企鹅医生第160期｜数字生物标记物助力罕见遗传病诊断
https://www.nature.com/articles/s41591-022-02160-z
1.临床试验。尽管医学科学取得了突飞猛进的进展，但这些进展的证据产生仍然昂贵而缓慢，临床转化在大多数医学领域都滞后。从这个角度来看，Subbiah分享了他对临床试验和证据生成未来的启发式愿景。他描述了可以通过在同一试验中涉及多种疗法或多种疾病来改善随机对照试验停滞的试验设计。他强调了通过可穿戴设备、传感器技术和医疗物品互联网 (IoMT) 架构实现的分散试验开展和日常生活中患者现实世界跟踪的机会。他强调了向“以患者为中心”的临床试验的转变，使患者更容易参与，例如无论其地理位置如何，允许患者进入试验，或使临床试验选择纳入治疗决策成为标准。最后，他指出了利用之前的临床试验数据生成证据的可能性，并利用在线患者行为和患者倡导团体在社交媒体中的参与的数据进行观察性研究的可能性。
https://www.nature.com/articles/s41591-022-02045-1
2.数字生物标志物。Duchenne 型肌营养不良症 (Duchenne muscular dystrophy，DMD) 是一种罕见的致死性神经肌肉疾病，以进行性肌肉变性和无力为特征。Ricotti 等人认为目前的数字生物标志物往往是测量现有标记物的替代品，如步数或步行距离，这仅仅是数字复制人类观察者的能力，而不是超越人类的知觉能力。为了避免对区分 DMD 的重要身体运动要素强加假设，他们比较了从 DMD 患者及其年龄匹配的对照者使用17传感器紧身衣进行日常生活活动收集的全身运动数据。他们观察到从比较中有显著的区分要素。后来，他们将机器学习应用于这些数字生物标志物，做出横断面和纵向病程预测，其表现优于目前使用的临床评估得出的预测。
https://www.nature.com/articles/s41591-022-02159-6
3.数字生物标志物。Friedreich共济失调 (FA) 是一种罕见的遗传性疾病，导致心脏和神经功能进行性受损，引起运动问题。临床试验中需要大型队列以及依赖准确度和灵敏度较低的主观测量妨碍了 FA 的药物开发。Kadirvelu 等人记录 FA 患者及其年龄和性别匹配的对照者的全身运动，使用运动捕捉套装进行 8分钟步行和9孔锚桩试验。基于这些数据，他们能够定义数字生物标志物，这不仅可以预测 FA 患者未来的结局，还可以预测疾病的分子原因（Frataxin基因表达）。这些数据衍生的可穿戴生物标志物证明了大幅减少临床试验持续时间或规模的潜力。
https://arxiv.org/abs/2301.09617
4.Transformer。许多人正在用Tranformer网络取代卷积神经网络 (CNN) 进行生物标志物预测。尽管如此，他们还没有大规模测试这种新方法。Wagner等人利用结直肠癌的常规病理切片，开发了一个完全基于Transformer的生物标志物预测流水线。该模型可以在患者水平上进行单靶点和多靶点预测，并且在仅进行切除标本培训的内镜活检组织上表现出临床分级性能。在对来自10个结直肠癌队列的超过9000例患者进行试验后，他们发现，与当前最先进的算法或 CNN 方法相比，完全基于Transformer的方法可大幅度提高性能、普遍性、数据效率和可解释性。
https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2799952
5.肺癌。与其他癌症筛查检测相比，筛查肺癌筛查的参与度较差。AI 能否识别和提醒可能从肺癌筛查中获益的高危患者？Raghu 等人开发了一种深度学习模型，使用现有的胸片图像和现成的电子病历 (EMR) 数据，包括年龄、性别和当前吸烟状况，确定吸烟进行肺癌筛查的高危患者。该模型可以识别 CMS 肺癌筛查合格标准遗漏的高危患者和由于缺失吸烟状况数据而无法通过 CMS 标准确定合格的患者，证明其改善肺癌筛查参与的潜力。
https://pubs.rsna.org/doi/10.1148/radiol.221926
6.分类。因急性胸痛 (ACP) 就诊于急诊科 (ED) 的患者，由于 ACP 的三大心血管病因危及生命，常通过心血管和肺部诊断检测。然而，其中只有少数被诊断为这些疾病，诊断性成像通常会产生阴性结果。作为使用 AI 对 ACP 症状患者进行分诊的概念验证，Kolossváry等人开发了一个开源的深度学习模型来识别有30天急性冠脉综合征、肺栓塞、主动脉夹层或全因死亡风险的患者，使用因 ACP 综合征而到 ED 就诊的患者的初始胸片。该模型能够延迟更多的患者（14%vs. 2%，P < .001）来自额外的心血管或肺部检测，灵敏度为99%。
Emma Chen，Pranav Rajpurkar, Eric Topol
翻译：TQ 审核：JZ
HealthX医疗科技俱乐部成立于2020年，我们创立俱乐部的目标是用最务实的方式关注最前沿的医疗科技、并参与到医疗数字化、智能化转型的浪潮中去。我们希望和更多志同道合的行业同道一起，加速实现中国生物医疗领域的智能化转型。发展至今，俱乐部汇聚了数百位中美顶级理工学校硕博生，重点三甲医院医生，中美医疗科技领域从业者、投资人、创业团队。我们每周定期组织AI医疗影像、癌症衰老科技、医疗科技创业融资等医疗科技相关内容的交流分享，也会组织线下医疗科技沙龙活动，2021年在上海和北京组织了斯坦福数字医疗论坛，2022年在上海交大和美国卡耐基梅隆大学组织了中美未来技术峰会。2023计划组织第二届中美未来技术峰会医疗人工智能论坛，癌症智能早检论坛。过往活动可见HealthX Club公众号。
本着公开、透明、前沿的目的，俱乐部普通成员可通过公众号通知免费参与部分线上活动。【无需添加俱乐部运营人员微信】
HealthX VIP项目
为了营造一个持续保持在医疗科技前沿的高质量医疗科技社群，我们在HealthX Club成功运营三年的基础上建立了HealthX VIP项目，我们对所有想加入HealthX俱乐部VIP项目的朋友进行实名认证，维护一个高质量的线上讨论社群，并每周E-mail发送医疗科技领域最值得关注的前沿科研内容、商业进展和行业思考。我们将组织上海、苏州、南京、杭州、北京、深圳、硅谷、波士顿等地的线下VIP交流活动和主题沙龙，深入探索医疗最前沿（癌症、衰老等）和科技最前沿（人工智能、工程、材料等）的交叉碰撞。
在校学生/在职医生护理需提供edu邮箱或医师执照、缴纳88元一次性管理费用或者贡献一次HealthX医疗科技读书会内容。
其他朋友VIP需缴俱乐部会员费用188元/人。
HealthX VIP权益：
1. 生物医疗科技领域的最新研究成果、行业动态的导读和总结
2. 免费参加HealthX医疗科技读书会
3. 优先参与HealthX线下meetup活动，与诸多大咖面基，交流想法
4. 协助您提供科研转化、创业投资的平台
5. HealthX Club周边礼品
期待与您一起用科技的力量创造医疗的未来！