目的:探讨基于临床资料、影像征象和影像组学特征构建的联合模型在术前对肺结节浸润程度的预测价值,并通过决策热图及Shapley算法对模型进行可视化分析.方法:回顾性搜集2018年1月—2022年3月在本院经病理确诊的179例肺结节患者的临床资料和术前CT图像(肺窗平扫).根据肺肿瘤新分类,分为腺体前驱病变组(78例)和浸润性肺腺癌组(101例).采用Deepwise软件,分别提取瘤灶、瘤周3 mm和5 mm区域的影像组学特征.使用单因素分析、相关性分析、Boruta算法和逐步logistic回归分析等特征筛选算法确定各区域的最佳组学特征,然后采用logistics方法分别构建3个单区域及2个多区域(肿瘤+瘤周3 mm及肿瘤+瘤周5 mm)共5个影像组学模型,分析各模型的预测效能并计算其影像组学评分(Radsocre).通过单因素和多因素logistic回归方法筛选相关临床指标和结节的主要CT征象,并采用XGBoost算法将筛选出的高危因素结合瘤灶+瘤周3 mm联合模型的影像组学得分构建临床影像联合模型.额外收集浙江省嘉兴市中医医院经病理证实的69例肺结节患者的临床和CT资料来完成联合模型的泛化性验证.利用决策热图和Shapley算法对模型分别进行可视化和特征贡献度分析.结果:相比单区域影像组学模型(训练集:AUC=0.740、0753、0.768;验证集:AUC=0.841、0.856、0.809),多区域影像组学模型在两个数据集中均显示出更高的预测效能(AUC=0.878和0.834).XGBoost联合模型的预测效能得到进一步地提高(AUC=0.948和0.886).Shap-ley分析显示影像组学得分、CT值和结节长度为预测肺结节浸润程度的最重要的3个特征.决策热图算法实现了对浸润性预测推演过程的可视化.结论:XGBoost模型对肺结节浸润性的评估具有较高的准确性和泛化性.决策热图实现了可解释机器学习算法的可视化从而保障了模型的实用性,为肺结节的临床处理及管理提供了一种无创性的辅助诊断工具.

目的:探讨神经重症患者的替代决策者（SDMs）决策后悔现状及其影响因素。方法:本研究为横断面调研，采用便利抽样法选取安徽省中医药大学第一附属医院神经外科2021年8月至2022年4月收治的重症患者的SDMs 110例为研究对象。采用一般资料调查表、中文版决策后悔评估量表、疾病相关知识知晓程度问卷、一般自我效能量表、焦虑自评量表、抑郁自评量表对神经重症患者的SDMs进行问卷调查。采用多元线性逐步回归法分析神经重症患者的SDMs决策后悔的影响因素。结果:110例神经重症患者的SDMs决策后悔中未出现后悔者占50.0%（55/110）、轻度后悔者占30.9%（34/110）、中重度后悔者占19.1%（21/110）。单因素分析结果显示，性别对神经重症患者SDMs决策后悔得分有影响，差异有统计学意义（ t=6.57， P<0.05），而年龄、与患者关系、受教育程度、决策方式、居住地、家庭人均月收入则对其决策后悔得分无影响，差异均无统计学意义（ t值为0.09~1.01，均 P>0.05）；相关性分析结果显示，神经重症患者SDMs决策后悔得分与疾病相关知识知晓得分、自我效能得分呈负相关（ r=-0.342、-0.252，均 P<0.01），而与焦虑、抑郁得分呈正相关（ r=0.403、0.360，均 P<0.01）；多重线性回归结果显示，性别、疾病相关知识知晓、自我效能、焦虑、抑郁是影响神经重症患者SDMs决策后悔的重要因素（ t值为-3.37~4.31，均 P<0.05）。 结论:神经重症患者SDMs决策后悔程度较高，性别、疾病相关知识知晓、自我效能、焦虑、抑郁是重要的影响因素，提示医护人员可通过决策辅助干预措施以缓解SDMs的决策后悔程度。

目的 解决居家健康感知层设备数据体量大、维度多,且用于辅助中医临床诊断价值低下问题.方法 本文基于中医诊断学原理将居家健康数据划分为互补、冗余、协作3种类型,提出了一种在设备数据、居家事件、中医症状3个层级进行数据融合的解决方案.结果 本文提出的数据融合解决方案使居家场景下各设备采集的数据具有了整体协作的能力,提取出对于中医诊断更有价值的居家数据,同时降低了居家端传感器对家庭网络带宽带来的实时压力.结论 基于多设备的居家健康开放性物联网生态系统的搭建是一项庞大的工程,包括了感知层硬件的搭建、数据清洗、融合、归一化、标注、建模等方面.本文重点阐述了一种居家健康数据融合的思路,将多类数据根据中医理论进行模块化整合,解决了居家健康数据的重复性、零散等问题.可以为居家多源异构数据的清洗提供方向,也可以为后续的中医特色的数据标注、建模提供思路,从而为中医临床提供更具价值的决策辅助.

中医临床决策支持系统(CDSS)作为中医临床实践的重要工具,在其发展建设中,紧密围绕中医理论、中医数据、前沿技术和理念变迁展开.本文从中医CDSS的思想理论基础和技术支持两个方面着重介绍了其发展情况.理论基础方面,将中医传统知识与现代科技相结合,为中医CDSS的建设提供了坚实的理论基础.技术支持方面,中医CDSS依托前沿技术如人工智能、大数据等,不断进行技术创新和算法优化,以适应中医临床实践的需求.未来,中医CDSS的发展趋势将更加注重数据与技术的融合,以实现个性化、精准化诊疗,推动中医临床辅助决策水平的提升.

