需要对左甲状腺素（LT4）+左甲状腺素（LT3）联合治疗甲状腺功能减退的风险和益处进行证据支持。我们进行了一项随机、双盲、安慰剂对照的研究，评估了LT4 + LT3治疗与LT4 +安慰剂在同质化无心血管风险因素的无甲状腺患者中的效果，其长期接受LT4替代单一疗法。本研究的首要目标是通过心电图和多普勒超声心动图评估LT4 + LT3联合治疗对心率、心律和敏感心血管参数的影响，包括心脏形态和功能。本研究的次要目标是评估患者的依从性、耐受性和潜在不良事件。在300名低风险甲状腺癌随访患者中，根据纳入标准选择了38名术后甲状腺功能减退患者，随机分配接受LT4 + LT3或LT4 +安慰剂治疗，经过一年治疗后评估了24名患者。将所有临床和实验室参数与性别、年龄、体力活动和生活方式匹配的50名健康甲状腺功能正常志愿者的结果进行比较。参与者和临床医生对治疗分配保持盲法。在一年的联合治疗后，与LT4 +安慰剂组相比，LT4 + LT3组的舒张功能显著改善，表现为E/e'比值显著降低（p = 0.046）并呈现积极的时间趋势。此外，单变量分析显示，在LT4 + LT3组中，F-T3水平（pg/ml）与E/e'比值变化 Δ之间存在显著关联关系（标准化β系数 = 0.603（CI 95%: 0.001 - 1.248），p值 = 0.050）。从首次给药到研究结束期间未发生包括心动过速、心律失常、房颤或其他重要事件在内的任何不良事件。在这份初步报告中，LT4 + LT3联合治疗在舒张功能心血管参数上引起了有利的变化，且未出现任何不良心血管事件。EUDRACT编号：2017-001261-25。

N/A.

结肠造口术是一种常见的粪便转流手术，但在手术结果和造口相关并发症方面，最佳的结肠造口方法尚不清楚。本研究的目的是检查腹腔镜环形结肠造口的疗效和可行性。该回顾性队列研究包括在日本静冈癌症中心在2010年4月至2022年3月期间接受环形结肠造口的患者。根据手术方法将患者分为两组：腹腔镜（LAP）组和开放式（OPEN）组。通过倾向性评分匹配比较手术结果和造口相关并发症（如造口垂出症（SP），造口旁疝（PSH）和皮肤疾病（SD））的发生率。 在388名符合条件的患者中，180名（46％）在LAP组，208名（54％）在OPEN组。LAP组男女比为5.5：4.5，OPEN组为5.3：4.7。LAP组的中位年龄为68岁（范围为31-88岁），OPEN组为65岁（范围为23-93岁）。与OPEN组相比，LAP组的手术时间较短，并且术后感染（3.9％对16.3％，p < 0.01）和SD（11.7％对24.5％，p < 0.01）的发生率较低。LAP组和OPEN组在SP（17.3％对17.3％）或PSH（8.9％对6.7％）的发生率方面没有显着差异。进行倾向性评分匹配后，LAP组的术后感染和SD发生率显着低于OPEN组，而手术时间和SP和PSH的发生率则没有明显差异。 我们的结果表明，腹腔镜手术在环形结肠造口中可能具有益处和可行性。© 2023. Springer Nature Switzerland AG.

背景 在癌症诊断中事前识别人工智能（AI）失败风险的患者将有助于更安全地将诊断算法整合到临床中。目的 在MRI和CT中评估AI预测变异性作为确定癌症诊断AI失败风险的不确定性量化（UQ）指标，跨不同癌症类型、数据集和算法。 材料和方法 回顾性分析多中心数据集和三个先前研究中评估增强CT图像中胰腺癌检测、MRI扫描中前列腺癌检测和低剂量CT图像中肺结节恶性预测的公开可用AI算法。每个任务的算法被扩展以生成基于集成预测变异性的不确定性分数。使用排列检验对百分位阈值范围（10%-90%）的不确定性分数下的确定和不确定患者组进行AI准确度百分比和接受者操作特征曲线下部分面积（pAUC）进行比较，以确定统计学显著性。将肺结节恶性预测算法与11个临床读者的确定组（CG）和不确定组（UG）进行比较。 结果 共使用18,022张图像进行训练，使用838张图像进行测试。对于所有任务，CG中的AI诊断准确率较高（P < .001）。在80%的确定预测阈值下，CG中的准确率比UG中的高出21%-29%，比整体测试数据集中的高出4%-6%。CG中的病变级别pAUC比UG中的高出0.25-0.39，比整体测试数据集中的高出0.05-0.08（P < .001）。对于肺结节恶性预测，AI的准确率与临床医生在CG中持平（AI结果与临床结果相比，80% [95% CI: 76，85] vs. 78% [95%CI: 70，87]; P = .07），但在UG中较差（AI结果与临床结果相比，50% [95% CI: 37, 64] vs. 68% [95% CI: 60, 76]; P < .001）。 结论 AI预测UQ指标始终能够确定癌症诊断中AI性能的下降。©RSNA，2023。本文提供了补充材料。请参阅本期编辑Babyn的社论。

