抑郁症相关的自杀行为预测是当前突出的预防医学和临床医学难点.机器学习(Machine Learning,ML)是一种人工智能技术,国内外已有不少研究将ML用于抑郁症的诊断或自杀预测.本文聚焦于具有自杀风险的抑郁症人群,通过回顾现有的自杀风险评估工具的应用概况,述评ML在抑郁症患者自杀风险预测方面的多种模型,以期为临床医护人员以及相关公共卫生部门识别和预测抑郁症患者的自杀风险提供科学技术参考.ML相关技术仍存在预测局限性,未来应纳入更多深入研究和开展临床实践.

目的 分析磁共振(MRI)多参数成像联合血清前列腺特异性抗原(PSA)对前列腺癌根治术后局部复发的诊断价值.方法 回顾性收集2018年1月至2022年12月于四川省中西医结合医院行前列腺癌根治术的243例患者临床资料,根据术后1年是否发生局部复发,将其分为局部复发组(n=22)和未复发组(n=221).记录磁共振弥散成像(DWI)评分、动态对比增强MRI(DCE-MRI)评分及总风险评分,比较两组临床资料、表观扩散系数(ADC)值、DWI评分、DCE-MRI评分、总风险评分及血清PSA水平差异,使用受试者工作特征(ROC)曲线分析ADC值、总风险评分、血清PSA对前列腺癌根治术后局部复发的诊断价值.结果 两组年龄、术前前列腺体积、体重指数及吸烟史比较,差异无统计学意义(P>0.05).复发组临床分期、血清PSA水平及Gleason、DWI、DCE-MRI、总风险评分均高于未复发组(P<0.05),ADC值低于未复发组(P<0.05).ROC曲线分析显示,ADC值、总风险评分及血清PSA对前列腺癌根治术后局部复发均具有较高的诊断价值(AUC=0.742、0.965、0.940,P<0.05).结论 基于DCE-MRI和DWI的总风险评分与血清PSA水平对前列腺癌根治术后局部复发诊断均有利,二者联合诊断应用价值较高.

目的 通过生物信息学技术,筛选出与肺腺癌(LUAD)复发相关的关键基因和信号通路,为探讨LUAD复发的分子机制提供理论支持.方法 从TCGA和GEO数据库中下载LUAD相关数据集,利用加权基因共表达网络分析(WGCNA)算法挑选关键基因模块,采用LASSO-Cox回归分析构建预后模型;Limma算法筛选差异表达基因;Estimate和MCP算法评估免疫细胞浸润.结果 共筛选出29个相关基因模块.单因素Cox分析结果显示,仅有4个基因与患者预后显著相关.基于该基因集进行的LASSO-Cox预后模型显示,风险评分高的患者其预后差,提示该模型具有良好的预测能力.该模型筛选出4个关键基因,分别为丝氨酸-苏氨酸激酶受体相关蛋白(STRAP)、G蛋白亚基γ12(GNG12)、线粒体甘油-3-磷酸酰基转移酶(GPAM)、锚蛋白重复和泛素结构域蛋白1(ANKUB1).本研究对STRAP进行了深入分析,结果显示,STRAP在泛癌中呈现广泛高表达,且与多种肿瘤的不良预后及临床病理特征显著相关.STRAP与免疫抑制分子的表达呈显著正相关.高表达STRAP的患者其微环境CD8+T细胞、NK细胞等多种免疫细胞浸润降低,抑癌基因的单核苷酸多态性(SNP)显著升高,呈现"冷肿瘤"表型.此外,免疫组织化学表明,STRAP在肿瘤组织中显著高表达.结论 基因模型能够较好地预测患者复发风险,其中STRAP在LUAD发展中可能发挥重要作用.

