AI और कैंसर अनुसंधान ── 2026-10-12
कैंसर और AI पर नए शोध-पत्र, जो जर्नल फ़ीड, PubMed (सभी जर्नलों में खोज) और OpenAlex (Google Scholar की जगह इस्तेमाल होने वाला सार्वजनिक सूचकांक) से एकत्र किए गए हैं, और जिन्हें Jev (भाषा-आधारित निर्णय लेने वाला AI) ने परखा है: मौलिक शोध, AI की केंद्रीय भूमिका, 13 विषयों में से कौन-सा, उपचार या परीक्षण, और फिर दैनिक सीमा तक महत्व के आधार पर क्रमबद्ध। जर्नलों को इम्पैक्ट फ़ैक्टर के आधार पर नहीं छाँटा जाता; हर शोध-पत्र के साथ उसके जर्नल का IF-समतुल्य (OpenAlex का दो-वर्षीय औसत उद्धरण मान) और उस मान की तारीख दिखाई जाती है। हर प्रविष्टि में मूल सार पूरा दिखाया जाता है।
कैंसर के प्रकार के अनुसार पढ़ें: कैंसर जीवविज्ञान（1） · स्तन（0） · फेफड़े（1） · अग्न्याशय（1） · प्रोस्टेट（2） · एसीसी（0） · मस्तिष्क（2） · डिम्बग्रंथि（0） · एंडोमेट्रियल（0） · गैस्ट्रिक（0） · लिवर（1） · किडनी（0） · मूत्राशय（0）
कैंसर आणविक जीवविज्ञान और AI
- सार
BACKGROUND AND PURPOSE: Magnetic resonance-guided radiotherapy (MRgRT) offers high-quality soft tissue contrast and treatment monitoring, supporting longitudinal radiomics analysis. We investigated treatment-related radiomic changes during stereotactic body radiotherapy (SBRT) for liver metastases and healthy liver. MATERIALS AND METHODS: Features were extracted from the gross tumour volume (GTV) and five 2-cm liver rings around the planning target volume (PTV) in 34 patients treated with five-fraction MRgSBRT. Features showing changes below baseline variability or high correlation (Spearman's |r| > 0.9) were excluded, with pre-treatment values averaged into a robust baseline. Linear regression slopes informed uniform manifold approximation and projection (UMAP) followed by hierarchical density-based spatial clustering of applications with noise (HDBSCAN) for patient stratification, with false discovery rate-corrected Kruskal-Wallis testing identifying representative features. Correlations with GTV volume and mean cumulative liver-ring dose were evaluated. RESULTS: Of 160 GTV features, 55 uncorrelated features remained. Three patient groups ( n = 4, 10, and 20) with distinct longitudinal patterns were identified. Intensity-based energy showed significant differences across patient groups (adjusted p = 0.001), weakly correlated (|r| volume in the two larger groups. In the innermost liver ring, 49 uncorrelated features were analysed. Two patient groups ( n = 19 and 15) were identified, with intensity-based energy , mean intensity , and maximum intensity showing significant group differences, weakly correlated with mean cumulative dose. CONCLUSIONS: This longitudinal MR-based radiomics framework identified GTV and healthy liver patient groups, with distinct treatment-related feature changes. This pipeline could be extended to integrate treatment response assessment in future studies.
