高达 40% 的女性在乳房再造后因与个人喜好不一致的意外结果而感到不满意。确定患者在考虑手术时看重哪些属性可以改善共同决策。基于自适应选择的联合 (ACBC) 分析可以得出个人水平的治疗偏好。确定乳房重建的哪些属性对于考虑手术的女性最重要，并描述这些属性对于那些喜欢皮瓣重建和植入物重建的女性有何不同。该网络-基于横断面的研究于2022年3月1日至2023年1月31日在杜克大学进行，并于2022年6月1日至12月31日期间通过Love Research Army与ACBC分析进行。参与者包括杜克大学 105 名新诊断出乳腺癌或有乳腺癌遗传倾向且正在考虑乳房切除术和重建的女性，以及 301 名有乳腺癌病史或通过 Love Research Army 登记处确定有遗传倾向的女性。相对重要性评分，总体而言，406 名女性（105 名来自杜克大学 [平均 (SD) 年龄，46.3 (10.5) 岁] 和 301 名来自爱情研究军登记处 [平均 (SD) 年龄， 59.2（11.9）年]）参加了。最重要的属性是腹部发病风险（平均 [SD] 相对重要性 [RI]，28% [11%]），其次是主要并发症的几率（RI，25% [10%]）、额外并发症的数量手术（RI，23% [12%]）、乳房外观（RI，13% [12%]）和恢复时间（RI，11% [7%]）。大多数参与者 (344 [85%]) 更喜欢基于种植体的重建；这些参与者最关心腹部发病率（平均 [SD] RI，30% [11%]），其次是并发症的风险（平均 [SD]，RI，26% [11%]）和额外手术（平均 [SD] RI，26% [11%]） ] RI，21% [12%]）。相比之下，选择皮瓣重建的参与者最关心的是额外手术（平均 [SD] RI，31% [15%]）、乳房外观（平均 [SD] RI，27% [16%]）以及手术风险。并发症（平均 [SD] RI，18% [6%]）。与选择皮瓣重建独立相关的因素包括已婚（比值比 [OR]，2.30 [95% CI，1.04-5.08]；P = .04）和较高的教育水平（大学教育；OR，2.43 [95% CI，1.01] -5.86]；P = .048），而收入水平高于 75000 美元则与选择皮瓣轮廓的可能性降低相关（OR，0.45 [95% CI，0.21-0.97]；P = .01） 。喜欢皮瓣外观的受访者愿意接受腹部发病率平均 (SD) 增加 14.9% (2.2%) (n = 113) 或并发症 (n = 115) 6.4% (4.8%) 的可能性。这项研究提供有关女性在做出乳房重建决定时如何重视其护理的不同方面的信息。未来的研究应该评估引发个人偏好的决策辅助工具如何帮助定制患者与医生的讨论，将术前咨询重点放在对每个患者最重要的因素上，并最终改善以患者为中心的护理。

很少有研究调查对携带致病性种系 BRCA1 或 BRCA2 变异的先前切除的乳腺癌患者进行预防性输卵管卵巢切除术 (PSO) 是否与癌症特异性死亡风险降低相关。 ) 象限切除术或乳房切除术作为 BRCA1 或 BRCA2 乳腺癌患者主要治疗后的预后。这项回顾性队列研究是在单一机构的三级转诊中心进行的。研究人员招募了 1972 年至 2019 年间连续接受手术治疗的浸润性乳腺癌患者，并在发现携带 BRCA1 或 BRCA2 基因变异后进行前瞻性随访。数据分析于 2022 年 4 月至 2023 年 7 月期间进行。乳房手术后，一些患者接受了 PSO、PM 或两者都接受，而其他患者则没有。主要研究终点是通过 Kaplan-Meier 方法测量的总生存期。次要终点是乳腺癌特异性死亡率、同侧乳腺肿瘤复发 (IBTR)、对侧乳腺癌、卵巢癌和卵巢癌特异性死亡率的粗累积发生率。队列中包括 480 名患者（初次手术时的中位年龄， 40.0 岁；IQR，34.0-46.0 岁），PSO 与死亡风险显着降低相关（风险比 [HR]，0.40；95% CI，0.25-0.64；P < .001）。对于携带 BRCA1 变异的患者（HR，0.35；95% CI，0.20-0.63；P = .001）和三阴性疾病患者（HR，0.21；95% CI，0.09-0.46；P），这种降低最为明显。 = .002），以及浸润性导管癌患者（HR，0.51；95% CI，0.31-0.84；P = .008）。预防性输卵管卵巢切除术与对侧乳腺癌或 IBTR 的风险无关。初始或延迟的 PM 与 IBTR 风险降低相关，但与总体生存率或乳腺癌特异性死亡率无关。研究结果表明，应向所有接受手术以减少 IBTR 风险的 BRCA1/2 乳腺癌患者提供 PSO。死亡风险。特别是，应在乳房手术时向 BRCA1 变异患者提供 PSO。