从临床决策支持系统的概念出发,对中医临床决策支持系统的发展及其在中医药领域的应用和研究进展进行综述.概述了中医临床决策支持系统内涵及其构建方法和研究应用,介绍了中医临床决策支持系统利用中医自然语言处理等人工智能技术对名老中医诊疗经验进行数据挖掘并建模后形成了中医疾病知识图谱,以及历年来中医临床决策支持系统的研究进展和应用,以期为同领域研究和应用提供新思路.

临床决策支持系统日益成为医务人员的重要工具,但目前多数落地应用集中在合理用药方面,因为在诊断辅助、治疗安全和疗效分析3个重要环节依然存在诸多技术难点,缺乏系统性和工程化解决方案.本文基于中医智能系统性的发展和临床中西医结合的现实需求,探讨中西医结合临床决策支持系统(CDSS)实现闭环的关键技术,即中西医多源异构数据分析与交叉验证;中医知识图谱和算法模型的智能辅助辨证论治;疑难杂症治疗的智能推荐和用药模型构建;疗效分析的语义理解、隐私安全与数据保护机制等.通过部分工程实例,提出中西医结合CDSS关键技术解决方案,为卫生信息管理和研究人员、企业级产品开发和临床实践应用提供参考.

目的:基于PICO模型构建中医药循证指南知识图谱,探索以此知识图谱为知识库搭建智能问答系统,增强临床决策支持.方法:采用自上而下与自下而上相结合的方法设计知识图谱的概念层和数据层,并以多囊卵巢综合征为例,利用"文心一言"大模型工具进行知识抽取,抽取结果通过Neo4j图数据库进行存储,实现知识图谱的可视化展示,同时对智能问答系统进行临床专家问卷调研和框架结构设计.结果:构建了包含13种类别、248个节点、12种关系类型、337条关系以及10种数据属性的中医药循证指南知识图谱,并展示了其可视化功能和应用示例.智能问答系统部分,已根据指南临床问题范围将其分为12大类,并预设了 24种问题模板,为后续问题预处理奠定了基础,并对系统实现提供了有力支撑.结论:本研究以循证指南为数据源确保了临床辅助决策系统科学性和准确性,也为中医药领域的智能化信息服务提供了新的思路和方法.

旨在探索中医古籍知识库在临床辅助决策系统中的应用与建设.中医古籍包含了丰富的临床经验和中医理论知识,然而由于古籍数量庞大且馆藏分散,保存状态参差不齐,使得医生在临床实践难以充分运用.因此,将中医古籍知识库与临床辅助决策系统相结合,逐渐成为提升中医临床诊疗水平的重要趋势之一.本研究收集岭南中医古籍共计278本,涵盖488种疾病,1198种证候,3 907种症状,系统对中医古籍进行整理和分类,构建出一个结构化和标准化的中医古籍库,同时关联引入现代临床医学相关知识,形成了综合性的中医临床知识库.本文设计了一套基于规则的推理引擎和机器学习算法,根据患者的症状、体质等信息,从中医古籍知识库中检索出相应的诊断和治疗建议.通过实际应用和测试,验证了基于中医古籍知识库的临床辅助决策系统可提高中医诊疗的有效性,系统的建设不仅有助于传承和发扬中医古籍知识,也为现代中医临床实践提供了有力的支持.

动态不确定因果图(DUCG)已成为中医药领域新兴的、先进的知识表示与推理模型.为更好地应用DUCG为中医临床提供诊断推理与决策支持,在归纳总结DUCG中医药领域研究与应用情况的基础上,分析现阶段DUCG在中医诊断中存在的主要问题,包括中医术语规范统一和中医药知识库质量问题、推理算法和模型建造的方法选择与设计问题、DUCG中医诊断模型的平台化和产品化问题等,并据此展开应用思路与方法探讨,提出应深挖DUCG的技术内涵,根据临床实际需求选择精准、高效的推理建模方法,建立符合中医药理论思想、具有中医特色的智能辅助诊断模型,加强DUCG协同研究平台及产品的开发应用.

目的 通过卷积神经网络对冠心病痰湿证的舌象进行分类识别,提高冠心病痰湿证舌象识别准确率.方法 选取2020年10月至2022年8月在内蒙古自治区乌兰浩特市妇幼保健院、陕西中医药大学第二附属医院等地采集到的200例冠心病患者,其中痰湿证组、非痰湿证组各100例,运用ConvNeXt模型、朴素贝叶斯网络、K近邻模型、决策树算法、支持向量机模型进行舌象分类辨识.结果 不同模型的舌象分类平均准确度均在50％以上,ConvNeXt模型的平均准确度最高为89.44％;ConvNeXt模型验证集中痰湿证和非痰湿证2个类别的平均准确度、精确率、F1值和召回率均接近90％.结论 使用ConvNeXt模型进行舌象分类识别,能够较为准确地从舌诊上区分冠心病痰湿证与非痰湿证,客观化的人工智能识别技术,可以辅助冠心病痰湿证的临床诊断,有助于中医舌诊客观化研究的发展.