الذكاء الاصطناعي وأبحاث السرطان ── 2026-10-13
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（1） · الرئة（0） · البنكرياس（0） · البروستاتا（0） · ACC（0） · الدماغ（0） · المبيض（0） · بطانة الرحم（0） · المعدة（1） · الكبد（0） · الكلى（0） · المثانة（0）
البيولوجيا الجزيئية للسرطان والذكاء الاصطناعي
- الملخص
يُعدّ تصنيف السرطان استناداً إلى المعلومات الجزيئية مشكلة تعلّم متعدد الفئات أكثر تعقيداً، إذ يمكن أن تُظهر الأورام الناشئة من أنسجة مختلفة أنماط تعبير مختلفة، كما يمكن أن تظهر سرطانات ذات خصائص جزيئية متشابهة في أنسجة مختلفة. تُستخدم بيانات التعبير الجيني من أطلس جينوم السرطان (TCGA) لإنشاء إطار عملي لتصنيف السرطان عبر أنواعه المختلفة (pan-cancer)، وهو الإطار الموصوف في هذه الورقة. تألفت مجموعة البيانات العاملة من 11,062 عينة موسومة تمثل 33 نوعاً من السرطان، بعد التحضير والوسم. جرى تقليص تمثيل المدخلات إلى 500 سمة من سمات التعبير الجيني باستخدام مرحلة اختيار السمات. ثم دُرّب مصنّف واحد متعدد الفئات من نوع XGBoost لفهم العلاقة بين نمط التعبير المختار وفئات السرطان الثلاث والثلاثين. حقق التنفيذ دقة (accuracy) بنسبة 94.49%، ودقة موجبة (precision) بنسبة 94.66%، واستدعاءً (recall) بنسبة 94.49%، ودرجة F1 قدرها 94.27% على بيانات اختبار محجوزة. ولجعل النموذج أسهل في الفحص، أُضيف تحليل لأهمية السمات يعتمد على SHAP. ونُشر النموذج المدرَّب ضمن لوحة معلومات Streamlit، مع واجهة خلفية FastAPI لرفع عينة تعبير جيني وعرض نوع السرطان المتوقع واحتمالات فئات السرطان ومعلومات التفسير. النظام نموذج أولي بحثي وتعليمي، وليس نظام تشخيص تم التحقق منه سريرياً؛ ويجب إجراء تحقق مستقل قبل أي تفسير سريري.
ما يعادل معامل التأثير للمجلة: 0.5 (متوسط الاستشهادات على مدى عامين وفق OpenAlex، القيمة حتى 2026-10-12، جرى الاسترجاع في 2026-10-13؛ وليس معامل التأثير الرسمي من Clarivate)المرجع: Lokesh N, Thara L, Kumuthaveni R. دراسة مقارنة لنماذج التعلم الآلي للتنبؤ بالسرطان عبر مختلف الأنواع وتحليل الميزات القابل للتفسير. Int J Sci Res Sci Eng Technol. 2026 Oct 11;13(5):296-308. doi:10.32628/ijsrset2613529.تم التحقق: الملخص فقط - الملخص
تؤثر أنماط النمو النسيجي المرضي (HGPs) في النقائل الكبدية لسرطان القولون والمستقيم (CRLM) تأثيرًا كبيرًا في تشخيص المرضى واستجابتهم للعلاج الجهازي. وبينما يرتبط النمط HGP الليفي (desmoplastic) بنتائج أفضل، فإن نمط الاستبدال (replacement HGP) يشير غالبًا إلى نمط ظاهري أكثر عدوانية. ولا يمكن للتصوير قبل الجراحة حاليًا التمييز بين هذه الأنماط، وغالبًا ما تكون الخزعات غير موثوقة بسبب محدودية أخذ العينات من السطح البيني بين الورم والكبد. تقيّم هذه المراجعة المنهجية والتحليل التلوي الأداء التشخيصي لنماذج الرديوميكس/التعلم العميق في التنبؤ غير الباضع بأنماط HGP استنادًا إلى بيانات التصوير. أُجريت هذه الدراسة وفق إرشادات PRISMA، مع البحث في 4 قواعد بيانات حتى 30 أغسطس 2026. وشملت الدراسات التي طوّرت نماذج رديوميكس أو تعلم عميق للتنبؤ بأنماط HGP لدى مرضى CRLM باستخدام التصوير المقطعي المحوسب أو التصوير بالرنين المغناطيسي قبل الجراحة. جرى تقييم الجودة المنهجية وخطر التحيز باستخدام أداتي RQS 2 وQUADAS-2. وحُسبت الحساسية والنوعية المجمّعتان باستخدام نموذج التأثيرات العشوائية. أُدرجت في المراجعة المنهجية ثمانية تقارير بأثر رجعي تمثل سبع مجموعات سكانية مستقلة من الدراسات؛ وأُدرجت في التحليل الكمي سبع مجموعات مستقلة تضم 724 مريضًا فريدًا. بلغت الحساسية والنوعية المجمّعتان 0.86 (فاصل الثقة 95%: 0.81–0.90) و0.77 (فاصل الثقة 95%: 0.64–0.87) على التوالي. وأعطى منحنى SROC قيمة