胃癌的发病率和病死率均位居我国恶性肿瘤前列，外科手术切除依然是重要的治疗手段之一。精准医学是当代医学发展的重要趋势。但是针对胃癌的精准外科诊断与治疗，国内尚未达成共识。因此，中华医学会外科学分会腹腔镜与内镜外科学组、中国医师协会外科医师分会上消化道外科医师专家工作组、《中华消化外科杂志》编辑委员会组织国内相关领域专家，基于国内外现有的临床研究证据并结合国内实际情况，对病情评估、外科决策、手术规划、标本外科处理、生物样本库建设、围手术期辅助治疗、术后加速康复和人文关怀等精准胃癌外科诊断与治疗的若干重要问题进行多次研讨，制订《精准胃癌外科诊疗中国专家共识（2024版）》（以下简称共识）。本共识形成16条推荐意见，以供国内同行参考，旨在推广精准胃癌外科诊断与治疗理念以及指导胃癌外科临床实践。

目的:探讨基于多参数MRI及临床特征的融合模型在术前预测宫颈癌患者淋巴结转移的价值。方法:回顾性分析山西省肿瘤医院2016年6月—2019年3月经病理证实为宫颈鳞癌并于术前行MRI检查的168例患者的资料。按照7∶3的比例，采用完全随机法将所有患者分为训练组115例和验证组53例。由两名影像科医师在MRI图像上手动勾画三维容积感兴趣区(VOI)，并进行一致性分析。根据临床手术病理结果将所有患者分为淋巴结转移阴性(LN－)和阳性(LN＋)，临床及影像资料也对应分组。分别基于每例患者的T 2WI、表观扩散系数(ADC)和增强T 1WI(cT 1WI)序列图像上均提取3 111个影像组学特征，然后对训练组采用以最大相关最小冗余(MRMR)和最小绝对收缩与选择(LASSO)回归为主的四步法进行特征选择和影像组学标签的构建，并进行分层分析。通过多变量逻辑回归筛选独立临床危险因素并联合影像组学标签构建影像组学融合模型，并制作列线图。采用ROC曲线、校正曲线、决策分析曲线(DCA)评估列线图的预测性能及临床效益。 结果:训练组和验证组患者基线资料差异均无统计学意义( P值均>0.05)。基于T 2WI、ADC和cT 1WI合并特征降维后共得到6个影像组学特征( P值均<0.05)，其中包括3个小波类特征参数和3个LoG类特征参数，均与淋巴结转移显著相关。单序列影像组学标签在训练组中ROC曲线下面积(AUC)值为0.763和0.829，显示具有良好的预测效能，合并上述序列构建的影像组学标签对应的AUC值0.859，其诊断效能优于其中任意单一序列，并在验证组得到验证。联合影像组学标签和MRI评价淋巴结状态构建的列线图在训练组和验证组中均显示出良好的鉴别能力和校正性能，对应的AUC分别为0.865和0.861。在独立验证组中的决策曲线示，当风险阈值>10%时，采用影像组学方法预测LN＋的净收益优于将所有患者都看作LN＋或LN－，也优于MRI评价淋巴结状态。 结论:通过联合基于多参数MRI的影像组学标签和MRI评价淋巴结状态建立的融合模型可作为术前评估宫颈癌淋巴结转移的一种辅助方法。

