To ascertain if preoperative short-term radiotherapy followed by chemotherapy is not inferior to a standard schedule of long-term chemoradiotherapy in patients with locally advanced rectal cancer.Patients with distal or middle-third, clinical primary tumor stage 3-4 and/or regional lymph node-positive rectal cancer were randomly assigned (1:1) to short-term radiotherapy (25 Gy in five fractions over 1 week) followed by four cycles of chemotherapy (total neoadjuvant therapy [TNT]) or chemoradiotherapy (50 Gy in 25 fractions over 5 weeks, concurrently with capecitabine [chemoradiotherapy; CRT]). Total mesorectal excision was undertaken 6-8 weeks after preoperative treatment, with two additional cycles of CAPOX (intravenous oxaliplatin [130 mg/m2, once a day] on day 1 and capecitabine [1,000 mg/m2, twice a day] from days 1 to 14) in the TNT group and six cycles of CAPOX in the CRT group. The primary end point was 3-year disease-free survival (DFS).Between August 2015 and August 2018, a total of 599 patients were randomly assigned to receive TNT (n = 302) or CRT (n = 297). At a median follow-up of 35.0 months, 3-year DFS was 64.5% and 62.3% in TNT and CRT groups, respectively (hazard ratio, 0.883; one-sided 95% CI, not applicable to 1.11; P < .001 for noninferiority). There was no significant difference in metastasis-free survival or locoregional recurrence, but the TNT group had better 3-year overall survival than the CRT group (86.5% v 75.1%; P = .033). Treatment effects on DFS and overall survival were similar regardless of prognostic factors. The prevalence of acute grade III-V toxicities during preoperative treatment was 26.5% in the TNT group versus 12.6% in the CRT group (P < .001).Short-term radiotherapy with preoperative chemotherapy followed by surgery was efficacious with acceptable toxicity and could be used as an alternative to CRT for locally advanced rectal cancer.

Objective Colorectal cancer (CRC) screening has been widely implemented in many countries. However, evidence on participation and diagnostic yield of population-based CRC screening in China is sparse. Design The analyses were conducted in the context of the Cancer Screening Program in Urban China, which recruited 1 381 561 eligible participants aged 40–69 years from 16 provinces in China from 2012 to 2015. 182 927 participants were evaluated to be high risk for CRC by an established risk score system and were subsequently recommended for colonoscopy. Participation rates and detection of colorectal neoplasms in this programme were reported and their associated factors were explored. Results 25 593 participants undertook colonoscopy as recommended, with participation rate of 14.0%. High level of education, history of faecal occult blood test, family history of CRC and history of colonic polyp were found to be associated with the participation in colonoscopy screening. Overall, 65 CRC (0.25%), 785 advanced adenomas (3.07%), 2091 non-advanced adenomas (8.17%) and 1107 hyperplastic polyps (4.33%) were detected. Detection rates of colorectal neoplasms increased with age and were higher for men. More advanced neoplasms were diagnosed in the distal colon/rectum (65.2%). Several factors including age, sex, family history of CRC, dietary intake of processed meat and smoking were identified to be associated with the presence of colorectal neoplasms. Conclusion The diagnostic yield was not optimal using colonoscopy screening in high-risk populations given the relatively low participation rate. Our findings will provide important references for designing effective population-based CRC screening strategies in the future.

Abstract The early detection and accurate histopathological diagnosis of gastric cancer increase the chances of successful treatment. The worldwide shortage of pathologists offers a unique opportunity for the use of artificial intelligence assistance systems to alleviate the workload and increase diagnostic accuracy. Here, we report a clinically applicable system developed at the Chinese PLA General Hospital, China, using a deep convolutional neural network trained with 2,123 pixel-level annotated H&E-stained whole slide images. The model achieves a sensitivity near 100% and an average specificity of 80.6% on a real-world test dataset with 3,212 whole slide images digitalized by three scanners. We show that the system could aid pathologists in improving diagnostic accuracy and preventing misdiagnoses. Moreover, we demonstrate that our system performs robustly with 1,582 whole slide images from two other medical centres. Our study suggests the feasibility and benefits of using histopathological artificial intelligence assistance systems in routine practice scenarios.

Gastric cancer is among the most malignant tumours with the highest incidence and mortality rates. The early detection and accurate histopathological diagnosis of gastric cancer are essential factors that can help increase the chances of successful treatment. While the worldwide shortage of pathologists has imposed burdens on current histopathology services, it also offers a unique opportunity for the use of artificial intelligence assistance systems to alleviate the workload and increase diagnostic accuracy. To the best of our knowledge, there has not been a clinically applicable histopathological assistance system with high accuracy that can generalize to whole slide images created with diverse digital scanner models from different hospitals. Here, we report a clinically applicable artificial intelligence assistance system developed at the Chinese PLA General Hospital, China, using a deep convolutional neural network trained with 2,123 pixel-level annotated H&E-stained whole slide images. The model achieved a sensitivity near 100% and an average specificity of 80.6% on a real-world test dataset, which included 3,212 whole slide images digitalized with three scanner models. We showed that the system could aid pathologists in improving diagnostic accuracy and preventing misdiagnoses. Moreover, we demonstrated that our system could perform robustly with 1,582 whole slide images from two other medical centres. Our study suggests the feasibility and benefits of using histopathological artificial intelligence assistance systems in routine practice scenarios.