AUC تبلغ 0.845. ولم يبلغ تحليل المجموعات الفرعية دلالة إحصائية في معظم التحليلات، وينبغي تفسير نتائجه بحذر نظرًا لمحدودية عدد الدراسات المتاحة. وبلغ متوسط درجة RQS 2.0 ما قيمته 17.1 (31%)، مما يشير إلى أنه رغم توحيد التطوير التقني، فإن التحقق المستقبلي وتدابير التطبيق السريري غير متوفرة حاليًا. أظهرت نماذج الذكاء الاصطناعي القائمة على التصوير أداءً تمييزيًا مشجعًا لتصنيف HGP بطريقة غير باضعة. ومع ذلك، لا تثبت الأدلة المتاحة فائدة سريرية أو تحسنًا في إدارة المرضى أو نتائجهم. وتلزم دراسات تحقق مستقبلية متعددة المراكز ودراسات تأثير القرار قبل النظر في التطبيق السريري.
ما يعادل معامل التأثير للمجلة: 2.7 (متوسط الاستشهادات على مدى عامين وفق OpenAlex، القيمة حتى 2026-10-12، جرى الاسترجاع في 2026-10-13؛ وليس معامل التأثير الرسمي من Clarivate)المرجع: Rahnama Y, Eghbali S, Pishraft-Sabet H, Eghbali S, Kolahi S, Ahmadi-Tafti SM, وآخرون. الرادیومکس التصويري للتنبؤ بأنماط النمو النسيجي المرضي في نقائل الكبد القولونية المستقيمية: مراجعة منهجية وتحليل تلوي تشخيصي. World J Surg Onc. 2026 Oct 11 [نُشر إلكترونيًا قبل الطباعة]. doi:10.1186/s12957-026-04613-y.تم التحقق: الملخص فقط
عرض جميع أبحاث بيولوجيا السرطان (2) →
سرطان الثدي: العلاج والتجارب السريرية والذكاء الاصطناعي
- الملخص
BACKGROUND: The heterogeneity of breast cancer is a key factor influencing treatment decisions and patient prognosis. As a crucial cell proliferation marker, the expression level of the Ki-67 protein is closely associated with tumor aggressiveness, recurrence risk, and prognosis. The goal of this study was to develop and validate an integrated radiomics model based on digital breast tomosynthesis (DBT) that incorporates both habitat subregions and peritumoral features to preoperatively predict Ki-67 expression status in breast cancer. METHODS: A total of 146 patients with invasive breast cancer who underwent preoperative DBT were retrospectively enrolled in the study and divided into training (n=102) and testing (n=44) cohorts. Intratumoral regions were manually segmented, whereas peritumoral regions (2, 4, and 6 mm) were automatically delineated using mask padding. Moran's index clustering was used to divide the tumors into four habitat subregions. Radiomics features were extracted from the intratumoral regions, habitat subregions, and peritumoral regions. Following feature selection, radiomics models were established using machine learning algorithms. A combined model was subsequently developed by integrating habitat subregions and peritumoral radiomics features with clinical factors. The area under the curve (AUC) was used to assess the performance of radiomics models. RESULTS: In predicting Ki-67 expression status, the rbf_support vector machine (SVM) model, constructed from habitat radiomics features, outperformed the other models, with AUC values of 0.841 and 0.820 in the training and testing cohorts, respectively. The combined model slightly increased the AUC values to 0.849 and 0.852, respectively. CONCLUSIONS: A combined model integrating habitat, peritumoral radiomics features, and clinical factors demonstrated optimal accuracy in predicting Ki-67 expression levels in breast cancer; this model may help clinicians develop personalized treatment plans for breast cancer patients.