जर्नल IF-समतुल्य: 1.9 (OpenAlex 2-वर्षीय औसत उद्धरण दर, 2026-10-11 तक का मान, 2026-10-12 को प्राप्त; आधिकारिक Clarivate IF नहीं)संदर्भ: Paunoiu A, Fritsak M, Gabryś HS, Christ SM, Guckenberger M, Tanadini-Lang S, et al. Longitudinal radiomics of liver metastases during magnetic resonance-guided radiotherapy. Phys Imaging Radiat Oncol. 2026 Sep;41:101094. doi:10.1016/j.phro.2026.101094; PMCID: PMC13651652.जाँचा गया: पूर्ण पाठ जाँचा गया
सभी 1 कैंसर जीवविज्ञान शोध पत्र देखें →
स्तन कैंसर: उपचार, ट्रायल और AI
इस अंक के लिए कोई नया योग्य पेपर नहीं।
फेफड़ों का कैंसर: उपचार, ट्रायल और AI
- सार
पृष्ठभूमि: फेफड़े का कैंसर कैंसर से संबंधित मृत्यु का एक प्रमुख कारण बना हुआ है, और पोस्टऑपरेटिव जोखिम स्तरीकरण फुफ्फुसीय उच्छेदन के बाद व्यक्तिगत निगरानी में सहायक हो सकता है। इस अध्ययन का उद्देश्य सामान्यतः उपलब्ध नैदानिक, रोगविज्ञानी और प्रयोगशाला चरों का उपयोग करके 3 वर्ष की पोस्टऑपरेटिव मृत्यु दर के लिए एक अन्वेषणात्मक पूर्वानुमान मॉडल विकसित करना और उसका आंतरिक सत्यापन करना था, साथ ही परिणाम निर्धारण, मॉडल अंशांकन और एकल-केंद्र पूर्वव्यापी समूह की सीमाओं को स्पष्ट रूप से संबोधित करना भी था। विधियाँ: फ़ीचर चयन के लिए LASSO रिग्रेशन का उपयोग किया गया, इसके बाद सात एल्गोरिदम की तुलना की गई: लॉजिस्टिक रिग्रेशन, डिसीजन ट्री, रैंडम फ़ॉरेस्ट, सपोर्ट वेक्टर मशीन, कृत्रिम तंत्रिका नेटवर्क, XGBoost और LightGBM। 7:3 आंतरिक होल्ड-आउट विभाजन में मॉडल की विभेदन क्षमता, अंशांकन और निर्णय-वक्र प्रदर्शन का मूल्यांकन किया गया। अंतिम मॉडल का चयन मुख्य रूप से आंतरिक सत्यापन AUC के आधार पर किया गया, जिसमें अंशांकन और वर्गीकरण मापदंडों को भी साथ-साथ ध्यान में रखा गया। अंतिम मॉडल से एक वेब-आधारित कैलकुलेटर और एक नॉमोग्राम विकसित किया गया। परिणाम: परिणाम-निर्धारित अंतिम विश्लेषणात्मक नमूने में, 350 रोगियों में से 166 (47.43%) को 36 महीनों के भीतर मृत्यु वाले के रूप में वर्गीकृत किया गया और 184 (52.57%) 36 महीनों के बाद भी जीवित थे। यह अनुपात चयनित विश्लेषणात्मक समूह की घटना-संरचना को दर्शाता है और इसे जनसंख्या-स्तर पर पोस्टऑपरेटिव मृत्यु दर का अनुमान नहीं माना जाना चाहिए। LASSO द्वारा छह पूर्वसूचक बनाए रखे गए: T स्टेज, वायुमार्ग प्रसार, प्लूरल आक्रमण, Ki-67 सूचकांक, BMI और डायरेक्ट बिलीरुबिन। रैंडम फ़ॉरेस्ट ने प्रशिक्षण सेट में पूर्ण प्रत्यक्ष विभेदन दिखाया (AUC = 1.00), लेकिन सत्यापन में यह घटकर 0.73 रह गया। लॉजिस्टिक रिग्रेशन ने सर्वाधिक सत्यापन AUC (0.79; 95% CI, 0.70-0.87) प्राप्त किया, जिसमें सटीकता 0.75, F1 स्कोर 0.73 और Brier स्कोर 0.187 था, और इसलिए इसे