背景 最新的大型语言模型（LLMs）通过用户定义的文本提示解决未见过的问题，无需重新训练，提供了从自由文本医学记录中更高效的信息提取方法，比手动注释更具潜力。 目的 通过使用用户定义的提示，比较LLMs ChatGPT和GPT-4在自由文本CT报告中数据挖掘和标记肺癌的肿瘤表型的性能。 材料和方法 本回顾性研究纳入了于2021年9月至2023年3月间接受肺癌随访CT的患者。留出25份报告进行提示工程，以指导LLMs提取病变直径、标记转移性疾病和评估肿瘤学进展。将这些输出送入基于规则的自然语言处理流程，以匹配四位放射科医生的基准真实注释，并计算性能指标。对LLMs的肿瘤学推理进行了五分Likert量表评分，评估其事实准确性和准确度。记录了虚构说法的发生情况。统计分析包括Wilcoxon符号秩和麦克马尔检验。 结果 在424位患者（平均年龄65岁±11 [SD]；265男性）的424份CT报告中，GPT-4在提取病变参数方面优于ChatGPT（98.6%对84.0%，P < .001），导致96%正确的挖掘报告（对比ChatGPT的67%，P < .001）。GPT-4在识别转移性疾病方面具有更高的准确性（98.1% [95% CI: 97.7, 98.5] 对90.3% [95% CI: 89.4, 91.0]）以及对肿瘤学进展的正确标签的更高性能（F1分数0.96 [95% CI: 0.94, 0.98] 对0.91 [95% CI: 0.89, 0.94]）（两者P < .001）。在肿瘤学推理方面，与ChatGPT相比，GPT-4在事实准确性（4.3对3.9）和准确度（4.4对3.3）上获得了更高的Likert量表评分，并且虚构说法的发生率较低（1.7%对13.7%）（所有P < .001）。 结论 使用用户定义的提示时，GPT-4在从自由文本CT报告中提取肺癌的肿瘤表型方面优于ChatGPT，并展现出更好的肿瘤学推理能力，虚构说法较少。© RSNA, 2023。本文的补充材料可在此文章中获得。此外，本期编辑文章由Hafezi-Nejad和Trivedi提供。

背景：目前决定接受辅助筛查乳腺磁共振成像（MRI）的方法是传统风险模型，这些模型的预测准确性有限。目的：比较基于乳腺X线摄影的深度学习（DL）风险评估模型与传统乳腺癌风险模型在接受辅助筛查MRI的患者中的诊断准确性。材料与方法：本回顾性研究纳入了在四个机构在2017年9月至2020年9月期间进行乳腺癌筛查MRI的连续患者。风险评估依据是Tyrer-Cuzick（TC）和美国国家癌症研究所乳腺癌风险评估工具（BCRAT）的5年和终身模型，以及一个DL 5年模型，该模型基于最近的筛查乳腺X线摄影生成一个风险评分。传统5年模型风险评分为1.67%或更高定义为增加风险，传统终身模型风险评分为20%或更高定义为高风险，DL模型绝对评分为2.3或更高和6.6或更高分别定义为增加和高风险。使用逻辑回归模型比较模型准确性指标，包括癌症检出率（CDR）和阳性预测值（PPV）（筛查异常结果的PPV1，推荐活检的PPV2，执行活检的PPV3）。结果：本研究纳入了2168名妇女，进行了4247次高风险筛查MRI检查（中位年龄54岁，四分位数48-60岁）。根据DL模型，高风险患者的CDR（每1000次检查）更高（20.6 [95% CI: 11.8, 35.6]）比根据TC模型（6.0 [95% CI: 2.9, 12.3]，P < .01）和BCRAT模型（6.8 [95% CI: 2.9, 15.8]，P = .04）的终身模型。DL模型鉴定为高风险的患者的PPV1、PPV2和PPV3（PPV1为14.6%，PPV2为32.4%，PPV3为36.4%）比TC模型（PPV1为5.0%，PPV2为12.7%，PPV3为13.5%，P值范围为.02-.03）和BCRAT模型（PPV1为5.5%，PPV2为11.1%，PPV3为12.5%，P值范围为.02-.05）的终身模型更高。结论：基于乳腺X线摄影的DL风险评估模型鉴定为高风险的患者在乳腺筛查MRI中的CDR比传统风险模型鉴定为高风险的患者更高。© RSNA，2023附加材料可用于本文。另请参见该期刊中Bae的社论。

