报告题目:

纳米分子标记模型的构建及其在定量分析动脉粥样硬化斑块易损性中的应用研究

报告人:

李雪

所在单位:

天津医科大学第二医院

报告人简介:

李雪，副研究员，长期从事纳米磁共振分子探针的构建，及其在肝癌、动脉粥样硬化等炎症相关疾病中的分子成像研究，以第一作者及通讯作者在Advanced Functional Materials，European Radiology等 SCI杂志发表论文20余篇。主译分子影像领域专业书籍《小动物分子成像》1部、参编国家出版基金资助的《基因与纳米探针——医学分子成像理论与实践（上、中、下卷）》丛书一部，该书获得第十二届天津市优秀图书奖。获得天津市卫生健康行业高层次人才称号（医学新锐），天津市131创新人才（第三层次），天津市科技进步二等奖（2023，排名第2），现任天津市医师协会放射医师分会委员，天津市生物医学工程纳米生物医学专委会青年委员，天津市整合医学学会脑卒中综合治疗专业委员会委员。

报告摘要:

超顺磁性纳米探针凭借其自下而上的构建策略和模块化组装特性，在识别特定细胞/分子标志物及增强成像信号方面具有独特优势，为无创评估动脉粥样硬化斑块易损性提供了新的影像学途径。本研究构建了一种基于纳米分子标记和机器学习模型的定量分析体系（nano-AML），利用MR纳米分子探针对动脉粥样硬化易损斑块关键生物标志物——泡沫巨噬细胞的选择性标记，提高泡沫巨噬细胞富集区域MR信号，同时，将机器学习算法应用于纳米分子影像信号特征的解析，通过筛选与病理易损指数显著相关的MR影像特征，构建用于无创、定量分析斑块易损性的风险预测模型（nano-AML）。结果表明，nano-AML评分能够有效区分“易损”与“稳定”斑块，在训练队列和验证队列中，受试者工作特征曲线下面积（AUC）分别达到0.871和0.870。进一步分析显示，nano-AML评分的预测性能显著优于商用造影剂Gadovist（训练集AUC = 0.560，验证集AUC = 0.538），表明其可作为斑块易损性的可靠预测指标。