अंतिम मॉडल के रूप में चुना गया। निष्कर्ष: अंतिम लॉजिस्टिक रिग्रेशन मॉडल ने मध्यम आंतरिक विभेदन क्षमता और फेफड़े के कैंसर उच्छेदन के बाद 3 वर्ष की मृत्यु जोखिम के अन्वेषणात्मक अनुमान के लिए एक व्याख्यायोग्य ढाँचा प्रदान किया। नॉमोग्राम और वेब-आधारित कैलकुलेटर ने मॉडल के दृश्यीकरण को सुगम बनाया, लेकिन परिणाम-निर्धारित विश्लेषणात्मक समूह, संभावित घटना-संवर्धन और बाह्य सत्यापन के अभाव ने निरपेक्ष जोखिम की व्याख्या और प्रत्यक्ष नैदानिक अनुप्रयोग को सीमित किया। इसलिए, उचित पुनः-अंशांकन के साथ स्वतंत्र बहुकेंद्रीय और संभावित सत्यापन आवश्यक है।
जर्नल IF-समतुल्य: 2.6 (OpenAlex 2-वर्षीय औसत उद्धरण दर, 2026-10-08 तक का मान, 2026-10-09 को प्राप्त; आधिकारिक Clarivate IF नहीं)संदर्भ: Liu C, Wu Y, Wang J, Lei K, Xing Y, Kang M, आदि। फेफड़े के कैंसर की सर्जरी के बाद 3-वर्षीय मृत्यु दर के लिए मशीन-लर्निंग मॉडल का विकास और आंतरिक सत्यापन: एक ऑनलाइन जोखिम कैलकुलेटर और नोमोग्राम। Front Med (Lausanne). 2026 Sep 25;13:1815915. doi:10.3389/fmed.2026.1815915; PMCID: PMC13649404.जाँचा गया: पूर्ण पाठ जाँचा गया
अग्न्याशय कैंसर: उपचार, परीक्षण और AI
- सार
अग्नाशयी डक्टल एडेनोकार्सिनोमा (PDAC) में गहन स्ट्रोमल विषमता पाई जाती है, जो ट्यूमर की प्रगति, पुनरावृत्ति के जोखिम और उपचार की प्रतिक्रिया को प्रभावित करती है; हालांकि, स्ट्रोमल फेनोटाइप का आकलन वर्तमान में शल्यक्रिया के बाद हिस्टोपैथोलॉजी द्वारा किया जाता है। यहाँ, हमने PDAC में गैर-आक्रामक ट्यूमर-स्ट्रोमा अनुपात (TSR) फेनोटाइपिंग को सक्षम बनाने के लिए सुपर-रिज़ॉल्यूशन MRI (srMRI) आधारित रेडियोमिक्स मॉडल विकसित किया। 737 रोगियों वाले बहुकेंद्रीय समूहों का उपयोग करते हुए, हमने srMRI से व्युत्पन्न TSR-radscore बनाया, जो पैथोलॉजिकल TSR का उच्च सटीकता के साथ पूर्वानुमान लगाने में सक्षम है (प्रशिक्षण और बाह्य सत्यापन समूहों में AUC = 0.870 और 0.791)। TSR-radscore ने पुनरावृत्ति-मुक्त उत्तरजीविता का स्वतंत्र रूप से स्तरीकरण किया और, नैदानिक-रोगविज्ञान संबंधी चरों के साथ एकीकृत करने पर, एक स्वतंत्र शल्यचिकित्सा समूह में शीघ्र पुनरावृत्ति के पूर्वानुमान में सुधार किया। स्थानीय रूप से उन्नत PDAC समूह में, srMRI से व्युत्पन्न TSR भिन्न चिकित्सीय परिणामों से जुड़ा था, जिसमें H-TSR ट्यूमर प्रणालीगत चिकित्सा के तहत बेहतर उत्तरजीविता दिखाते हैं और इम्यून चेकपॉइंट इनहिबिटर-आधारित संयोजन चिकित्सा के बाद के परिणामों से भी संबद्ध पाए गए। ट्रांसक्रिप्टोमिक विश्लेषणों से पता चला कि L-TSR ट्यूमर एक्स्ट्रासेलुलर मैट्रिक्स रीमॉडलिंग और TGF-β से संबंधित सिग्नलिंग पाथवे में समृद्ध थे। सिंगल-सेल प्रोफाइलिंग ने TSR फेनोटाइप