Deep learning assessment of senescence-associated nuclear morphologies in mammary tissue from healthy female donors to predict future risk of breast cancer: a retrospective cohort study

回顾性队列研究 乳腺癌 医学 癌症 衰老 肿瘤科 队列 风险评估 内科学 计算机安全 计算机科学
作者
Indra Heckenbach,Mark Powell,Sophia Fuller,Jill E. Henry,Sam Rysdyk,Jenny Cui,Amanuel Teklu,Eric Verdin,Christopher C. Benz,Morten Scheibye‐Knudsen
出处
期刊:The Lancet Digital Health [Elsevier BV]
卷期号:6 (10): e681-e690 被引量:5
标识
DOI:10.1016/s2589-7500(24)00150-x
摘要

Cellular senescence has been associated with cancer as either a barrier mechanism restricting autonomous cell proliferation or a tumour-promoting microenvironmental mechanism that secretes proinflammatory paracrine factors. With most work done in non-human models and the heterogeneous nature of senescence, the precise role of senescent cells in the development of cancer in humans is not well understood. Furthermore, more than 1 million non-malignant breast biopsies are taken every year that could be a major resource for risk stratification. We aimed to explore the clinical relevance for breast cancer development of markers of senescence in mammary tissue from healthy female donors.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Hwen完成签到,获得积分10
刚刚
sfc999完成签到,获得积分10
1秒前
极乐鸟发布了新的文献求助10
1秒前
呆呆发布了新的文献求助10
1秒前
FAN发布了新的文献求助10
2秒前
andorado完成签到,获得积分10
2秒前
2秒前
科研通AI6.2应助勤奋若之采纳,获得30
2秒前
大白不白发布了新的文献求助10
2秒前
2秒前
pzc关注了科研通微信公众号
2秒前
2秒前
2秒前
李健应助牛牛采纳,获得10
3秒前
liuyifei完成签到,获得积分10
3秒前
3秒前
lito完成签到,获得积分10
3秒前
王小西完成签到,获得积分10
3秒前
无极微光应助随风采纳,获得20
3秒前
worldlet完成签到,获得积分10
3秒前
东方红完成签到,获得积分10
4秒前
5秒前
科研蛀虫完成签到,获得积分10
5秒前
5秒前
大胆的从云完成签到,获得积分10
5秒前
nan完成签到,获得积分10
6秒前
6秒前
钟金男完成签到,获得积分10
7秒前
LucyLi发布了新的文献求助10
7秒前
xiaoxiao完成签到,获得积分10
8秒前
8秒前
合适的就睡觉完成签到,获得积分10
8秒前
鱼0306发布了新的文献求助10
9秒前
yuanzhoulv发布了新的文献求助10
9秒前
gggoblin完成签到,获得积分10
9秒前
娜行完成签到 ,获得积分10
10秒前
10秒前
无尽夏完成签到,获得积分10
11秒前
11秒前
11秒前
高分求助中
Principles of Economics, 11th Edition 10000
University Physics with Modern Physics, 16th edition 10000
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Matrix Methods in Data Mining and Pattern Recognition 510
Social Skills Improvement System-Rating Scales--Chinese Version 500
Dynamische Polarisation von H-1 und B-11 in (CH-3)-3NBH-3 500
CLSI M07 2024 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7248316
求助须知:如何正确求助?哪些是违规求助? 8871265
关于积分的说明 18716836
捐赠科研通 6927408
什么是DOI,文献DOI怎么找? 3198303
关于科研通互助平台的介绍 2373907
邀请新用户注册赠送积分活动 2173076