Neurological disorders such as Parkinson’s disease, stroke, and spinal cord injury can result in impairments of motor function, consciousness, cognition, and sensory processing. Brain-Computer Interface (BCI) technology, which facilitates direct communication between the brain and external devices, emerges as an innovative key to unlocking neurological conditions, demonstrating significant promise in this context. This comprehensive review uniquely synthesizes the latest advancements in BCI research across multiple neurological disorders, offering an interdisciplinary perspective on both clinical applications and emerging technologies. We explore the progress in BCI research and its applications in addressing various neurological conditions, with a particular focus on recent clinical studies and prospective developments. Initially, the review provides an up-to-date overview of BCI technology, encompassing its classification, operational principles, and prevalent paradigms. It then critically examines specific BCI applications in movement disorders, disorders of consciousness, cognitive and mental disorders, as well as sensory disorders, highlighting novel approaches and their potential impact on patient care. This review reveals emerging trends in BCI applications, such as the integration of artificial intelligence and the development of closed-loop systems, which represent significant advancements over previous technologies. The review concludes by discussing the prospects and directions of BCI technology, underscoring the need for interdisciplinary collaboration and ethical considerations. It emphasizes the importance of prioritizing bidirectional and high-performance BCIs, areas that have been underexplored in previous reviews. Additionally, we identify crucial gaps in current research, particularly in long-term clinical efficacy and the need for standardized protocols. The role of neurosurgery in spearheading the clinical translation of BCI research is highlighted. Our comprehensive analysis presents BCI technology as an innovative key to unlocking neurological disorders, offering a transformative approach to diagnosing, treating, and rehabilitating neurological conditions, with substantial potential to enhance patients’ quality of life and advance the field of neurotechnology.

Objectives: To compare the value of tumor stroma ratio (TSR) and radiomic signature from baseline MRI for stratifying the risk of distant metastases (DM) in patients with locally advanced rectal cancer (LARC). Materials and methods: Data from 302 patients with LARC who underwent neoadjuvant chemoradiotherapy and total mesorectal excision in our hospital between 2015 and 2018 were retrospectively reviewed, and the patients were randomly allocated into the training and validation cohorts in a ratio of 7:3. Patients were followed-up for more than 3 years postoperatively with metachronous DM as the endpoint. Independent risk factors for DM-free survival (DMFS) were analyzed using Cox regression. The TSR of endoscopic biopsy specimens was scored automatically. Totally 1229 radiomic features of each tumor were extracted from baseline MRI, and the Radscore was calculated. Results: The median follow-up time was 54.3 (51.6–57.1) months, and the 3-year DMFS was 83.8%. The best cutoff value of the TSR to distinguish patient’s DM risk was 0.477 (Sen=70.8%, Sep=78%, P <0.001). Increased TSR (HR=3.072, P =0.006) and Radscore (HR=719.231, P =0.023), advanced MR-evaluated T stage (HR=2.660, P =0.023) and ypN (HR=2.362, P =0.028) stage were independent risk factors for DMFS. The area under the curve of the combined model was significantly higher than that of the radiomic model ( P =0.013) but without significant advantage over the TSR model ( P =0.086). Conclusion: TSR of colonoscopic biopsies can independently stratify DM risk in patients with LARC. The TSR model is the most convenient and efficient method for DM risk stratification in LARC.

In the present study, acellular cartilage matrix (ACM) was modified with poly-l-lysine/hyaluronic acid (PLL/HA) multilayers via detergent-enzyme chemical digestion and layer-by-layer self-assembly technology. This modified ACM was then loaded with Transforming Growth Factor Beta 3 (TGF-β3) and incorporated into a thermosensitive hydrogel (TH) to create a HA/PLL-ACM/TH composite scaffold with sustained-release function. This study aimed to evaluate the efficacy of this novel composite scaffold in promoting chondrogenic differentiation of bone marrow mesenchymal stem cells (BMSCs) and facilitating osteochondral defect repair.

Motivation: Identifying high-risk patients for distant metastasis (DM) before treatment can facilitate the development of personalized neoadjuvant treatment and improve the prognosis of patients with locally advanced rectal cancer (LARC). Goal(s): This study aimed to construct a predictive model that integrates radiological information at the macroscale and pathological information at the microscale to estimate the probability of DM in LARC patients after neoadjuvant chemoradiotherapy, using radiomics, pathomics, and biopsy-adapted immunoscore. Approach: Feature selection and signature construction were performed using the least absolute shrinkage and selection operator (LASSO)-Cox analysis. Results: The results demonstrated the effectiveness of the nomogram in identifying high-risk DM patients. Impact: Incorporating multiscale information, including radiomics, pathomics, and the immune microenvironment, enhances the characterization of tumors and provides a robust model for identifying high-risk DM patients in LARC. This approach aids in the development of personalized neoadjuvant treatment strategies.