用于诊断皮肤病图像的人工智能 (AI) 训练需要大量干净数据。皮肤科图像具有不同的组成，并且许多由于隐私问题而无法访问，这阻碍了人工智能的发展。从黑色素瘤和痣的非标准化互联网图像中构建用于判别性和生成性人工智能的训练数据集。在这项诊断研究中，总共有5619（CAN5600 数据集）和 2006（CAN2000 数据集；手动修改的 CAN5600 子集）黑色素瘤或痣的裁剪病变图像是使用基于区域的卷积神经网络 (CNN) 从互联网上大约 500000 张照片中半自动注释的CNN 和大型掩模修复。对于无监督预训练，还通过从大约 80 个国家的 18482 个网站收集图像，创建了具有多样性的 132673 个可能的病变（LESION130k 数据集）。使用生成对抗网络（StyleGAN2-ADA；训练， CAN2000数据集；预训练， LESION130k数据集）生成总共5000张合成图像（GAN5000数据集）。用于确定恶性的受试者工作特征曲线下面积（AUROC）分析了肿瘤。在每次测试中，使用 7 个预先存在的公共数据集（总共 2312 个图像；包括爱丁堡、SNU 子集、Asan 测试、滑铁卢、7 点标准评估、PAD-UFES-20 和 MED-NODE）中的 1 个作为测试数据集。随后，对 EfficientNet Lite0 CNN 在所提出的数据集上的性能与在其余 6 个预先存在的数据集上训练的 EfficientNet Lite0 CNN 的性能进行了比较研究。在带注释或合成图像上训练的 EfficientNet Lite0 CNN 取得了更高或相当的平均值 (SD)使用经过病理证实的公共数据集对 EfficientNet Lite0 进行 AUROC 训练，包括 CAN5600 (0.874 [0.042]; P = .02)、CAN2000 (0.848 [0.027]; P = .08) 和 GAN5000 (0.838 [0.838 [0.838 ])。 040]；P = .31 [Wilcoxon 符号秩检验]) 和预先存在的数据集通过训练数据集大小的增加而组合 (0.809 [0.063])。本诊断研究中的合成数据集是使用互联网上的各种人工智能技术创建的图片。在创建的数据集 (CAN5600) 上训练的神经网络比在预先存在的数据集上训练的同一网络表现更好。带注释的数据集（CAN5600 和 LESION130k）和合成数据集（GAN5000）都可以共享，以供人工智能培训和医生之间达成共识。

神经周围浸润（PNI）是皮肤鳞状细胞癌（CSCC）的一个不良风险特征，影响患者预后和疾病管理。然而，比较不同 PNI 模式对患者预后的研究是有限的。为了比较 CSCC 中 PNI 的 4 种评估、它们与不良预后的关联，以及将它们纳入布莱根妇女医院 (BWH) 分期系统的影响。这项回顾性队列研究是在一家三级医疗机构进行，比较了 4 个 PNI 评估：神经口径、每个切片涉及的神经数量、PNI 最大深度以及 PNI 相对于肿瘤的位置。通过内部电子数据库识别2000年1月1日至2017年12月31日期间诊断出的患有原发性、局部性、侵袭性CSCC并伴有PNI的患者。研究作者对可用的病理学幻灯片进行了二次审查。从病历中提取相关的患者和肿瘤特征和结果。数据分析于2022年9月6日至10月20日之间进行。通过多变量逐步Fine和Gray竞争风险回归计算复发风险、疾病特异性死亡和复合终点（任何不良结果）。通过受试者操作特征曲线和测试特征评估对 BWH 分期系统的考虑修订。本研究包括 140 名 CSCC 患者，平均 (SD) 年龄为 75.1 (11.2) 岁。超过一半的患者是男性（93 名[66.4%]），大多数为白人（132 名[94.3%]）。在研究的 4 项 PNI 评估中，只有多条神经受累与不良结果相关。 5 个或更多不同神经的神经周围侵犯（广泛 PNI [ePNI]）与局部复发（亚危险比 [SHR]，13.83 [95% CI，3.50-54.62]；P < .001）、疾病特异性死亡独立相关（ SHR，6.20 [95% CI，1.59-24.21]；P = .009），以及任何不良结果（SHR，10.21 [95% CI，2.88-36.15]；P < .001）。与当前使用神经口径作为 PNI 衡量标准的 BWH 分期标准相比，修订后的 BWH 分期系统用 ePNI 替代大口径 PNI，改善了曲线下面积和测试特征。这项队列研究的结果表明，ePNI 是PNI 的最佳预后指标。由于 ePNI 无需使用千分尺，并且在该队列中具有优于神经口径的预后能力，因此应考虑将 ePNI 纳入 CSCC 肿瘤分期。将 ePNI 作为高危因素纳入 CSCC 分期系统可能会优化主要治疗和辅助干预的患者选择。