में भिन्न कैंसर-संबद्ध फाइब्रोब्लास्ट और T-सेल अवस्थाओं को और उजागर किया, जो इमेजिंग से व्युत्पन्न TSR पैटर्न को अंतर्निहित स्ट्रोमल और प्रतिरक्षा सूक्ष्म-पर्यावरणीय कार्यक्रमों से जोड़ता है। कुल मिलाकर, srMRI से व्युत्पन्न TSR फेनोटाइपिंग PDAC में स्ट्रोमल लक्षण-निर्धारण के लिए एक गैर-आक्रामक और जैविक रूप से व्याख्या-योग्य बायोमार्कर प्रदान करती है, जिससे पुनरावृत्ति-जोखिम स्तरीकरण और उपचार-पूर्व नैदानिक आकलन में सुधार संभव होता है।
जर्नल IF-समतुल्य: 10.8 (OpenAlex 2-वर्षीय औसत उद्धरण दर, 2026-10-11 तक का मान, 2026-10-12 को प्राप्त; आधिकारिक Clarivate IF नहीं)संदर्भ: Wang X, Xie Z, Li H, Tang Q, Zhou J, Huang J, et al. Super‐Resolution MRI–Derived Tumor‐Stroma Ratio Phenotyping for Prognostic and Therapeutic Stratification in Pancreatic Ductal Adenocarcinoma. MedComm (2020). 2026 Oct 9;7(10):e71039. doi:10.1002/mco2.71039; PMCID: PMC13650606.जाँचा गया: पूर्ण पाठ जाँचा गया
प्रोस्टेट कैंसर: उपचार, ट्रायल और AI
- सार
उद्देश्य: प्रोस्टेट कैंसर के लिए एक्टिव सर्विलांस (AS) पर चल रहे या उसके लिए पात्र पुरुषों में परिणामों का पूर्वानुमान लगाने वाले MRI-आधारित रेडियोमिक और आर्टिफिशियल इंटेलिजेंस मॉडलों की व्यवस्थित समीक्षा करना, और यह देखना कि क्या रिपोर्ट किए गए एंडपॉइंट मात्रात्मक संश्लेषण की अनुमति देते हैं। विधि: PRISMA 2020 का पालन करते हुए, हमने PubMed, Scopus, Embase और Web of Science (2000-September 2026) में खोज की। दो समीक्षकों ने स्वतंत्र रूप से छंटाई की, डेटा निकाला, तथा पूर्वाग्रह के जोखिम (QUADAS-2, PROBAST) और पद्धतिगत गुणवत्ता (METRICS) का आकलन किया। तीन उपसमूह परिभाषित किए गए: निदान के समय AS का चयन, नैदानिक रूप से महत्वपूर्ण कैंसर की बेसलाइन पर पहचान, और फॉलो-अप के दौरान प्रगति। पूलिंग उन उपसमूहों के लिए पूर्व-निर्धारित थी जिनमें कम से कम चार स्वतंत्र कोहोर्ट थे; एंडपॉइंट की समतुल्यता का आकलन किया गया। परिणाम: 12 अद्वितीय कोहोर्ट में से सत्रह अध्ययन शामिल किए गए। सात प्रकाशन दो कोहोर्ट से प्राप्त हुए; अतिव्यापन के समाधान के बाद 12 स्वतंत्र कोहोर्ट-स्तरीय अनुमान (n = 2703) शेष रहे। नौ प्रकाशनों (चार स्वतंत्र कोहोर्ट) ने प्रगति को संबोधित किया (AUC 0.70 से 0.95), लेकिन प्रगति को पाँच गैर-समतुल्य तरीकों से परिभाषित किया गया था, किसी भी ग्रेड-ग्रुप वृद्धि से लेकर संयुक्त कोर-काउंट मानदंडों तक, जिससे मात्रात्मक संश्लेषण संभव नहीं हो सका। 