ما يعادل معامل التأثير للمجلة: 1.9 (متوسط الاستشهادات على مدى عامين وفق OpenAlex، القيمة حتى 2026-10-12، جرى الاسترجاع في 2026-10-13؛ وليس معامل التأثير الرسمي من Clarivate)المرجع: Gong J, Zhuang Z, Liu S, Xu L, Liu H, Zhu H, et al. Moran’s index habitat and peritumoral radiomics based on digital breast tomosynthesis for predicting Ki-67 status in breast cancer. Quant Imaging Med Surg. 2026 Oct;16(10):807-7. doi:10.21037/qims-2026-1-0047.تم التحقق: الملخص فقط
عرض كل الأوراق البحثية عن الثدي (1) →
سرطان الرئة: العلاج والتجارب السريرية والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
سرطان البنكرياس: العلاج والتجارب السريرية والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
سرطان البروستاتا: العلاج والتجارب والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
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
يُعدّ فقر الدم قبل الجراحة شائعًا في سرطان المعدة، وقد يؤثر سلبًا في نتائج المرضى، ولا سيما النساء. هدفت هذه الدراسة إلى تقييم الأهمية التنبؤية لفقر الدم وبناء نموذج للتعلم الآلي يعتمد على مؤشرات مرتبطة بالالتهاب والتغذية للتنبؤ الفردي بالبقاء على قيد الحياة. جرى تحليل بيانات 1,178 مريضة بسرطان المعدة خضعن لاستئصال شافٍ من نوع R0 بأثر رجعي. قيّم تحليلا كابلان–ماير وكوكس الدور التنبؤي لفقر الدم. وتم اختيار المؤشرات الالتهابية والغذائية باستخدام الحذف التكراري للميزات، ثم طُوّرت عدة خوارزميات للتعلم الآلي للتنبؤ بالبقاء الكلي لمدة 5 سنوات. وقُيّم أداء النماذج وقابليتها للتفسير باستخدام مقاييس AUC وتحليل SHAP. تبيّن أن فقر الدم عامل تنبؤي سلبي مستقل. ولوحظت أنماط تنبؤية متمايزة لمؤشرات الالتهاب والتغذية بين مجموعتي المصابات بفقر الدم وغير المصابات به. حقق نموذج XGBoost أفضل أداء تنبؤي (AUC = 0.735 و0.773 على التوالي)، وقدّم تصنيفًا قابلًا للتفسير للمخاطر، إذ أظهرت المريضات عاليات الخطورة بقاءً أسوأ بدرجة ملحوظة عبر المجموعات الفرعية. أظهر نموذج XGBoost القائم على المؤشرات الدموية الروتينية أداءً تنبؤيًا واعدًا في هذه الدراسة الإثباتية أحادية المركز. ومع مزيد من التحقق الخارجي والتقييم المستقبلي، قد يصبح أداة بسيطة ومتاحة بسهولة للتقييم الأولي للمخاطر. غير أن فائدته السريرية الحالية لا تزال بحاجة إلى تأكيد في فئات أوسع من المرضى.
ما يعادل معامل التأثير للمجلة: 2.4 (متوسط الاستشهادات على مدى عامين وفق OpenAlex، القيمة حتى 2026-10-12، جرى الاسترجاع في 2026-10-13؛ وليس معامل التأثير الرسمي من Clarivate)المرجع: Qi J, Sun W, Zhang L, Jin X. Distinct prognostic patterns of inflammation nutrition indices in female gastric cancer patients with different anemia statuses and construction of an XGBoost predictive model. Discov Onc. 2026 Oct 11 [Epub ahead of print]. doi:10.1007/s12672-026-06051-4.تم التحقق: الملخص فقط
سرطان الكبد: العلاج والتجارب السريرية والذكاء الاصطناعي
لا توجد ورقة بحثية جديدة مؤهلة لهذا العدد.
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.