2025 Regeneron ISEF大奖-TMED转化医学科学获奖作品汇总-6

最新官方消息！全球科创天花板赛事——国际科学与工程大奖赛（Regeneron ISEF），现已正式公布了2026年总决赛的举办时间和地点。这场汇聚全球青年创新力量的科技盛宴，将于2026年5月9日至15日，在美国亚利桑那州凤凰城会议中心（Phoenix Convention Center, Arizona）璀璨启幕。

2026ISEF赛事安排

参赛资格

年龄与年级：9-12年级学生（或同等学历），参赛时年龄不超过20岁。

地区选拔：必须通过附属赛（Affiliated Fair）晋级，无法直接报名。中国学生需先参加国内选拔赛（如青创赛、明天小小科学家等）。

团队项目：最多3人，所有成员需满足资格且共同参赛。

项目要求

原创性：项目必须由学生独立完成，允许在专家指导下进行，但不得代劳。

学科范围：涵盖21个学科类别，包括工程、生物、化学、计算机、环境科学等。

伦理限制：涉及人类、脊椎动物、病原体等研究需提前提交额外审查表（如ISEF Forms）。

关键文件与截止时间

ISEF表格：根据研究类型提交相应表格（如1C、2、3等），需在地区赛前完成审核。

摘要与研究论文：英文撰写，清晰描述研究目的、方法、结论。

地区赛截止：2026年3-4月

其他注意事项

展示材料：展板需符合ISEF尺寸要求（通常宽48英寸、深30英寸、高108英寸），禁止活体样本或危险品。

知识产权：部分研究可能需申请专利后再参赛，避免披露风险。

为了方便同学们更好的备赛，特别整理了ISEF-TMED转化医学科学2025获奖作品方便学习

TMED076 - 评估 CNN 在胸部 X 光诊断中的应用

放射学是医学的重要分支，它依赖X射线等成像技术来诊断疾病和损伤，然而，在医疗资源匮乏的地区，放射科医生的短缺导致诊断和治疗延误。深度学习，尤其是卷积神经网络，有望成为诊断放射学的有效工具。本研究旨在探讨更复杂的卷积神经网络模型EfficientNetB4与更简单的EfficientNetB1相比，是否能提高胸部X光图像的诊断性能，以及它能否在低端硬件上高效运行。此外，本研究还考察了EfficientNetB4是否能保持合理的推理速度和诊断性能，以及其诊断准确率和速度是否优于放射科医生的评估结果。EfficientNetB1使用240×240像素的图像进行训练，而EfficientNetB4则使用380×380像素的图像进行训练。推理速度的测试是在一台配备 8GB DDR4 内存、Intel i5-10210U 处理器且无独立显卡的笔记本电脑上进行的，并与一台配备 Ryzen 7800x3d 处理器、RTX 4080 显卡和 32GB DDR5 内存的计算机进行了对比。EfficientNetB4 和一位放射科医生共同评估了 18 张图像作为基准。结果表明，EfficientNetB4 在诊断准确率方面优于 EfficientNetB1，即使在没有 GPU 的硬件上也能快速运行。与放射科医生相比，EfficientNetB4 对 18 张图像的诊断全部正确，且图像处理速度更快。使用 GradCAM 热图，定位结果非常精确，仅有一例气胸病例例外。这些发现表明，卷积神经网络 (CNN) 可能是一种快速可靠的胸部 X 光诊断工具，适用于临床环境，有助于在资源匮乏的环境中提升医疗保健水平。