专家引言：胆管癌是一种发生于肝内、外胆管上皮的原发性恶性肿瘤，具有高度的侵袭性和异质性，其中肝外胆管癌约占75%。近年来，胆管癌的发病率和死亡率逐渐增加，其高发地区主要位于东南亚；中国胆管癌的发病率大于6/10万，是全世界发病率最高的国家之一。胆管癌预后极差，在高发地区是继艾滋病和脑卒中之后死亡率最高的疾病之一。近年来，西南医科大学附属医院放射科舒健教授团队围绕肝外胆管癌的MRI开展了一系列研究，利用深度神经网络在MRI图像上对胆胰壶腹部及肝外胆管癌病灶进行了自动识别与分割，利用MRI的常规影像学特征、定量参数以及结合人工智能评估了肝外胆管癌的生物学行为并进行了生存分析的评估，为辅助肝外胆管癌的诊疗提供了影像学手段和依据。四川大学华西医院宋彬教授指出，2018年国家自然科学基金委员会确定了新时代资助导向，即“鼓励探索、突出原创；聚焦前沿、独辟蹊径；需求牵引、突破瓶颈；共性导向、交叉融合”。影像医学作为近年来医学发展最迅速的学科之一，影像科研工作充满机遇，但也面临挑战。舒健教授团队通过国家自然科学基金的资助，针对胆管癌这一相对高发、预后差的有需求牵引的疾病，通过临床、影像的内容进行了系列研究，就如何有效地进行治疗前评估、改善预后、提高生存质量和生存时间等重要研究方向进行逐一探索并突破瓶颈，所做的研究符合国家自然科学基金委所提出的要求，特别是建立了较好的有学科交叉特点的医工团队，科研产出硕果累累。上述主要研究结果表明舒健教授团队将影像学新技术应用于肝外胆管癌的自动检测、术前评估及临床预后预测等方面，为肝外胆管癌的临床决策提供了快速、无创、便捷和个性化的预测方法。期待该团队未来在肝外胆管癌这一疑难疾病能有更多、更好的研究，最终实现肝外胆管癌患者的生存获益。

目的:运用机器学习算法及列线图，构建和验证免疫检查点抑制剂相关性肺炎（CIP）风险预测模型，旨在为更好的辅助临床护理人员筛查CIP的高危人群，提供准确直观的方法。方法:采用回顾性病例对照研究。选取2019年1月至2022年2月南方医科大学珠江医院就诊的230例使用免疫检查点抑制剂治疗的肿瘤患者，使用医院电子病历系统收集患者的资料。应用5种机器学习算法和列线图构建预测模型，在独立测试集进行模型的验证，最后依据评价指标AUC、准确率等评估预测模型的区分度及稳定性。结果:6种模型均提示，肺部基础疾病、吸烟史、血清白蛋白值≤35 g/L、胸部放疗史是促进CIP发生的重要影响因素。K最近邻、支持向量机（SVM）、朴素贝叶斯、决策树和随机森林构建的CIP预测模型的AUC分别为0.647、0.696、0.930、0.870、0.934。列线图构建的模型AUC为0.813，预测性能较好，但低于机器学习算法中表现最佳的随机森林模型（AUC=0.934）。结论:与列线图相比，基于机器学习算法建立的CIP的风险预测模型具有更高的诊断价值，但列线图构建的模型可更直观评估患者风险，建议在列线图基础上，结合机器学习算法，可增加预测模型的准确性及实用性。

胃肠间质瘤（GIST）是胃肠道最常见的间叶源性肿瘤，分子靶向药物的成功应用推动了GIST的临床诊疗进入了精准医学时代。GIST的诊断（包括术前诊断和病理诊断）、外科治疗（包括外科手术、微创治疗、复发转移性GIST的外科手术）和药物治疗（包括极高危GIST辅助治疗时限、术前治疗的干预时机）环环相扣，各个环节都存在一定的陷阱和误区，一旦误入，除了给医者带来困境，更可致医疗资源浪费，甚至危及患者的健康乃至生命。每位从事GIST诊疗的医师需要充分认识GIST的生物学特性和疾病发展规律，在诊疗工作中准确识别每一个可能的陷阱。本文从GIST诊疗的各个环节浅析可能存在的陷阱和误区，以期为推进更合理的临床决策提供参考。