17 में से 16 अध्ययनों में पूर्वाग्रह का जोखिम उच्च या अस्पष्ट था; METRICS स्कोर की माध्यिका 32.3 % थी (सीमा 18.9-52.3 %)। किसी भी अध्ययन ने प्रगति के लिए बाहरी सत्यापन या कैलिब्रेशन की रिपोर्ट नहीं की। निष्कर्ष: प्रगति एंडपॉइंट विषम थे और उनमें से कई सीमित नैदानिक प्रासंगिकता के थे। नैदानिक उपयोग पर विचार किए जाने से पहले प्राथमिकता है: AS के लिए एक कोर आउटकम सेट (कम से कम ISUP ग्रेड ग्रुप ≥3 और/या स्पष्ट रेडियोलॉजिकल प्रगति), जिसके बाद PRECISE v2 (Prostate Cancer Radiological Estimation of Change in Sequential Evaluation) स्कोर के साथ आमने-सामने तुलना सहित बहु-केंद्रीय बाहरी सत्यापन।
जर्नल IF-समतुल्य: 3.6 (OpenAlex 2-वर्षीय औसत उद्धरण दर, 2026-10-11 तक का मान, 2026-10-12 को प्राप्त; आधिकारिक Clarivate IF नहीं)संदर्भ: Kyle ET, Sweeney KJ, McCabe DH, O’Sullivan NJ, Corr A, Sheehy N, et al. प्रोस्टेट कैंसर की एक्टिव सर्विलांस के लिए MRI-आधारित रेडियोमिक्स: एक व्यवस्थित समीक्षा। European Journal of Radiology. 2026 Dec;205:113291. doi:10.1016/j.ejrad.2026.113291.जाँचा गया: केवल सार - सार
फ़ाउंडेशन मॉडल को इमेज में जटिल पैटर्न पहचानने के लिए भारी मात्रा में डेटा पर प्रशिक्षित किया जाता है। इसके बाद, न्यूनतम कंप्यूटेशनल संसाधनों के साथ अनेक डाउनस्ट्रीम कार्यों को अपनाया जा सकता है। हमने HistoEncoder विकसित किया है, जो प्रोस्टेट कैंसर डिजिटल पैथोलॉजी के लिए एक फ़ाउंडेशन मॉडल है और जिसे 4.8 करोड़ प्रोस्टेट ऊतक टाइल इमेज पर प्री-ट्रेन किया गया है। HistoEncoder ऐसे हिस्टोलॉजिकल फ़ीचर्स के स्वचालित निष्कर्षण की सुविधा देता है जो Gleason पैटर्न के अत्यधिक सटीक पूर्वानुमानक हैं, और यह काफ़ी बड़े पैन-कैंसर फ़ाउंडेशन मॉडलों के बराबर प्रदर्शन हासिल करता है, जबकि कहीं अधिक कुशल है। थोड़े डेटा और कंप्यूटेशनल संसाधनों के साथ मॉडल को फ़ाइन-ट्यून करके, हम HistoEncoder के दो क्लिनिकल उपयोग बताते हैं। पहला, HistoEncoder का उपयोग बड़े पैमाने के डेटासेट को उच्च सटीकता के साथ स्वचालित रूप से एनोटेट करने के लिए किया जा सकता है। दूसरा, हम दिखाते हैं कि आंतरिक क्रॉस-वैलिडेशन में HistoEncoder से प्राप्त हिस्टोलॉजी क्लस्टर में Gleason ग्रेडिंग जैसी ही परिमाण की रोगनिदान संबंधी जानकारी होती है। HistoEncoder जैसे हल्के फ़ाउंडेशन मॉडल संगठनों को व्यापक डेटासेट और भारी कंप्यूटिंग के बिना प्रभावी क्लिनिकल सॉफ़्टवेयर टूल बनाने में सक्षम बनाते हैं।
जर्नल IF-समतुल्य: 3.3 (OpenAlex 2-वर्षीय औसत उद्धरण दर, 2026-10-11 तक का मान, 2026-10-12 को प्राप्त; आधिकारिक Clarivate IF नहीं)संदर्भ: Pohjonen J, Batouche O, Kantola J, Rannikko A, Sandeman K, Erickson A, et al. HistoEncoder: प्रोस्टेट कैंसर के लिए एक डिजिटल पैथोलॉजी फ़ाउंडेशन मॉडल। Journal of Pathology Informatics. 2026 Nov;23:100715. doi:10.1016/j.jpi.2026.100715.जाँचा गया: केवल सार