阿尔茨海默病（AD）是痴呆最常见的原因。目前关于其潜在病理学的主流理论认为淀粉样物质积聚导致了tau蛋白的聚集和神经退行性变。然而，目前的抗淀粉样物质和抗tau蛋白的治疗方法仅显示出不一致的临床疗效。对于痴呆的放射学评估有三个相关要点很重要。首先，除了各种痴呆症状（包括AD、额颞叶痴呆和帕金森痴呆）之外，AD的临床变体和成像亚型包括典型AD和非典型AD。其次，非典型AD在放射学和临床表现上与其他疾病有重叠之处。第三，诊断过程应考虑到神经退行性疾病中常见的并发脑血管病变，特别是在老年人中。在认知减退出现之前，神经元丢失常常已经存在。因此，为了有效的新治疗方法，在临床症状出现之前进行早期诊断是减缓或停止随后神经元丢失的重要环节，需要进行分子成像或血浆生物标志物。神经影像学，特别是MRI，提供了用于神经退行性和脑血管疾病的多个成像参数。随着AD新治疗方法的出现，越来越重要的是识别AD的变异和模仿AD的其他疾病。描述神经退行性和脑血管疾病标记物的个体组成，考虑到重叠和混合疾病是必要的，以更好地理解AD并开发高效的个体化治疗方法。© RSNA，2023同期专题还有Pasquini等人的文献回顾 "Functional MRI in Neuro-Oncology: State of the Art and Future Directions"。

慢性乙型肝炎病毒（HBV）感染仍然是全球公共卫生关注的主要问题之一，它会发展成为肝纤维化、肝硬化和肝细胞癌。最近的证据表明，内体和自噬泡对HBV复制是有益的。然而，目前尚不清楚HBV如何利用这些细胞内泡系统进行复制。RAB5A是小GTP酶家族的成员，在早期内体生成和自噬启动中起着关键作用。我们观察到，与乙型肝炎病毒表达的肝血管瘤细胞系以及慢性HBV感染患者的肝组织样本相比，RAB5A的mRNA和蛋白水平显著增加。此外，RAB5A沉默显著抑制了乙型肝炎病毒在转染和感染的肝血管瘤细胞中的复制和亚病毒颗粒（SVP）表达，而RAB5A过表达则增加了它们的表达。在机制上，RAB5A通过与EEA1相互作用增强早期内体（EE）-晚期内体（LE）激活，同时通过与VPS34相互作用增强自噬诱导。此外，HBV感染增强了RAB5A介导的EE-LE系统和自噬的双重激活。综上所述，我们的研究结果强调了HBV利用RAB5A介导的内体和自噬泡通路的双重激活进行复制和持久性的过程。因此，RAB5A是慢性HBV感染治疗的潜在靶点。

免疫检查点抑制剂（ICIs）现在广泛应用于晚期肝细胞癌（HCC）患者的治疗。两种不同的ICI含有方案，即阿替唑鲁莫单抗与贝伐单抗以及曲美替尤单抗与布妥珠单抗，已被批准作为标准一线治疗方法。然而，尽管与索拉非尼相比，这些方案在生存结局上有了显著改善，但大多数晚期HCC患者并未从这些方案中获得持久效益。基于基因组测序的进展，包括单细胞RNA测序（肿瘤样本和血液样本），以及免疫细胞鉴定战略和其他技术，如放射组学和微生物组分析，已为识别新型预测生物标志物提供了相当大的潜力，从而能够准确选择那些最有可能从ICI中获益的患者。在本综述中，我们总结了HCC的免疫学数据以及接受ICI治疗的患者的治疗结果。随后，我们概述了过去5年中当前生物标志物的使用和发展，包括基因签名、循环肿瘤细胞、高维流式细胞术、单细胞RNA测序以及涉及微生物组、放射组学和临床标志物的方法。接着，我们讨论了HCC生物标志物开发的新概念，包括基于生物标志物的临床试验、空间转录组学和整合的“大数据”分析方法。这些概念都有潜力更好地识别最有可能从ICI中获益的患者并促进新治疗方法的开发。© 2023. 此为美国政府作品，不受美国版权保护；可能适用外国版权保护。

最近，基于Transformer的模型在计算机视觉和医学图像分析领域展示了卓越的表示学习能力，能够学习更好的全局依赖关系。Transformer将图像重新格式化为独立的补丁，并通过自注意机制实现全局通信。然而，在这种一维序列中保留补丁之间的位置信息很困难，丢失位置信息可能导致在处理大量异构尺寸的3D医学图像分割时性能不佳。此外，现有方法在处理预测大量组织类别或建模全局相互连接组织结构等重型医学分割任务时不够稳健和高效。为了应对这些挑战，并受到视觉Transformer中的嵌套分层结构的启发，我们提出了一种新颖的3D医学图像分割方法（UNesT），采用简化且收敛更快的Transformer编码器设计，通过分层聚合在空间上相邻的补丁序列之间实现局部通信。我们对多个具有挑战性的数据集进行了广泛验证，包括多个模态、解剖结构和广泛范围的组织类别，包括133个脑结构、腹部的14个器官、肾脏的4个分层组分以及相互连接的肾脏肿瘤和脑肿瘤。我们表明，UNesT始终实现了最先进的性能，并评估了其泛化能力和数据效率。特别是，在单个网络中，该模型完成了包含133个组织类别的整个脑分割任务，优于之前的最先进方法SLANT27与27个网络集成。我们的模型性能将公开可用的Colin和CANDI数据集的均值DSC分数分别从0.7264提高到0.7444和从0.6968提高到0.7025。代码、预训练模型和使用案例流程可以在以下网址找到：https://github.com/MASILab/UNesT。版权所有 © 2023 Elsevier B.V.。