医工简报 | 幽门螺杆菌AI临床系统整合人工智能技术，为患者提供个性化治疗方案推荐；利用扩散模型提升肺栓塞分类能力

星标“医工学人”，第一时间获取医工交叉领域新闻动态~

7.17‍‍‍‍‍‍‍‍

医工学人

The Innovators

1. 肿瘤及癌症：Nat. Commun. | 幽门螺杆菌AI临床系统整合人工智能技术，为患者提供个性化治疗方案推荐

2. 神经退行性疾病：IEEE Trans. Med. Imaging | 使用生成式深度学习模型对动态脑PET 中动力学参数进行贝叶斯后验估计

3. COPD及慢性呼吸疾病：npj digital medicine | X-ray2CTPA：利用扩散模型提升肺栓塞分类能力

医工简报音频内容已在喜马拉雅、小宇宙等平台上线，欢迎订阅收听~

肿瘤及癌症

Nat. Commun. | 幽门螺杆菌AI临床系统整合人工智能技术，为患者提供个性化治疗方案推荐

幽门螺杆菌（H. pylori）是全球最常见的致癌病原体，亦是胃癌的首要致病因素。该系统利用来自欧洲幽门螺杆菌治疗回顾性登记数据库（Hp-EuReg）的38,049例患者数据进行训练与内部验证，通过独立状态深度Q学习（isDQN）算法，依据患者年龄、性别、抗生素过敏史、国籍及治疗适应症等特征推荐最优疗法。

内部验证显示：

AI推荐疗法成功率：94.1%（95% CI: 93.2–95.0%）
临床医生未采纳AI建议的疗法成功率：88.1%（95% CI: 87.7–88.4%）
绝对提升率：6.0%

外部验证队列结果证实其普适性。该系统在关键亚组中识别出最优策略：

65%患者（n=24,923）推荐铋剂疗法
15%患者（n=5898）推荐不含铋剂的四联疗法

随机森林模型揭示：地域差异与合并用药是驱动AI个性化推荐的核心因素。鉴于全球近半数人口可能感染幽门螺杆菌，该研究为前瞻性临床验证奠定基础，彰显AI技术在辅助临床决策、提升治疗效果、减轻胃癌疾病负担方面的巨大潜力。

https://www.nature.com/articles/s41467-025-61329-5

神经退行性疾病

IEEE Trans. Med. Imaging | 使用生成式深度学习模型对动态脑PET 中动力学参数进行贝叶斯后验估计

PET成像量化神经退行性疾病标志物时，传统马尔可夫链蒙特卡洛（MCMC）后验估计方法计算成本高昂。7月16日，耶鲁大学团队提出改进的去噪扩散概率模型（iDDPM），通过条件化时间-活性曲线（TAC）输入实现高效后验分布估计。该研究设计1D U-Net架构学习反向扩散过程均值与方差，采用余弦噪声调度器；引入多区域联合先验分布建模动力学参数相关性。在实验数据上验证显示：相较条件变分自编码器（CVAE-DD）和Wasserstein生成对抗网络（WGAN-GP），本方法将计算速度提升230倍（单样本推断仅1分钟），后验分布均值误差<0.67%、标准差误差<7.23%，为阿尔茨海默病tau蛋白量化提供高精度不确定性评估。

https://doi.org/10.1109/TMI.2025.3588859

COPD及慢性呼吸疾病

npj digital medicine | X-ray2CTPA：利用扩散模型提升肺栓塞分类能力

胸部X光或胸部X线摄影（CXR）是常用的医学诊断工具，但其成像效果通常有限，而计算机断层扫描（CT）能提供更详细、更准确的三维数据，尤其是对比增强扫描如CT肺动脉造影（CTPA）。然而，CT扫描成本更高、辐射暴露更大，且普及程度不如CXR。该研究探索了一种跨模态转换方法，将2D低对比度分辨率的X光输入转换为3D高对比度和高空间分辨率的CTPA扫描。基于生成式人工智能的最新进展，提出了一种新颖的扩散模型方法。将合成的3D图像应用于分类框架中，并利用初始CXR输入在肺栓塞（PE）分类任务中展示了更高的AUC值。此外，通过定量指标评估了模型的性能，确保生成图像具有诊断相关性。该方法具有通用性，能够应用于医学影像中的其他跨模态转换任务，有望为更易获取且经济高效的先进诊断工具铺平道路。项目代码已开源：

https://github.com/NoaCahan/X-ray2CTPA。

https://www.nature.com/articles/s41746-025-01857-y

END

内容 | 员蓉张艳青郝娅婷

编辑 | 周宇茜

审核 | 罗虎

扫码添加医工学人负责人微信，进入综合及细分领域群聊（国内外医工交叉领域顶尖高校、科研院所、医院、企业等专家学者、硕博士、工程师、企业家等），参与线上线下交流活动