एडेनॉइड सिस्टिक कार्सिनोमा: उपचार, ट्रायल और AI
इस अंक के लिए कोई नया योग्य पेपर नहीं।
मस्तिष्क ट्यूमर: उपचार, परीक्षण और AI
- सार
पृष्ठभूमि: ग्लायोमा के निदान और पूर्वानुमान, दोनों के लिए आणविक विशेषताएँ मूलभूत हैं। प्रारंभिक सर्जरी के समय विशिष्ट आणविक विशेषताएँ आमतौर पर उपलब्ध नहीं होतीं; हालाँकि, आणविक लक्षणों की पूर्व जानकारी शल्य रणनीति को सार्थक रूप से दिशा दे सकती है। उद्देश्य: ग्लायोमा ऊतक में IDH उत्परिवर्तन और MGMT प्रमोटर मेथिलेशन की स्थिति को वर्गीकृत करने के लिए प्रतिदीप्ति स्पेक्ट्रमी विशेषताओं पर प्रशिक्षित मशीन लर्निंग मॉडल की व्यवहार्यता निर्धारित करना। विधियाँ: 5-ALA-निर्देशित सर्जरी के दौरान ऊतक के नमूने एकत्र किए गए और प्रतिदीप्ति स्पेक्ट्रा दर्ज करने के लिए फाइबर प्रोब से जाँचे गए। प्रतिदीप्ति डेटा को ब्लाइंड और रैंडमाइज़ किया गया तथा केवल प्रासंगिक तरंगदैर्ध्यों को शामिल करने के लिए छाँटा गया। प्रत्येक ट्यूमर नमूने के लिए आणविक डेटा (IDH की स्थिति और MGMT मेथिलेशन) दर्ज किया गया और मशीन लर्निंग एल्गोरिदम में शामिल किया गया। एल्गोरिदम को प्रत्येक लेबल वाले आधे रोगियों के प्रतिदीप्ति डेटा पर प्रशिक्षित किया गया, और फिर मॉडल का परीक्षण शेष आधे पर किया गया। परिणाम: अध्ययन में सत्ताईस रोगियों को शामिल किया गया, जिनमें 8000 से अधिक स्पेक्ट्रा मापे गए। IDH-उत्परिवर्ती नमूनों की पहचान 87% सटीकता से की गई। एल्गोरिदम MGMT मेथिलेशन को विश्वसनीय रूप से वर्गीकृत करने में असमर्थ रहा। निष्कर्ष: इस प्रूफ-ऑफ-कॉन्सेप्ट अध्ययन में, प्रतिदीप्ति स्पेक्ट्रा पर लागू मशीन लर्निंग IDH स्थिति के वास्तविक समय में शल्यक्रिया के दौरान पूर्वानुमान के लिए आशाजनक दिखती है। बड़े समूहों में IDH और 1p/19q स्थिति को एकीकृत करने वाला आगे का कार्य आवश्यक है।
जर्नल IF-समतुल्य: 0.9 (OpenAlex 2-वर्षीय औसत उद्धरण दर, 2026-10-11 तक का मान, 2026-10-12 को प्राप्त; आधिकारिक Clarivate IF नहीं)संदर्भ: Dablouk MO, Buckley K, Faul S, O’Sullivan MGJ. ग्लियोमा में IDH वर्गीकरण के लिए इंट्राऑपरेटिव फ्लोरोसेंस स्पेक्ट्रोस्कोपी: एक व्यवहार्यता अध्ययन. British Journal of Neurosurgery. 2026 Oct 9 [प्रिंट से पहले ऑनलाइन प्रकाशित]. doi:10.1080/02688697.2026.2746372.जाँचा गया: केवल सार - सार
पृष्ठभूमि और उद्देश्य: मस्तिष्क के वेंट्रिकुलर तंत्र (VS) का सेगमेंटेशन रेडियोथेरेपी के लिए केंद्रीय है, चाहे वह इंट्राक्रेनियल जर्म सेल ट्यूमर (GCTs) में संपूर्ण-वेंट्रिकुलर विकिरण के लिए हो या पेरिवेंट्रिकुलर क्षेत्र की सुरक्षा के लिए। जटिल और परिवर्तनशील VS शरीर रचना के कारण मैन्युअल डिलिनिएशन चुनौतीपूर्ण हो जाता है और ऑटो-सेगमेंटेशन मॉडल का विकास बाधित होता है। हमने बाल चिकित्सा