pc28开奖网

期刊npj Digital Medicine

     近日，上海交通大学金成团队与在首都医科大学附属北京安定医院在《npj Digital Medicine》发表重要研究成果，提出了一种结合患者临床特征与神经影像生物标志物的新型 AI 模型 ——Local-Global Imaging and Clinical Feature Fusion Graph Neural Network（LGCIF-GNN），该模型实现了基于治疗前脑回路特征与临床特征的重度抑郁症（MDD）患者抗抑郁药物治疗效果精准预测，为个性化抗抑郁治疗方案制定提供了关键工具。

该研究纳入 279 名未接受治疗的 MDD 患者，分为训练数据集（164 人）、内部验证数据集（66 人）和跨中心外部验证数据集（49 人），所有患者接受 8-12 周的选择性 5 - 羟色胺再摄取抑制剂（SSRIs）治疗。LGCIF-GNN 模型通过局部 - 全局架构，融合奖赏与情绪调节回路的功能影像特征及临床特征（如年龄、性别、病程、汉密尔顿抑郁量表评分等），实现了从个体脑区动态到群体水平模式的多尺度建模。

研究结果显示，该模型在预测治疗后缓解效果方面表现优异，取得了0.78的AUC，并展现出良好的稳定性与跨中心泛化能力。相比仅使用临床特征的模型，融合影像特征后性能显著提升，证实了神经影像生物标志物的关键作用。

进一步分析发现，右侧苍白球、双侧壳核、左侧海马、双侧丘脑及双侧前扣带回等脑区是预测抗抑郁反应的核心区域，其功能连接模式的改变对治疗效果具有决定性影响，为揭示抑郁症病理机制及开发靶向治疗提供了重要线索。

北京安定医院刘瑞、侯西蔓，上海交通大学刘抒予为该研究共同第一作者，上海交通大学金成、北京安定医院于爱红、王刚为通讯作者。

文章链接地址：

//www.nature.com/articles/s41746-025-01912-8.

期刊npj Precision Oncology

2025年7月25日，上海交通大学金成团队在《npj Precision Oncology》发表研究成果，提出了一种结合细胞图神经网络与Transformer的新型AI架构——Hybrid Graph Neural Network-Transformer system (HGTs)，该系统首次实现了全切片级别的细胞实例分割与分类识别，并精准预测肝细胞癌（HCC）患者术后局部复发风险。该研究基于387例HCC患者、6个独立队列、57位临床病理专家协助完成，展示了人工智能在多尺度肿瘤异质性建模与空间生物标志物发现中的巨大潜力。传统像素级视觉处理方法难以捕捉数百万级细胞实体在肿瘤组织中的复杂部署与形成策略。HGTs系统突破性地实现了从细胞-细胞、细胞-群体，到组织层级的多尺度交互建模，显著优于现有SOTA方法，在融合临床与IHC信息后，C-index达到0.823，较基线提升23.1%。该研究还发现并量化了一组空间关系标志物，如肿瘤-淋巴细胞交互频率、关键细胞群体的稀疏度与分布模式、以及瘤周组织的纤维化程度等，揭示了其对复发风险的决定性作用，并初步探索了该标志物组合的免疫治疗潜力。

上海交通大学博士生袁一哲、青岛大学附属医院赵梓吟为文本的共同第一作者，上海交通大学金成、青岛大学医学院韩冰以及齐齐哈尔医学院梁明辉为本文通讯作者。

文章链接地址：

//www.nature.com/articles/s41698-025-01042-0.

金成团队致力于多模态数据融合，临床级别的AI 辅助诊疗系统。目前在Nature Machine Intelligence、Science Translational Medicine、Nature Communications、Chem（CNS系列期刊11篇），Cancer Discovery、Annals of Surgery（临床综合类）、IEEE-TPAMI、IEEE TIP（工程类）等期刊发表论文60余篇。

作者 | 金成课题组

供稿单位 | 科研与学科办

审核 | 叶坚