目的:通过生物信息学方法,揭示肝细胞癌(hepatocellular carcinoma,HCC)的异质性,探讨铁死亡相关基因与HCC肿瘤微环境(tumor microenvironment,TME)的关系,并构建基于铁死亡相关基因的预后模型,为预防HCC患者复发提供新的思路.方法:基于TCGA数据库和NODE数据库,利用非负矩阵分解聚类分析鉴定分子亚型,通过ESTIMATE算法和CIBERSORT算法用于构建免疫评分,利用Cox回归进行拟合风险评估模型并计算风险得分,并基于风险得分及临床信息构建列线图,利用体外实验验证mRNA的表达水平.结果:HCC的异质性体现为两种不同铁死亡相关的免疫分子亚型,其免疫评分差异显著(P＜0.001).筛选出G6PD、KIF20A、RRM2和TXN四个最佳候选铁死亡相关基因,并进行拟合构建风险评估模型,列线图对HCC患者的复发具有良好的预测能力.体外实验提示四个最佳候选基因均在人肝癌细胞表达水平增高(P＜0.05).结论:HCC可分为两种分子亚型,分子亚型与HCC的复发有关,铁死亡在TME中可能起着关键作用.四个铁死亡相关基因可能是预防HCC复发的潜在因素,预后模型对HCC复发有一定的预测价值.

提出一种基于卷积神经网络的X线片下肢关节角度识别算法,首先在X线片中使用Yolov5目标检测模型来识别特定类别的感兴趣区域,并使用U-Net模型进行热图回归来识别关键特征点,最后进行下肢关节角度的计算.研究结果表明,本文提出的算法相比于之前的算法精度更高,结果准确可靠,为临床研究和实践提供参考.

目的 青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)是危害青少年健康的常见疾病之一.临床上,X线图像Cobb角测量法是评估患者脊柱侧凸严重程度的"金标准".由于X线图像中肋骨和骨盆阴影重叠以及椎骨形态差异等因素影响,人工测量在寻找关键点时步骤复杂且耗时长,快速且准确的Cobb角自动测量方法具有重要临床应用价值.现有深度学习方法中基于分割的方法易受图像质量影响;基于关键点检测方法过于关注局部特征提取导致定位不准确等问题.为此,本文提出了一种以椎骨为中心的标志点检测方法,来实现脊柱侧弯Cobb角自动估计算法.方法 构建一种基于融合多尺度和注意力机制M型椎骨检测网络(multi-scale attention M-shaped network,MSAM-Net).首先,使用多尺度金字塔拆分注意力(multi-scale pyramids squeeze attention,MPSA)模块和注意力特征融合(attentional feature fusion,AFF)模块提取椎骨特征和上下文信息,然后,根据椎体中心和角偏移量定位4个角标志点,以在脊柱侧弯评估任务中提高椎骨标志点检测的性能,进而实现近胸段、主胸段和胸腰段曲线的Cobb角估计.结果 为了评估Cobb角估计与真实侧弯角度之间的偏差程度,本研究算法基于AASCE MICCAI 2019挑战赛数据集,使用4种指标对Cobb角精度进行评估,分别是对称平均绝对百分比误差(symmetric mean absolute percentage error,SMAPE)、欧氏距离(Euclidean distance,ED)、曼哈顿距离(Manhattan distance,MD)和切比雪夫距离(Chebyshev distance,CD).测试得到SMAPE为9.39％,ED为4.18;MD为5.92;CD为5.34.与基于分割和检测的5种深度学习方法进行对比,实现更好的Cobb角测量结果.结论 本研究可以准确识别和定位X线图像中椎骨,帮助医生测量AIS患者的Cobb角,为临床AIS诊断、手术计划和脊柱健康分析提供决策支持.