目的 探讨机器学习(ML)算法结合能谱CT定量参数和临床模型在预测胃腺癌(GAC)患者淋巴血管浸润(LVI)和神经周围浸润(PNI)的潜在价值.方法 收集2017年12月-2022年5月经病理证实的GAC患者114例.研究参数涉及血清肿瘤标志物、CT-TN分期、CT评估壁外血管浸润(CT-EMVI)以及能谱CT定量参数.通过WEKA软件的Best-First算法进行特征筛选,并运用贝叶斯网络(BN)及支持向量机(SVM)算法建立模型.结果 相较于LVI/PNI阴性组,LVI/PNI阳性组中CT-T3～4期、CT-N阳性、CT-EMVI阳性、血清肿瘤标志物[糖类抗原(CA)72-4和CA19-9]更为常见,能谱CT参数也更高,差别均有统计学意义(P＜0.05).经特征选择,关键变量包括CT-T分期、CT-EMVI、VP-NIC和EP-70 keV CT值.基于这些变量,分别使用BN和SVM构建临床参数模型、能谱CT参数模型和混合模型,共6个模型.6个模型均展现了高预测性能,无过拟合现象.BN的混合模型预测性能最佳,AUC值为0.890～0.933,Delong检验显示其在统计学上具有显著优势(P＜0.05);而SVM的混合模型与另外2种模型间的差别无统计学意义(P＞0.05).结论 结合临床和能谱CT参数的ML模型能够高效能评估GAC患者的LVI和PNI状态,其中BN混合模型的准确性最高.

目的 探讨慢性病患者生命质量测量体系之消化性溃疡量表QLICD-PU(V2.0)得分的最小临床重要性差值(MCID).方法 采用方便抽样,于2013年3月至2014年8月使用QLICD-PU(V2.0)量表进行问卷调查,采用效标法和分布法制定MCID,分析比较取平均值法、取小值法和取大值法制定的MCID.结果 取平均值法得到的生理功能(8.53)、心理功能(8.45)、社会功能(7.61)、共性模块(7.05)、特异模块(8.82)和量表总分(7.53);取小值法得到的MCID 分别为 5.25、5.78、6.16、4.19、7.18、4.09;取大值法得到的 MCID 分别为 11.99、12.05、10.09、9.48、10.99、11.04.结论 本文采用多种方法和标准制定了 MCID,使用者可根据情况选用.MCID可用于评估消化性溃疡患者的临床疗效,为生命质量的应用提供参考.在后续研究中,制定的MCID值可通过临床实践进一步验证.

目的 用现有药代动力学(PK)药物相互作用(DDI)信息的数据库,构建出可用于预测AUC倍数变化(FC)的机器学习模型,用于探究对现有DDI预测的可能,为临床用药提供一定的合理建议.方法 从美国食品药品监督管理局(FDA)认证的药品标签中提取DDI的PK数据和AUC倍数变化的数据.通过DrugBank检索出DDI有关的多肽和药效学(PD)信息,用蛋白质资源(UniProt)对相关多肽ID进行药物类型(PPDT)标识,用矩阵归一化的代码生成便于分析的多维向量数据.PPDT对AUC的影响和所产生的倍数变化作为因变量,进行机器学习模型构建.用均方根误差(RMES)值最小的模型进行模型构建,训练出袋装决策树(Bagged)预测模型.利用训练好的模型对部分药物检验,检测模型的预测性别.通过查阅现有的有关检测DDI对的文献研究结果,对预测值进行分析比较,对模型进行评价.结果 检验模型药物对共16对,分别为16种药物对他克莫司的影响,发现对DDI的有无预测准确率为81.25％;预测结果根据FDA标准分类强弱,结果表明,DDI强弱预测,偏离较大的预测较少.结论 模型预测DDI的有无评价一般;但对DDI的强弱分类后,对DDI的预测结果较好,预测结果说明模型预测性能对于在临床试验之前进行潜在的DDI评估具有一定的参考价值.

目的 探讨基于数字化管理门静脉高压多学科会诊及管理平台的构建及具体实施策略.方法 基于数字化管理门静脉高压多学科会诊及管理平台系统通过整合数字识别、数据清洗、结构化处理和人工智能算法等先进技术,构建了一个全面的疾病管理平台.详细阐述了系统的模块设计、应用流程及团队协作机制,展示了如何通过多维数据分析和个性化随访支持,满足门静脉高压患者的多样化和多层次的随访需求.结果 应用数字化新技术构建的管理平台,在多学科精准评估的基础上,个性化定制方案并进行长期动态管理,共纳入428名随访需求患者,依从性提高到了 94％,复诊率达到了 78％,患者满意度达到100％.同时,显著提升了临床与科研团队的工作效率和动力,该项目框架还促成了多个项目、多次获得市级奖项等,促进了相关医学学科的发展和人才培养.结论 通过管理平台的应用,有效地强化了门静脉高压患者的综合管理,提升了患者的就医体验,提高了医疗质量和安全,推动了临床科研工作的开展,带教和培养了一批专业人才,为未来的医疗服务模式创新提供了实证基础和技术支持.