目的:对第十届中国大学生医学技术技能大赛临床医学八年制赛道试题和成绩进行分析，探讨并检验试题设置的合理性及其评价效能，为进一步完善八年制赛道提出改进建议。方法:基于中国本科医学教育标准、第十届中国大学生医学技术技能大赛考核范围、中国医学生临床技能操作指南以及相关胜任力框架对八年制赛道试题和各代表队成绩进行分析。采用SPSS 26.0软件，测算各考站的难度、区分度、信度，对各考站成绩与总成绩进行相关性分析。结果:临床医学八年制赛道基本覆盖了中国本科医学教育标准和考核范围。银奖争夺赛的难度为0.63，区分度为0.79，克朗巴赫系数为0.93；金奖争夺赛难度为0.79，区分度为0.81，克朗巴赫系数为0.66。银奖争夺赛中得分率<60%的胜任力指标，包括CanMEDS框架内的医学专家、合作者、学者等，以及住院医师置信职业行为指标内的接诊患者、辅助检查选择和判读、诊断与鉴别诊断、治疗决策、公共卫生事件应对等。结论:临床医学八年制赛道设计合理，评价准确，结果可信、可靠。各参赛队在胜任力方面仍有待提高，建议根据胜任力框架设计并完善临床医学技术技能大赛。

随着肿瘤精准化治疗时代的到来，越来越多的列线图用于指导临床决策。目前列线图不仅可用于肿瘤发生风险概率的预测，而且还可用于肿瘤的预后评估。列线图中变量的选择、医生诊断水平的差异都会影响其预测的准确性，因此正确认识列线图的局限性，并合理有效的利用其辅助临床决策对疾病的诊断和治疗具有重要的意义。本文对列线图在肿瘤研究领域的进展，分别从列线图的构建及其在肿瘤发生、预后评估及其局限性等方面进行阐述。

采用机器学习技术构建布鲁杆菌病（简称：布病）早期预测模型，以辅助提高布病的诊断效率。本文为病例对照研究，收集2011年5月9日至2021年11月29日首都医科大学附属北京地坛医院的布病患者2 381例作为病例组，首都医科大学附属北京朝阳医院表观健康人检验数据13 257例作为对照组。采用患者年龄、性别、临床诊断信息及22项血细胞分析结果，使用机器学习的随机森林、朴素贝叶斯、决策树、逻辑回归和支持向量机5种算法构建布病早期预测模型；其中14 074例（病例组2 143例，对照组11 931名）用于构建布病早期预测模型，1 564例（病例组238例，对照组1 326名）用于测试模型的预测效能。结果显示，通过对5种机器学习模型进行比对，支持向量机模型预测性能最佳，受试者工作曲线（ROC）线下面积（AUC）为0.991，准确度、精确度、特异度和召回率分别可达95.6%、95.5%、95.4%和95.9%。依据SHAP图显示，血小板分布宽度（PDW）和嗜碱粒细胞相对值（BASO%）结果较低，红细胞分布宽度变异系数（R-CV）、红细胞血红蛋白浓度（MCHC）和血小板体积（MPV）结果高的男性被预测为布病风险高。其中，血小板分布宽度（PDW）对预测模型贡献度最大，红细胞分布宽度变异系数（R-CV）次之。综上，基于机器学习技术建立高灵敏度的布病早期预测方法，对布病患者的及早发现、尽快治疗可能具有重要意义。

糖类抗原72-4(CA72-4)是目前临床上应用较多的1种肿瘤标志物，最早用于胃癌和卵巢癌的辅助诊断和病情监测，可单独或联合其他肿瘤标志物用于结直肠癌、胰腺癌、肺癌、乳腺癌等恶性肿瘤的诊断和随访监测。然而，在临床实践中，CA72-4诊断恶性肿瘤的灵敏度和特异度均偏低，其水平在胃肠息肉、2型糖尿病、结缔组织病等良性疾病，以及服用秋水仙碱、灵芝孢子等药物时也可升高，可能对临床决策产生误导。因此，应重新认识CA72-4的应用价值，以更好地指导临床决策和肿瘤筛查。

近十余年来，智能神经外科已逐步进入轨道化、系统化、规模化的发展阶段，大数据挖掘、机器学习/深度学习/神经网络、临床决策支持系统/专家系统、手术导航与机器人等多个研发版块已初步发展成熟，相关应用已覆盖神经外科各类疾病的临床诊断、治疗决策、手术辅助、预后评估、模拟教学等多种场景，但整体尚处于起步阶段。在中国脑计划的开局之年，全面、理性、客观地回顾智能神经外科的发展历程，审视相关成果的应用现状及风险，具有承前启后的时代意义。