背景 新医科建设背景下,教育部鼓励信息技术与医学教育深度融合,培养一流医学人才服务健康中国建设,目前医患沟通共情能力教学多以模拟沟通、小组讨论形式为主,依托人工智能技术开展教学较少.目的 探索构建可以用于课程教学的医患沟通共情语言教学与评价系统,为今后医患沟通共情教学提供新的方向;开展教学应用,提高医学生、医生沟通共情语言表达能力,并收集反馈用于系统的优化改善.方法 2021 年 9 月—2022 年 2 月课题组基于讯飞语音识别技术和共情语义识别算法,应用课题组研制的 10 个医患沟通典型案例、示范共情语言、共情语言语义库、共情语言技能及其整体评分标准等进行系统"医患沟通共情语言虚拟仿真教学与评价系统"(以下简称系统)的开发;2022 年 3-5 月选取南京医科大学参与医患沟通学课程或培训的 950 名学生(包括 515 名本科生、102 名医学博士生和 333 名临床医生)为研究对象,基于本系统开展南京医科大学《医患沟通学》技能课(2 学时)的教学试验.采用自拟调查问卷收集研究对象的共情语言内涵掌握程度、共情语言能力增强程度、系统便捷性认知程度、系统融入教学合理性认知程度等,并采用NVivo软件对研究对象的反馈意见和建议进行词频分析.结果 应用系统后,本科生、临床医生、医学博士生的共情语言内涵掌握程度、共情语言能力增强程度、系统便捷性认知程度、系统融入教学合理性认知程度比较,差异有统计学意义(P<0.05),其中 76.1%(723/950)的研究对象的共情语言内涵掌握程度评价结果为"完全掌握"或"掌握程度较高";93.8%(891/950)的研究对象表明本系统可"显著增强"或"有些增强"共情语言能力,89.5%(850/950)的研究对象对该系统便捷性认知程度的评价为"非常便捷"或"比较便捷";95.1%(903/950)的研究对象对该系统融入教学合理性认知程度的评价为"非常合理"或"比较合理".反馈意见和建议中词频位于前五的关键词依次为:沟通、语音、教学、程序、标准.结论 该系统能够提高医学生和医生在医患沟通中由个案到一般的共情能力,自主型系统的使用解放了师生教学的时空局限,其规范的课程教学方式也得到了研究对象的正向合理性反馈,具有广泛的应用前景,但目前处于初级探索阶段,仍需要不断完善.

背景 门急诊服务敏感疾病(ACSCs)指通过及时有效的门急诊服务可以避免住院的疾病.随着全球对提升医疗卫生服务质量与效率的日渐关注,深入了解ACSCs的发生发展和研究动态至关重要.目的 分析近 30 年ACSCs研究领域的热点、前沿与趋势.方法 2023 年 3 月,检索并分析Web of Science数据库中与ACSCs相关的英文文献,使用CiteSpace 6.1.R6 信息可视化软件进行数据汇总和分析,包括发表年份、作者、研究机构、关键词和参考文献.时间跨度设置为"1992-2023 年",时间分区设置为 5 年.网络节点关联强度选择"Cosine"算法.根据分析主题,选择"Author""Institution""Keyword"作为节点进行可视化分析,分别得到作者、机构、关键词共现的知识图谱.结果 初检获得文献 1 701 篇,经CiteSpace识别后,最终纳入分析 1 698 篇.近年来关注ACSCs的研究数量总体呈现上升趋势,发文量排名前 3 位的机构分别是哈佛大学[81 篇(4.77%)]、加利福尼亚大学[63 篇(3.71%)]及密歇根大学[47 篇(2.77%)].关键词聚类图谱得到"nursing home""public health""primary care""integrated care""impact""potentially avoidable hospitalizations""management""performance"8 个聚类主题.引文分析显示,ACSCs领域高被引研究重点聚焦于可避免住院的现状与影响因素、可避免住院与医疗卫生服务的关系、减少可避免住院的措施三方面.结论 近 30 年,ACSCs领域的研究迅速发展,目前已被世界主要发达国家广泛用于评估和改进医疗卫生服务.然而,研究者和机构之间缺乏跨区域合作,研究热点随时间演进不断变化,主题涵盖ACSCs及门急诊服务敏感疾病住院(ACSH)的研究意义与政策含义、影响因素、实践应用和政策启示四大类.国内对这些关键领域的探讨不足,未来需给予更多关注.

目的 通过整合肺系疫病的各阶段临床表现与中药复方,利用现代生命科学的组学大数据资源,挖掘肺系疫病各阶段症状与中药的内在联系,为阐明中医药在治疗肺系疫病中的作用机制提供数据支持.方法 明确界定肺系疫病非特异性症状特征,系统梳理古代疫病文献资料、中成药目录,以及针对新型冠状病毒肺炎的中医药诊疗方案,构建包含肺系疫病各阶段症状与方药的大数据集;运用网页排名算法提炼出肺系疫病在急性期(轻症、重症)和恢复期 3 个不同阶段的"核心症状群"和"核心中药群",并通过随机游走算法深入剖析核心"症-药"间的相互关系.结果 在纳入的 822 条数据中(轻症 287 条,重症 403 条,恢复期 132 条),所识别的核心症状群与各阶段肺系疫病的实际临床表现高度吻合.轻症阶段的核心中药以解表药和清热药为主,重症阶段则在此基础上增加了祛湿化痰药,而恢复期以补气养阴药为核心.进一步的富集分析揭示,急性期核心中药主要涉及调控Janus激酶/信号转导与转录激活子和核转录因子κB信号通路,恢复期核心中药主要影响成纤维细胞增殖相关通路.结论 核心症状群对应的核心中药群可能通过调节关键转录因子来治疗肺系疫病.