目的 探索脑血管病患者主观性失眠与慢性期功能预后的关系.方法 本研究是对多中心、大型前瞻性研究——中国卒中后抑郁发生及其结局的前瞻性队列研究(prospective cohort study on the incidence and outcome of patients with post-stroke depression in China,PRIOD)的事后分析.选取PRIOD中入组患者人数较多的15个中心,对入组的脑血管病患者进行发病5年后的电话随访.收集患者的一般资料、临床特点.根据《精神障碍诊断与统计手册》(第五版)中失眠的诊断标准编制调查问卷,收集失眠及相关睡眠问题,评估患者是否存在主观性失眠以及睡眠时间.采用mRS评估患者的功能预后.采用多因素logistic回归分析脑血管病患者主观性失眠与功能预后的关系.结果 本研究共纳入698例患者,其中319例(45.70％)为主观性失眠患者,仅17.55％(56/319)服用助眠药物.logistic回归分析显示,主观性失眠与脑血管病患者功能预后存在显著关联:校正协变量后,与无失眠患者相比,主观性失眠患者功能残疾风险较高(OR 1.64,95％CI1.11～2.42,P=0.013);亚组分析显示,在基线为首次脑血管病发作患者中,与无失眠患者相比,主观性失眠患者功能残疾的风险较高(OR 1.74,95％CI1.13～2.68,P=0.013).结论 主观性失眠是导致脑血管病慢性期功能残疾的危险因素.

目的 本研究旨在通过基于CT定量有限元分析(finite element analysis,FEA)来确定椎体强度与椎体骨折(vertebral fracture,VF)、骨密度(bone mineral density,BMD)之间的关系,以期为临床诊治提供参考.方法 回顾性分析本院于2020年1月至2020年12月期间收治的26例椎体骨折患者和62例匹配的对照组.腰椎CT扫描评估椎体压缩强度、积分vBMD、骨小梁vBMD、基于CT的BMC和基于CT的aBMD.结果 调整年龄、BMI和椎体骨折状态后,基线时脊柱强度较低与新发或恶化的椎体骨折风险增加相关(OR=5.2,95％CI:1.3-19.8).ROC曲线下面积显示,椎体强度比基于CT的aBMD更好地预测椎体骨折的发生(AUC=0.804比0.715,P=0.05),但不如积分vBMD(AUC=0.815)或基于CT的BMC(AUC=0.794).此外,脆性骨强度阈值在识别椎体骨折方面倾向于比骨密度分类的骨质疏松症有更好的敏感性(0.46 vs.0.23,P=0.09).结论 椎体强度测量与椎体骨折事件之间存在关联,基于CT的有限元分析估计的骨强度提供了同等或更好的预测椎体骨折事件的能力,基于CT的有限元分析估计椎体强度对于识别脊柱骨折的高危患者是有用的.

目的 老年髋部骨折患者急性尿潴留(acute urinary retention,AUR)问题容易被忽视,通过建立老年髋部骨折患者AUR发生风险的临床预测模型,帮助临床医师能早期识别高风险患者,尽早干预,减少AUR的发生.方法 回顾性收集2023年7月1日至2023年8月31日就诊于本院急诊的老年髋部骨折患者313例,根据是否发生AUR将患者分为AUR组(45例)和非AUR组(268例),比较两组患者的基本特征、实验室化验指标、膀胱体积,通过Logistic分析影响AUR发生的独立危险因素,建立老年髋部骨折患者AUR发生风险的列线图预测模型,并对模型进行内部验证.结果 合并痴呆精神行为症状(behavioral and psychological symptoms of dementia,BPSD)(OR=3.334,95％CI 1.258～8.839,P=0.015)、使用催眠镇静药(OR=6.758,95％CI 2.184～20.912,P=0.001)、心率增快(OR=1.041,95％CI 1.013～1.070,P=0.004)、膀胱体积增大(OR=1.005,95％CI 1.004～1.007,P＜0.001)是老年髋部骨折患者发生AUR的独立危险因素,基于上述因素构建列线图预测模型,采用Bootstrap法进行内部验证显示预测曲线与标准模型曲线拟合度较高,平均绝对误差为0.021.受试者工作曲线(ROC)结果显示AUC为0.083,95％CI为0.767～0.909.结论 合并BPSD、使用催眠镇静药、心率增快、膀胱体积增大是老年髋部骨折患者发生AUR的独立危险因素,构建列线图预测模型可直观地评估老年髋部骨折患者AUR发生风险,为急诊医生提供参考.