TMED078 - 使用抗体鸡尾酒疗法诊断胰腺癌

胰腺癌因其侵袭性和高致死率而被誉为“癌症之王”。尽管其发病率仅排名第九，但却是癌症相关死亡的第四大主要原因，预计到2030年将成为美国第二大癌症相关死亡原因。主要问题在于诊断过晚。I期胰腺癌的五年生存率可达84%，但若在IV期确诊，则生存率骤降至3%。由于早期诊断是战胜胰腺癌的关键，我开发了一种新型的胰腺癌诊断方法，该方法从血浆中分离出胰腺癌特异性细胞外囊泡（EVs），从而仅需一次简单的抽血即可检测癌症突变。癌细胞即使在早期阶段也会释放EVs，而EV-DNA包含与原始细胞相同的突变。为了分离胰腺癌特异性EVs，我通过文献检索鉴定了3种胰腺癌特异性表面抗原。将针对这些抗原的抗体混合物与磁性纳米珠偶联，用于从血浆中分离胰腺癌来源的细胞外囊泡（EV）。然后，利用液滴数字PCR（ddPCR）分析纯化的EV-DNA中KRAS突变（胰腺癌的驱动基因突变）。在23例胰腺癌患者和10例健康供体的队列中，所有患者和1例健康供体均检测到KRAS突变。该检测方法的灵敏度为100%，特异性为90%，区分度为91.3%。相比之下，使用目前的行业标准方法，仅在相同的23例患者样本中的17例中检测到癌症。本研究开发了一种从血浆中高灵敏度检测胰腺癌的新方法。进一步的改进和大规模临床试验有望推动该技术应用于临床，用于早期诊断和实时治疗监测。

TMED084 - IgG4-RD 中新型自身抗原的发现

自身免疫性疾病影响着全球数百万人，但由于其生物学复杂性和患者个体差异，许多疾病难以诊断。我开发了一套计算流程来处理自身免疫异质性，从而能够发现IgG4相关疾病（IgG4-RD）中的新型自身抗原。IgG4-RD是一种免疫介导的疾病，其特征是肿瘤样病变、纤维化和器官功能障碍，且缺乏明确的自身免疫特征。虽然先前的研究表明IgG4-RD患者体内存在能够识别自身抗原的浆母细胞，但尚未发现一致的疾病特异性自身抗体反应。我假设，全蛋白质组计算筛选可以发现定义和细分IgG4-RD患者的自身抗原。为了验证这一假设，我分析了先前从30例IgG4-RD患者和30例系统性硬化症（SSc，阳性对照）患者收集的HuProt微阵列数据。我使用 R 语言，运用三种机器学习模型——LASSO 回归、线性和广义线性混合模型 (LMM/GLMM) 以及 SLIDE——来识别差异结合蛋白。每种模型都表现出较高的预测准确率（AUC > 0.9），并且它们的交集揭示了七种持续反应的自身抗原。POLR3K 和 TOP1MT 是 SSc 的已知靶点。DDX3Y 和 LIMS1 被认为是 IgG4-RD 特异性自身抗原的有力候选者，文献表明它们在免疫调节和 IgG 亚类表达中发挥作用。基因本体论分析证实了其生物学相关性，并突出了 RNA 聚合酶 III 活性等功能。这项工作加深了我们对 IgG4-RD 病理生理学的理解，并为自身抗原的发现建立了一个可扩展的框架。它通过实现高分辨率的自身反应性分析，为免疫学的个性化诊断打开了大门。

TMED085 - 用于视网膜血管节段的人工智能眼科硬件

糖尿病视网膜病变（DR）、青光眼和年龄相关性黄斑变性（AMD）等疾病的患病率在全球范围内迅速上升，预计到2040年，将有超过7亿人面临视力障碍的风险。尽管早期视网膜筛查已被证实能显著降低糖尿病患者的视力丧失风险，最高可达90%，但由于传统眼底检查成本高昂且效率低下，难以广泛实施。为了应对这些挑战，本研究通过技术创新取得了以下突破：（i）利用视网膜血管分割技术实现DR的自动分类和无创诊断；（ii）提供增强的血管分割可视化工具，以辅助医生准确识别血管异常；（iii）设计便携式眼底成像设备，以降低诊断成本并提高可及性；（iv）生成与疾病严重程度分类结果相匹配的图像数据，以增强人工智能模型的可解释性，使其更适用于临床应用。

ISEF历年获奖作品集&解析&资料免费下载⬇️