मैग्नेटिक रेजोनेंस इमेजिंग (MRI) पर VS और ब्रेनस्टेम सेगमेंटेशन के लिए एक डीप-लर्निंग (DL) मॉडल के मूल्यांकन और वर्कफ़्लो एकीकरण की रिपोर्ट दी। सामग्री और विधियाँ: एक nnU-Net को 76 अद्वितीय ब्रेन ट्यूमर मामलों के MRI पर प्रशिक्षित किया गया ( n = 73/71 क्रमशः T1/T2 के लिए)। मूल्यांकन में दो स्वतंत्र पूर्वव्यापी समूहों का उपयोग किया गया: (i) GCTs, जिनका मूल्यांकन MRI-से-CT रजिस्ट्रेशन मैपिंग के बाद प्लानिंग कंप्यूटेड टोमोग्राफी (CT) छवियों पर किया गया ( n = 13/14), और (ii) ब्रेन ट्यूमर, जिनका मूल्यांकन MRI पर किया गया ( n = 14)। प्रदर्शन का आकलन मैन्युअल कंटूर के विरुद्ध डाइस समानता गुणांक (DSC) और हॉसडॉर्फ दूरी (HD) से किया गया। नियमित नैदानिक योजना में संभावित (प्रॉस्पेक्टिव) तैनाती से उपयोगिता और वर्कफ़्लो एकीकरण का आकलन किया गया। परिणाम: GCT-CT समूह में, प्लानिंग CT पर रिजिड/डिफॉर्मेबल मैपिंग के बाद, ब्रेनस्टेम सेगमेंटेशन ने >0.85 के माध्यिका DSC और ≤5.0/6.4 mm के HD 95 प्राप्त किए, जबकि VS सेगमेंटेशन ने >0.70 के DSC और ≤5.3/4.3 mm के HD 95 प्राप्त किए। MR समूह में, T1-/T2-भारित MRI पर प्रदर्शन दोनों संरचनाओं के लिए ≥0.90 के DSC तक पहुँचा, और HD 95 ब्रेनस्टेम तथा VS के लिए क्रमशः ≤3.0/3.4 mm और ≤ 1.3/2.2 mm रहे। DL-सेगमेंटेशन वर्कफ़्लो ने मैन्युअल कंटूरिंग की तुलना में वर्कफ़्लो समय को >50% कम किया। निष्कर्ष: GCT-CT समूह में कम प्रदर्शन संभवतः अधिक शोरयुक्त CT-आधारित संदर्भों, पर्यवेक्षकों के बीच परिवर्तनशीलता और अशोधित ज्यामितीय/शारीरिक बेमेल को दर्शाता है। मॉडल की सटीकता जोखिम-संरचना डिलिनिएशन और GCTs में लक्ष्य-आयतन सेगमेंटेशन के माध्यम से बाल चिकित्सा ब्रेन ट्यूमर में रेडियोथेरेपी योजना का समर्थन करती है।
जर्नल IF-समतुल्य: 1.9 (OpenAlex 2-वर्षीय औसत उद्धरण दर, 2026-10-11 तक का मान, 2026-10-12 को प्राप्त; आधिकारिक Clarivate IF नहीं)संदर्भ: Heinzelmann F, Hörst F, Heine L, Fragemann J, Rempe M, Luijten G, et al. Deep learning segmentation of the cerebral ventricular system and brainstem for pediatric radiotherapy planning. Phys Imaging Radiat Oncol. 2026 Sep;41:101086. doi:10.1016/j.phro.2026.101086; PMCID: PMC13651686.जाँचा गया: पूर्ण पाठ जाँचा गया
सभी 2 मस्तिष्क शोध पत्र देखें →
डिम्बग्रंथि कैंसर: उपचार, ट्रायल और AI
इस अंक के लिए कोई नया योग्य पेपर नहीं।
एंडोमेट्रियल कैंसर: इलाज, परीक्षण और AI
इस अंक के लिए कोई नया योग्य पेपर नहीं।
गैस्ट्रिक कैंसर: उपचार, ट्रायल और AI
इस अंक के लिए कोई नया योग्य पेपर नहीं।
यकृत कैंसर: उपचार, परीक्षण और AI
- सार