目的:利用生物信息学方法挖掘呼吸机相关性肺损伤（VILI）小鼠的差异表达基因（DEG），并通过构建VILI小鼠模型对关键基因进行验证。方法:①实验1（生物信息学分析）：从基因表达数据库（GEO）下载VILI与自主呼吸对照组小鼠的肺组织基因芯片数据GSE9368和GSE11662，通过统计分析获得DEG，运用韦恩图获得两个数据的共同DEG，然后使用DAVID在线数据库对共同DEG进行基因本体（GO）功能注释和京都基因与基因组百科（KEGG）通路富集分析，最后利用基因与蛋白质相互作用检索在线数据库（STRING）对共同DEG进行基因编码蛋白相互作用（PPI）分析，并运用CytoScape软件、分子复合物检测分析插件（MCODE），以及CytoHubba插件中最大团中心性（MCC）、最大邻居连通度（MNC）与度（degree）算法进行拓扑分析，筛选出关键基因。②实验2（相关基因编码蛋白验证）：构建C57BL/6小鼠大潮气量（20 mL/kg）VILI模型，并设自主呼吸对照组。取小鼠肺组织进行苏木素-伊红（HE）染色，观察肺组织病理学改变；并对实验1中筛选出的关键基因编码蛋白进行免疫组化验证。结果:①实验1结果：GSE9368数据中筛选出114个DEG，其中上调99个，下调15个；GSE11662数据中筛选出258个DEG，其中上调188个，下调70个；获得共同DEG 66个，其中上调61个，下调5个。GO功能注释结果表明，共同DEG参与炎症反应、免疫应答、白细胞及中性粒细胞趋化浸润等过程；KEGG通路富集分析提示共同DEG主要富集于细胞黏附、细胞因子-细胞因子受体相互作用及肿瘤坏死因子（TNF）信号通路等。通过STRING及CytoScape构建差异基因PPI网络图和重要子模块，并获得拓扑分析MCC、MNC及degree算法得出的交集基因，分别为细胞因子信号转导抑制因子3（SOCS3）、白细胞介素-1β（IL-1β）、基质金属蛋白酶-9（MMP-9）、整合素Itgam、CXC型趋化因子配体2（CXCL2）、CXC型趋化因子受体2（CXCR2）、L-选择素Sell及CC型趋化因子受体1（CCR1）。②实验2结果：构建大潮气量VILI小鼠模型结果显示，与自主呼吸对照组相比，机械通气结束后0 h小鼠肺组织有所损伤；通气结束后6 h肺组织结构受损明显，肺泡腔可见不同程度出血和塌陷，肺泡壁明显增厚，肺泡腔及间质还可见炎症细胞浸润。对拓扑分析交集前3位基因IL-1β、SOCS3、MMP-9的编码蛋白进行免疫组化染色，结果显示，随通气时间延长，小鼠肺组织中IL-1β、SOCS3、MMP-9蛋白表达逐渐上调，6 h时与自主呼吸对照组比较差异均有统计学意义〔IL-1β（积分 A值）：8.40±2.67比5.10±0.94，SOCS3（积分 A值）：9.74±1.80比5.95±1.31，MMP-9（积分 A值）：11.45±6.20比5.36±1.28，均 P<0.05〕。 结论:基于GSE9368和GSE11662数据的生物信息学分析发现，VILI与炎症损伤、细胞因子及免疫细胞浸润相关；IL-1β、SOCS3、MMP-9蛋白可能为VILI生物标志物。

目的:探讨蛋白tweety同源物2(TTYH2)在皮肤黑色素瘤(SKCM)中的表达水平、作用机制和对临床预后的意义。方法:从癌症基因组图谱(TCGA)数据库下载365例皮肤黑色素瘤患者的表达数据和临床信息，以基因型和基因表达量关联数据库(GTEx)下载812例健康人皮肤组织表达数据，分析TTYH2在SKCM组织和正常组织中的表达水平。生存分析和Cox比例风险回归分析用于评估TTYH2表达对SKCM患者预后生存的影响。京都基因组百科全书(KEGG)通路富集分析和基因本体(GO)分析用于筛选TTYH2显著富集的信号通路。应用STRING在线平台进行蛋白质互作网络分析，筛选关键的蛋白质网络节点基因。免疫细胞浸润分析使用CIBERSORT算法分析22种免疫细胞在每个样本中的表达情况，使用卡方检验分析高、低表达组中免疫细胞的差异， P<0.05为差异有统计学意义。 结果:SKCM患者TTYH2的表达明显高于正常组织中的表达。生存分析表明SKCM患者TTYH2高表达组具有较差的预后。TTYH2高表达是SKCM总生存率差的独立预测因子( HR＝1.21，95% CI 1.08~1.37， P＝0.001)。KEGG结果显示TTYH2主要富集在细胞突触、离子通道、钙信号通路和细胞外基质-受体相互作用途径等相关通路上，GO分析得出TTYH2参与的生物过程等均可能与肿瘤的发生发展密切相关；蛋白互作网络分析显示，TTYH2与氯化物胞内通道蛋白5、氯离子通道蛋白2、甘氨酸受体家族成员和γ-氨基丁酸受体家族成员等有相互作用，揭示了其可能在SKCM的发病过程中具有重要作用。免疫细胞浸润分析显示，记忆B细胞、CD4记忆T细胞和单核细胞在TTYH2低表达组中的丰度显著增加，而在TTYH2低表达组中滤泡辅助T细胞和调节性T细胞的丰度显著降低。 结论:TTYH2的表达可能通过多种途径调控SKCM细胞的发生发展，影响SKCM患者的生存预后，是SKCM潜在的生物学预后标志物及治疗靶标。