自从在日常实践中越来越多地使用 dupilumab 治疗特应性皮炎 (AD) 以来，已经报道了几例发生皮肤 T 细胞淋巴瘤 (CTCL) 和淋巴浸润的病例。旨在深入了解 AD 患者的临床和组织病理学特征在dupilumab治疗期间临床怀疑患有CTCL。该回顾性观察病例系列包括2017年10月至2022年7月在荷兰乌得勒支大学医学中心接受dupilumab治疗的成人（≥18岁）AD患者。相关患者、疾病和治疗特征进行了评估。收集并重新评估治疗前、治疗期间和治疗后的皮肤活检。纳入了 14 名中位 (IQR) 年龄为 56 (36-66) 岁的疑似 CTCL 患者（54.5% 男性），且在 dupilumab 治疗期间症状恶化。 14 名患者中，有 3 名被回顾性诊断为先前存在的蕈样肉芽肿 (MF)。 11 名 AD 患者最终被诊断为淋巴反应 (LR)。这些患者表现出类似 MF 的症状；然而，组织病理学结果不同，包括上表皮部分散布分布的小深染淋巴细胞、CD4:CD8 比例失调和 CD30 过度表达，但没有 CD2/CD3/CD5 丢失。临床恶化的中位时间为 4.0 个月（IQR，1.4-10.0）。治疗后活检显示所有患者的 LR 完全清除。这项研究发现 dupilumab 治疗可导致可逆的良性 LR，类似于 CTCL，但具有独特的组织病理学特征。

癌症恶病质 (CC) 是一种由炎症驱动的多因素综合征，其定义是骨骼肌质量持续减少（伴或不伴脂肪量减少），且常规营养支持无法完全逆转。 CC 会导致进行性功能障碍，其临床管理复杂且可用的治疗选择有限。本次综述的目的是评估非甾体类抗炎药 (NSAID) 对 CC 患者以患者为中心的结局的有效性和安全性。 2013 年，两项系统评价得出的结论是，没有足够的证据推荐 NSAIDs 用于临床试验之外的 CC 临床管理。然而，多成分 CC 干预措施的临床试验已将 NSAIDs 作为干预成分，因此有必要对 NSAIDs 治疗 CC 的证据进行最新评估。于 2022 年 12 月 16 日检索了四个数据库（MEDLINE、EMBASE、CENTRAL 和 CINAHL）和三个试验注册库（clinicaltrials.gov、WHO ICTRP 和 ISRCTN）。将任何 NSAID（任何剂量或持续时间）与对照进行比较的随机对照试验 (RCT)成年 CC 患者的手臂，报告了体重、身体成分、营养影响症状、炎症、身体功能或疲劳的测量结果，有资格纳入。主要结局（根据患者参与确定）是生存、肌肉力量的变化、身体成分、体重和生活质量。使用修订的 Cochrane 随机试验偏倚风险工具评估纳入研究的偏倚风险。其中包括五项研究，调查了吲哚美辛 (n = 1)、布洛芬 (n = 1) 和塞来昔布 (n = 3)。四项研究被认为所有结果都存在较高的偏倚风险，其中一项研究引起了对大多数结果的担忧。研究之间相当大的临床和方法学异质性意味着荟萃分析是不合适的。没有足够的证据来确定吲哚美辛或布洛芬对于 CC 患者是否有效或安全；需要偏倚风险较低的随机对照试验。塞来昔布研究表明，在测试剂量（200-400 毫克/天）下，该人群可以安全使用，但发现功效方面的结果相反，可能反映了研究之间的异质性。没有足够的证据推荐任何 NSAID 来治疗 CC。虽然目前 CC 治疗的临床试验正在转向多成分干预措施，但如果要将非甾体抗炎药纳入这种多成分干预措施中，则有必要进一步研究以确定单独 NSAID 的有效性和安全性。此外，本次综述中缺乏有关患者确定的主要结局的数据，凸显了患者参与 CC 临床试验的必要性。© 2023 作者。 《恶病质、肌肉减少症和肌肉杂志》由 Wiley periodicals LLC 出版。

