ระดับ D· รากฐานทางวิทยาศาสตร์จากห้องปฏิบัติการและสัตว์ทดลองบทความปริทัศน์Europe PMCเข้าถึงฉบับเต็มได้ฟรี

Crohn's disease: research progress in decoding pathogenic multi-network and precision management of artificial intelligence radiomics

Zhang W., Xie H., Ying S., Zeng X., Liao X., Hu S.

บทความปริทัศน์ เกี่ยวกับ โรคภูมิต้านตนเอง ตีพิมพ์ในวารสาร Front Immunol ปี 2026 — สรุปอัตโนมัติจากบทคัดย่อ PubMed

เปิดรายการอ่านของฉัน
ระดับ D· รากฐานทางวิทยาศาสตร์จากห้องปฏิบัติการและสัตว์ทดลองระดับหลักฐานของงานวิจัยนี้

หลักฐานจากการศึกษาในห้องปฏิบัติการและสัตว์ทดลอง เป็นรากฐานที่ช่วยให้เข้าใจกลไกและศักยภาพก่อนการศึกษาในมนุษย์ต่อไป

  • ระดับ A · หลักฐานทางคลินิกค่อนข้างแข็งแรง
  • ระดับ B · หลักฐานทางคลินิกที่กำลังเติบโตและมีสัญญาณเชิงบวก
  • ระดับ C · งานวิจัยในมนุษย์ระยะต้นที่กำลังสำรวจประโยชน์
  • ระดับ D · รากฐานทางวิทยาศาสตร์จากห้องปฏิบัติการและสัตว์ทดลอง
  • กำลังศึกษาเพิ่มเติม · หัวข้อใหม่ที่นักวิจัยกำลังสำรวจอย่างต่อเนื่อง
อ่านคำอธิบายระดับหลักฐาน A–D

ข้อมูลหน้านี้ดึงมาจากฐานข้อมูล PubMed โดยตรง คำอธิบายภาษาไทยเป็นสรุปอัตโนมัติจากข้อมูลบรรณานุกรมและบทคัดย่อ ไม่ใช่การแปลทั้งฉบับ และไม่ใช่คำแนะนำทางการแพทย์

ประเภทการศึกษา
บทความปริทัศน์
วารสาร
Front Immunol (2026)
จำนวนผู้เข้าร่วม (จากบทคัดย่อ)
—
แหล่งข้อมูล
Europe PMC
PMID
41909686
PMCID
PMC13018164
DOI
10.3389/fimmu.2026.1774889

บทคัดย่อ (ต้นฉบับภาษาอังกฤษ)

Crohn's disease (CD) is a chronic, relapsing inflammatory bowel disease characterized by transmural inflammation. Its clinical presentation and disease course are highly heterogeneous across individuals, and the global disease burden continues to rise. Although biomarkers such as fecal calprotectin and anti-Saccharomyces cerevisiae antibodies (ASCA), together with computed tomography enterography (CTE)/magnetic resonance enterography (MRE) and endoscopy, play central roles in diagnosis and longitudinal monitoring, important unmet needs remain. In particular, current approaches show limited reproducibility and insufficient phenotypic granularity for stratifying transmural inflammation, mesenteric involvement, and fibrostenotic disease, as well as for predicting therapeutic response and surgical risk. In this review, we adopt a multi-network pathogenic framework-encompassing genetic susceptibility, barrier dysfunction, microbial dysbiosis, immune-driven inflammation, fibrotic remodeling, and mesenteric inflammation with adipose remodeling-to delineate how these interconnected processes shape intestinal and mesenteric imaging phenotypes. We then focus on AI-enabled radiomics in CTE/MRE, summarizing key workflows for phenotype quantification, feature extraction, and model development, and highlighting its potential as an imaging biomarker across major clinical applications, includi

สิ่งที่งานวิจัยนี้ไม่ได้พิสูจน์

  • • งานวิจัยนี้ไม่ได้พิสูจน์ว่า SVF เป็นการรักษาที่ได้รับการรับรอง หรือใช้แทนการรักษามาตรฐานได้
  • • เป็นบทความปริทัศน์ ไม่ได้เก็บข้อมูลผู้ป่วยใหม่ และไม่ได้ประเมินคุณภาพหลักฐานอย่างเป็นระบบ

ระดับหลักฐาน

หลักฐานจากการศึกษาในห้องปฏิบัติการและสัตว์ทดลอง เป็นรากฐานที่ช่วยให้เข้าใจกลไกและศักยภาพก่อนการศึกษาในมนุษย์ต่อไป

ดูวิธีจัดระดับหลักฐาน
HumansCrohn DiseaseMagnetic Resonance ImagingArtificial IntelligenceBiomarkersPrecision MedicineRadiomics

ดูงานวิจัยทั้งหมดที่เกี่ยวข้อง

กรองห้องสมุดงานวิจัยด้วยชื่อเรื่อง ชื่อผู้เขียน หรือปีที่ตีพิมพ์ของงานวิจัยนี้

งานวิจัยที่เกี่ยวข้อง