本研究利用综合生物信息学方法寻找能够预测哮喘严重程度的新生物标志物。于2022年6至12月，在武汉大学中南医院过敏反应科开展并完成该临床医学研究。从高通量基因表达（Gene Expression Omnibus，GEO）数据库中筛选并下载基因芯片数据集GSE43696，使用R语言“affy”包和“rma”算法完成基因芯片数据预处理。利用“edgeR”包和“limma”包筛选出正常对照者、轻中度哮喘患者和重度哮喘患者两两之间的差异表达基因（differentially expressed genes，DEGs），然后用“clusterProfiler”包对差异表达基因进行GO功能富集分析和KEGG通路富集分析，最后用STRING网站构建差异表达基因的蛋白-蛋白互作（protein-protein interaction，PPI）网络，进一步筛选差异表达基因。使用R语言“WGCNA”包对数据集GSE43696进行加权基因共表达网络分析（weighted gene co-expression network analysis，WGCNA），筛选出与哮喘严重程度显著相关的模块，将WGCNA分析结果与PPI筛选的差异表达基因取交集得到关键（hub）基因。利用数据集GSE43696和GSE63142对hub基因表达量进行验证，依据ROC曲线评估诊断价值，并通过基因集富集分析（gene set enrichment analysis，GSEA）进一步明确数据集GSE43696中hub基因的潜在功能。结果显示，共筛选出251个DEGs，其中正常组和轻中度哮喘组39个，正常组和重度哮喘组178个，轻中度哮喘组和重度哮喘组34个，主要参与对有毒物质的反应、对氧化应激的反应、细胞外结构组织、细胞外基质组织等生物过程。筛选出两个与哮喘严重程度显著相关的模块（red模块， P=7e-6， r=0.43；pink模块， P=5e-8， r=-0.51），最终得到6个hub基因，包括 B3GNT6、 CEACAM5、 CCK、 ERBB2、 CSH1和 DPPA5。通过数据集GSE43696和GSE63142的基因表达水平比较和ROC曲线分析进一步验证了这6个hub基因，可能与o-聚糖生物合成、α-亚麻酸代谢、亚油酸代谢和戊糖葡萄糖酸的相互转化等过程相关。综上，通过多种生物信息学分析方法，本研究鉴定出与哮喘严重程度显著相关的6个hub基因，为哮喘的病情预测和靶向治疗提供了可能的新方向。

目的:分析皮肤黑色素瘤(SKCM)免疫微环境相关基因，筛选新的标志物以预测SKCM患者的预后。方法:癌症基因组图谱(TCGA)数据库下载SKCM患者的公共测序数据，使用表达数据估计恶性肿瘤中的间质和免疫细胞(ESTIMATE)算法分析SKCM的免疫评分和基质评分，加权基因共表达网络分析(WGCNA)和差异表达分析筛选出与免疫微环境相关的关键基因，单因素和最小绝对收缩和选择算子(LASSO)回归模型用来构建SKCM的风险预测模型。最后，单因素和多因素Cox回归分析评估风险预测模型的独立预后价值。结果:本研究通过单因素和LASSO回归分析，从173个免疫微环境相关的基因筛选出的5个(HLA-DRB1、XCL2、CCR1、HLA-DQB2和DERL3)基因，成功的构建了一种新的风险预测模型。基于风险预测模型分组的高危组患者总生存期(OS)显著短于低危组患者( P<0.01)。风险评分模型的独立预后分析证明其是独立预后指标[风险比( HR)＝2.823，95%可信区间( CI)：1.778~4.481， P<0.01]。 结论:HLA-DRB1、XCL2、CCR1、HLA-DQB2和DERL3基因构建的风险模型对SKCM具有较好的预后判断价值。