماد على الذكاء الاصطناعي لمرضى الورم الدبقي المنتشر من النوع البالغ انطلاقًا من شرائح مصبوغة بصبغة H&E. Cancers. 2026 Oct 9;18(20):3259. doi:10.3390/cancers18203259.تم التحقق: الملخص فقط
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
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
سرطان الكبد: العلاج والتجارب السريرية والذكاء الاصطناعي
- الملخص
يُعدّ التنبؤ بمقاومة العلاج بالانصمام الكيميائي عبر الشريان (TACE) أمرًا بالغ الأهمية لتحسين استراتيجيات العلاج في سرطان الخلايا الكبدية (HCC)؛ إلا أن التقييم الدقيق للمخاطر لا يزال يمثل تحديًا. فالاستجابة العلاجية الأولية، التي تُرصد من خلال التصوير والمؤشرات السريرية، تعكس الحساسية الكامنة للعلاج وتحمل قيمة تنبؤية كبيرة بشأن المقاومة على المدى الطويل. وقد قيّمت هذه الدراسة تباين تأثير العلاج بعد جلسة TACE الأولى بهدف تطوير مخطط نوموغرام متعدد الوسائط للتنبؤ بمقاومة TACE بعد الجلسات المتكررة. وباستخدام الرادیومكس للموائل المكانية في التصوير بالرنين المغناطيسي متعدد المعلمات، حددنا ثلاثة موائل مُعرَّفة بالتصوير ذات أنماط إشارة تشبه النخر التميعي، والورم الحي المتبقي، والنخر التخثري. ومن خلال دمج ميزات الموائل مع الميزات الراديومكسية التقليدية، جرى بناء درجة راديومكسية قابلة للتفسير باستخدام ثماني خوارزميات للتعلم الآلي. ثم دُمجت هذه الدرجة لاحقًا مع المعلمات السريرية الديناميكية الطولية لبناء مخطط نوموغرام سريري-راديومكسي مشترك. وحقق المخطط مساحات تحت المنحنى (AUC) بلغت 0.924 و0.860 و0.864 في مجموعات التدريب والتحقق الداخلي والتحقق الخارجي على التوالي. وتشير هذه النتائج إلى أن دمج الرادیومكس الموائلي مع الميزات السريرية الديناميكية قد يساعد في تصنيف خطر مقاومة TACE اللاحقة بعد جلسة TACE الأولى وقبل العلاج المتكرر، مما قد يدعم التقييم المبكر للاستجابة للعلاج واتخاذ القرارات السريرية الفردية.
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: Liu JK, Gu YQ, Sun QA, Chang JH, Zhao J, Liu YB, وآخرون. الإشعاعيات (Radiomics) للموائل في التصوير بالرنين المغناطيسي متعدد المعاملات والمعاملات السريرية الديناميكية الطولية تتنبأ بمقاومة TACE في سرطان الخلايا الكبدية (HCC). Sci Rep. 2026 Oct 9 [نشر إلكتروني قبل الطباعة]. doi:10.1038/s41598-026-74555-8.تم التحقق: الملخص فقط - الملخص
يعتمد الاستئصال التشريحي للكبد لعلاج سرطان الخلايا الكبدية (HCC) اعتمادًا كبيرًا على التحديد الدقيق أثناء الجراحة لتشريح الوريد البابي. وعلى الرغم من أن الموجات فوق الصوتية أثناء الجراحة (IOUS) تُعدّ المعيار الذهبي للملاحة الوعائية في الوقت الفعلي خلال جراحة الكبد، فإن تحديد فروع الوريد البابي الخاصة بكل قطعة كبدية يظل صعبًا من الناحية التقنية ويعتمد بدرجة كبيرة على خبرة الجراح. وقد يحسّن تفسير الموجات فوق الصوتية بمساعدة الذكاء الاصطناعي كفاءة وثبات التعرف على الأوعية أثناء الجراحة؛ غير أن معظم الدراسات السابقة اقتصرت على تحليل الصور الثابتة دون تطبيق جراحي في الوقت الفعلي. هدفت هذه الدراسة إلى تطوير وتقييم خط معالجة للتعلم العميق قائم على YOLOv5 للتعرف التلقائي على فروع مختارة من الوريد البابي أثناء الموجات فوق الصوتية بالمنظار أثناء الجراحة، وإلى بحث جدوى تطبيقه في الوقت الفعلي أثناء الاستئصال التشريحي للكبد. جُمعت بأثر رجعي ما مجموعه 3254 صورة بالموجات فوق الصوتية بالمنظار أثناء الجراحة من 100 مريض متتالين خضعوا لاستئصال تشريحي للكبد بسبب سرطان الخلايا الكبدية، وقام جراحو الكبد والمرارة ذوو الخبرة بوضع التعليقات التوضيحية عليها يدويًا. قُسمت مجموعة البيانات المُعلَّمة إلى مجموعات مستقلة للتدريب والتحقق والاختبار (80% و15% و5% على التوالي) على مستوى المريض. دُرّب نموذج YOLOv5 النهائي باستخدام خمس فئات محددة مسبقًا من الوريد البابي الأيمن: P58 وP67 وP6 وP7 وP8d. واستُخدم النموذج نفسه ذو الفئات الخمس دون إعادة تدريب أو تعديل للفئات أثناء التحقق المستقبلي في الوقت الفعلي لدى 20 مريضًا. حقق النموذج متوسط دقة ([email protected]) بلغ 0.941 على مجموعة بيانات الاختبار المستقلة. وبلغت أعلى قيمة لمقياس F1 0.58 عند عتبة ثقة 0.202، بينما بلغت الدقة (precision) 1.00 عند عتبة ثقة 0.764. وكانت الدقة على مستوى الإطار لكل فرع 0.81 للفرع P58 و0.81 للفرع P67 و0.80 للفرع P8d و0.79 للفرع P7 و0.78 للفرع P6. وخلال التحقق المستقبلي أثناء الجراحة، أجرى النظام تعرفًا مستمرًا في الوقت الفعلي بزمن معالجة أقل من 50 ملّي ثانية لكل إطار. وقد أظهر خط المعالجة المقترح الجدوى التقنية للتعرف في الوقت الفعلي على خمس فئات مختارة من الوريد البابي الأيمن أثناء الموجات فوق الصوتية بالمنظار أثناء الجراحة. وتلزم مزيد من الدراسات متعددة المراكز ذات التغطية التشريحية الأوسع وأفواج مستقبلية أكبر لإثبات قابلية التعميم والفائدة السريرية.
ما يعادل معامل التأثير للمجلة: 3.5 (متوسط الاستشهاد لمدة عامين في OpenAlex، القيمة بتاريخ 2026-10-10، تم الاسترجاع في 2026-10-11؛ وليس معامل التأثير الرسمي من Clarivate)المرجع: Xu J, Zhang X, Li S, Wei Y, Huang S, Cao L, et al. A deep-learning pipeline to assist portal vein identification during laparoscopic ultrasound scanning for anatomical liver resection in real time. Eur J Med Res. 2026 Oct 9 [Epub ahead of print]. doi:10.1186/s40001-026-05291-y.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.