电子索赔记录 (ECR) 是个人医疗服务寻求行为的大规模纵向集合。与院内病历（EMR）相比，ECR 更加标准化和跨站点。最近，有研究表明，对广泛的医疗应用的索赔数据建模取得了有希望的结果。然而，他们中很少有人提出队列选择的排除标准，以在没有先前迹象的情况下提取新的发病率，而且往往缺乏对早期癌症预测的重视。在这项工作中，我们的目标是使用 ECR 设计肺癌预测框架，并使用最先进的基于序列的变压器进行严格的排除设计。此外，这项工作提出了将疾病预测模型应用于台湾整个人口的首批结果之一。结果显示，在我们的数据集中，全期肺癌的预测能力超过 2.1，平均阳性预测值 (PPV) 为 5，曲线下面积 (AUC) 为 0.668，早期阶段的预测能力约为 2.0，平均 PPV 为 1，AUC 为 0.645 。子队列分析可以将高精度选择性群体纳入优先临床检查。发作分析验证了我们的排除标准的效果。这项工作对肺癌预测进行了全面的分析，所提出的方法可以作为索赔数据的最先进的疾病风险预测框架。

医学成像中许多本质上不明确的任务都受到观察者间变异的影响，从而导致由具有高方差的标签分布定义的参考标准。仅根据共识或多数投票标签进行培训（这在医学成像中很常见），会丢弃专家小组中有关不确定性的有价值的信息。在这项工作中，我们建议对完整的标签分布进行训练，以预测专家小组内的不确定性和最可能的真实标签。为此，我们提出了一种基于条件变分自动编码器的新随机分类框架，我们将其称为潜在医生模型（LDM）。在广泛的比较分析中，我们将 LDM 与在多数投票标签上训练的模型以及其他能够学习标签分布的方法进行比较。我们表明，LDM 能够比多数投票基线更好地再现参考标准分布。与其他基线方法相比，我们证明 LDM 在对两个前列腺肿瘤分级任务中的标签分布及其相应的不确定性进行建模方面表现最佳。此外，我们在肿瘤出芽分类任务中展示了 LDM 与计算要求更高的深度集成的竞争性能。

脑肿瘤分割是一项基本任务，现有方法通常依赖多模态磁共振成像（MRI）图像来进行精确分割。然而，临床实践中常见的模态缺失/不完整问题会严重降低其分割性能，并且现有的不完整多模态脑肿瘤分割融合策略远非理想。在这项工作中，我们提出了一种名为 M 2 FTrans 的新颖框架，用于在各种不完整的多模态设置下通过模态屏蔽融合变压器探索和融合跨模态特征。考虑到普通的自注意力对丢失的标记/输入很敏感，引入了可学习的融合标记和屏蔽的自注意力，以稳定地构建跨模态的远程依赖，同时更灵活地从不完整的模态中学习。此外，为了避免偏向某些主导模态，通过空间权重注意力和通道融合变换器进一步重新加权模态特定特征，以减少特征冗余和模态重新平衡。通过这种方式，M 2 FTrans 中的融合策略对于缺失模态更加稳健。广泛使用的 BraTS2018、BraTS2020 和 BraTS2021 数据集上的实验结果证明了 M 2 FTrans 的有效性，在各种不完整的脑肿瘤分割模式下，其性能明显优于最先进的方法。代码可在 https://github.com/Jun-Jie-Shi/M2FTrans 获取。

研究发现肠道微生物群与肺癌风险相关。然而，其与各种类型肺癌的因果关系仍不清楚。我们利用 MiBioGen 联盟迄今为止最大的肠道微生物群数据全基因组关联分析进行了孟德尔随机化 (MR) 研究，并汇总了各种类型肺癌的统计数据来自肺癌跨学科研究、国际肺癌联盟和 FinnGen 联盟 R7 发布的数据。采用逆方差加权、加权模型、MR-Egger 回归和加权中位数来评估肠道微生物群与各种类型肺癌之间的因果关系。敏感性分析用于测试工具变量中是否存在多效性和异质性。对这些细菌进行了反向磁共振分析，以确定它们在引起肺癌中的潜在作用。对这些细菌进行了反向磁共振分析，以确定它们在引起肺癌中的潜在作用。采用多变量孟德尔随机化 (MVMR) 来评估肠道微生物群对各种类型肺癌风险的直接因果影响。使用 IVW 作为主要分析方法，我们总共鉴定了 40 组肠道微生物群，这些微生物群与肺癌存在潜在因果关系。肺癌的各种亚型，其中10种与肺癌相关，10种与肺腺癌相关，9种与鳞状细胞肺癌相关，11种与小细胞肺癌相关的细菌。进行FDR校正后，我们进一步发现消化球菌科与肺腺癌之间仍然存在显着的因果关系。敏感性分析证明了这些结果的稳健性，没有发现异质性或多效性。我们的结果证实了特定肠道微生物群与肺癌之间的因果关系，为肠道微生物群在介导肺癌发展中的作用提供了新的见解。版权所有 © 2023李、王、张、杨、吴、赵。