पृष्ठभूमि: न्यूक्लियर β-कैटेनिन का संचय हेपेटोसेलुलर कार्सिनोमा (HCC) में Wnt/β-कैटेनिन मार्ग के सक्रियण को दर्शाता है, लेकिन इस इम्यूनोहिस्टोकेमिकल फेनोटाइप का गैर-आक्रामक पूर्व-शल्य पूर्वानुमान अभी तक पूरी तरह स्थापित नहीं है। उद्देश्य: HCC में न्यूक्लियर β-कैटेनिन अभिव्यक्ति के पूर्व-शल्य पूर्वानुमान के लिए CT रेडियोमिक्स और टोपोलॉजी-आधारित अंतः-ट्यूमर विषमता (ITH) मॉडल विकसित करना और उनका बाह्य सत्यापन करना। सामग्री और विधियाँ: इस बहुकेंद्रीय पूर्वव्यापी अध्ययन में हिस्टोपैथोलॉजी से पुष्ट HCC वाले 1029 रोगियों को शामिल किया गया। दो भागीदार संस्थानों के रोगियों ने विकास समूह बनाया और उन्हें प्रशिक्षण (n=620; न्यूक्लियर β-कैटेनिन-पॉज़िटिव, 293) तथा आंतरिक सत्यापन (n=267; न्यूक्लियर β-कैटेनिन-पॉज़िटिव, 126) सेटों में विभाजित किया गया। एक स्वतंत्र तीसरे संस्थान के रोगियों ने बाह्य सत्यापन समूह (n=142; न्यूक्लियर β-कैटेनिन-पॉज़िटिव, 43) बनाया। संपूर्ण-ट्यूमर पोर्टल वीनस फेज़ CT रेडियोमिक्स विशेषताएँ और टोपोलॉजी-आधारित ITH विशेषताएँ ऑडिट किए गए इमेज-मास्क समूह से निकाली गईं। मॉडल की विभेदन क्षमता, अंशांकन और नैदानिक उपयोगिता का मूल्यांकन AUC, बूटस्ट्रैप 95% विश्वास अंतराल, अंशांकन सारांश, ब्रियर स्कोर और डिसीज़न कर्व विश्लेषण से किया गया। परिणाम: बाह्य सत्यापन में, AUC नैदानिक मॉडल के लिए 0.677, रेडियोमिक्स मॉडल के लिए 0.862, ITH मॉडल के लिए 0.857, कोर ITH मॉडल के लिए 0.831, रेडियोमिक्स-ITH मॉडल के लिए 0.863 और स्टैकिंग मॉडल के लिए 0.886 थे। केवल रेडियोमिक्स की तुलना में, स्टैकिंग ने 0.024 का संख्यात्मक ΔAUC दिखाया (95% CI, -0.010 से 0.060; P=0.180)। निष्कर्ष: CT रेडियोमिक्स और टोपोलॉजी-आधारित ITH विशेषताओं ने HCC में न्यूक्लियर β-कैटेनिन अभिव्यक्ति के लिए बाह्य पूर्वानुमान मूल्य दर्शाया। स्टैकिंग मॉडल का बाह्य AUC सबसे अधिक था, लेकिन केवल रेडियोमिक्स की तुलना में उसका सुधार सांख्यिकीय रूप से महत्वपूर्ण नहीं था। यदि भावी सत्यापन हो जाए, तो ये CT-आधारित दृष्टिकोण उपचार-पूर्व जैविक स्तरीकरण के लिए ऊतक मूल्यांकन के पूरक हो सकते हैं।
जर्नल IF-समतुल्य: 2.5 (OpenAlex 2-वर्षीय औसत उद्धरण दर, 2026-10-11 तक का मान, 2026-10-12 को प्राप्त; आधिकारिक Clarivate IF नहीं)संदर्भ: Tan Y, Xu S, Liu X, Liao W, Zhu R, Shen M, et al. CT radiomics and topology-based intratumoral heterogeneity for preoperative prediction of nuclear β-catenin expression in hepatocellular carcinoma. Abdom Radiol. 2026 Oct 10 [Epub ahead of print]. doi:10.1007/s00261-026-05788-4.जाँचा गया: केवल सार
किडनी कैंसर: उपचार, ट्रायल और AI
इस अंक के लिए कोई नया योग्य पेपर नहीं।
मूत्राशय कैंसर: उपचार, परीक्षण और AI
इस अंक के लिए कोई नया योग्य पेपर नहीं।