1、MechanoAge是一个机器学习平台，能够根据单个细胞的机械特性来识别易患乳腺癌的个体
MechanoAge, a machine learning platform to identify individuals susceptible to breast cancer based on mechanical properties of single cells
（1）背景：现有乳腺癌风险模型（如Gail模型、Tyrer-Cuzick模型）多依赖人群统计数据，难以识别无明确基因突变或家族史的潜伏风险个体。细胞衰老伴随的机械特性变化（如硬度、恢复时间）与癌症易感性相关，但尚未被用于风险预测。本研究旨在利用单细胞机械表型结合机器学习，开发新型乳腺癌风险识别工具。
（2）结论：研究开发了机器学习分类器MechanoAge，基于微流控平台测量的单细胞机械特性（如恢复时间、变形指数等），可高精度区分不同年龄组（AUC达0.91-0.95）。进一步构建Mechano-RISQ指数，发现BRCA1/2突变携带者、有乳腺癌家族史及对侧乳腺癌患者的乳腺上皮细胞呈现加速的“机械衰老”表型。角蛋白14（KRT14）被证实为调控该机械表型的关键分子。该模型为平均风险人群的早期风险识别提供了新思路。
2、中国有症状颅内动脉粥样硬化狭窄患者的缺血性卒中复发（PROMISE）：一项多变量预测模型开发与验证研究
Ischaemic stroke recurrence in patients with symptomatic intracranial atherosclerotic stenosis in China (PROMISE): a multivariable prediction model development and validation study
（1）背景：颅内动脉粥样硬化狭窄是全球范围内卒中的重要病因，且复发风险极高，12个月内复发率达12%-15%。现有预测模型样本量小、依赖复杂影像学变量，难以在临床推广。本研究旨在基于大规模随机对照试验数据，开发一个简单、实用的多变量预测模型，用于评估有症状ICAS患者1年内缺血性卒中复发的个体化风险。
（2）结论：研究基于2995名中国患者数据，开发了包含年龄、BMI、高血压、糖尿病、吸烟、LDL胆固醇、后循环狭窄及狭窄程度≥70%共8个变量的PROMISE预测模型。模型在训练集和验证集中的C-index分别为0.81和0.78，校准良好，并可将患者分为低、中、高三个风险组。研究还开发了在线风险计算器，便于临床应用，有助于识别高危患者并指导个体化二级预防。
3、在三级记忆诊所环境中，对脑部[18F] FDG -PET成像与脑脊液阿尔茨海默病生物标志物进行的现实世界比较
Real-world comparison of brain [18F]FDG-PET imaging with CSF Alzheimer's disease biomarkers in a tertiary memory clinic setting
（1）背景：[18F]FDG-PET脑扫描在全球范围内广泛用于认知衰退评估，但其与金标准脑脊液AD生物标志物相比的诊断性能数据有限。既往研究多由少数专家重新判读图像，与真实临床实践存在差异。本研究旨在真实世界三级记忆门诊环境中，基于常规报告评估[18F]FDG-PET与CSF AD生物标志物的一致性。
（2）结论：研究纳入360名患者，发现[18F]FDG-PET报告对CSF定义的AD诊断敏感性仅0.48、特异性0.84，两者一致性仅为中等（κ=0.334），AUC为0.66。后扣带回低代谢可预测AD样PET结果及CSF阳性，而额叶低代谢易误导非AD诊断。研究表明两种检测方法互补而非互换，临床应整合多种信息进行诊断。
