目的 通过机器学习方法对流行性感冒临床证候学资料进行训练,获得流感辨证模型.方法 收集2019年12月-2022年3月就诊于中日友好医院发热门诊的流行性感冒患者病历资料,使用数据采集系统进行数据处理,将不同数据处理过程产生的数据分别存储,以逻辑回归、决策树、朴素贝叶斯、支持向量机、多层感知机、lightGBM和随机森林为备选模型,通过Optuna进行超参数优化选择,并在各数据集中分别训练模型,以macro-F1评分为核心指标,对模型的预测性能进行评价.结果 整理得到训练样本1 011个,其中风热犯卫证453个、风寒束表证152个、表寒里热证406个;得到用于训练的数据集8个,包含数据80份.经训练,逻辑回归、决策树、朴素贝叶斯、支持向量机、多层感知机、lightGBM、随机森林模型的macro-F1评分分别为0.783 0、0.774 2、0.731 5、0.782 4、0.716 7、0.793 8、0.815 3.加权样本能显著提高平均模型性能,而主成分分析降维会降低平均模型性能.单一模型中,逻辑回归模型预测性能最佳;集成方法模型中,随机森林模型预测性能最佳.结论 在样本量较小的情况下,流行性感冒中医辨证模型使用逻辑回归、决策树、支持向量机和lightGBM较为适宜,随着样本量增加,逻辑回归、支持向量机、lightGBM和随机森林可能更为合适.不同数据处理方式会影响模型性能,对证型典型程度信息的采集有利于提高模型性能.

目的:为实现更好的颈椎健康监测与颈椎病预防效果,设计一种嵌入式颈椎健康智能系统.方法:该系统主要由移动便携监测终端、云端服务器、微信小程序三大部分组成.移动便携监测终端主要由数据采集模块、数据处理模块、物联网通信模块三大模块组成,其中数据采集模块选用JY901-S作为主要数据传感器;数据处理模块通过动作分类模型对头部动作进行分类识别,选用STM32F4作为主控芯片、国产RT-Thread作为嵌入式操作系统;物联网通信模块选用乐鑫ESP32-C3系列Wi-Fi蓝牙双模模块.云端服务器选用Linux+Nginx+uWSGI作为Web服务器架构,通过MySQL数据库存储用户数据,并利用颈椎健康评估模型评估用户颈椎健康状态.微信小程序采用WXML+WXSS+WXS开发.结果:该系统基本能够实现颈椎健康状态监测和运动指导功能,且对人体头部动作分类识别的平均准确率为90％以上,对颈部关节活动度的测量精度为±1°,整体性能较好.结论:该系统能有效帮助用户建立并维持规律的颈椎健康运动行为,可为医院等机构提供关键可靠的康复运动治疗方案与康复护理数据支撑.

目的 为了实时监测医疗器械设备异常状态,以便及时预警和应对设备异常情况,确保医疗器械的安全运行,提出基于自编码器的医疗器械设备异常状态预警方法.方法 以某医院2022年8月起因故障停用的10台心电图监护仪为研究对象,使用数据恢复设备连接到心电图监护仪的内部存储器,恢复和提取器械因故停用点的前1 min的全部特征数据,具体包括:信号质量和设备状态.利用多元状态估计技术构建医疗器械设备健康状态评估模型,通过对比各参数的贡献率,确定引发设备异常的关键参数.基于这些关键参数构建自编码器预警模型,将异常状态参数输入模型进行归一化处理,并计算参数误差平均值与基准值的偏差.当误差平均值偏离基准值超过60％时,触发预警机制.结果 经过实验,该方法可以在3 s内准确检测出198个异常样本,证实了该预警方法能够在短时间内准确检测出异常样本.同时,为进一步分析该医疗器械设备的具体故障原因,运用3种方法分别对设备各个故障原因进行识别与定位,以贡献率为衡量标准,并与实际贡献率进行对比分析,该方法贡献率与实际贡献率数值较为接近,可以全面预测引起医疗器械设备异常情况.结论 基于自编码器的医疗器械设备异常状态的预警方法具有高度的精确性和先导性,为实时监测和预警医疗器械设备异常状态提供了有效的技术手段,有助于提升医疗器械的安全性和可靠性.

肝病与肝癌是威胁我国人民生命健康的常见疾病，大数据和人工智能已成为提高临床诊断与治疗水平和服务能力的重要支撑。然而，大数据的发展应用尚不成熟，主要存在以下问题：（1）海量健康医疗数据种类繁多，来源各异，但较为分散，缺乏一体化数据存储与分析平台。（2）不同医疗中心之间数据标准不同，数据概念亦存在较大差异，以及个人表达习惯等问题，均导致数据难以处理，无法充分融合。因此，大规模健康医疗数据并不等同于健康医疗大数据。笔者团队结合东南肝胆健康大数据研究所在肝病与肝癌领域大数据平台建设方面的实践经验，提出肝病与肝癌大数据平台建设标准化体系，包括大数据联盟统筹建设大数据平台、完善的大数据标准体系、标准化数据治理流程及结合循证医学与新兴技术的大数据应用。该体系可为健康医疗大数据产业高质量发展提供全新模型，并可推广复制到其他专病领域，为建设健康中国贡献力量。

目的:探讨肺动脉血栓CT值与急性肺栓塞（APE）患者介入溶栓治疗效果的相关性。方法:该研究为单中心横断面研究。选取2018年1月至2022年12月于徐州医科大学附属医院行介入溶栓治疗的APE患者。通过电子病历系统、图像存储与传输系统（PACS）收集入选者的一般临床资料，溶栓前肺动脉血栓CT值、肺动脉血栓CT值/左侧肩胛下肌CT值比值，评估溶栓前后肺动脉Qanadli栓塞指数，并计算溶栓前后肺动脉Qanadli栓塞指数差（ΔQ）。根据ΔQ将入选者分为疗效较好组（ΔQ>50%）和疗效较差组（ΔQ≤50%）。采用多因素logistic回归模型分析APE患者介入溶栓治疗效果的关联因素。采用Spearman相关分析分析溶栓前肺动脉血栓CT值与ΔQ的相关性。结果:共入选患者89例，年龄（60.4±13.7）岁，男性41例（46.1%）。疗效较好组入选患者50例，年龄（59.6±15.6）岁，男性27例（55.3%）；疗效较差组入选患者39例，年龄（61.5±10.8）岁，男性14例（35.7%）。疗效较好组患者溶栓前肺动脉血栓CT值、肺动脉血栓CT值/左侧肩胛下肌CT值比值高者占比高于疗效较差组（均 P<0.01）。多因素logistic回归分析结果显示相对于溶栓前肺动脉血栓CT值≤53.47 HU的患者，肺动脉血栓CT值>53.47 HU的APE患者介入溶栓治疗效果可能更好（ OR=9.175，95% CI：0.937~89.846， P=0.057）。Spearman相关分析结果显示，肺动脉血栓CT值与ΔQ呈正相关（ r=0.365，95% CI：0.170~0.533， P<0.001）。 结论:溶栓前肺动脉血栓CT值与APE患者介入溶栓效果存在正相关关系。

目的:提出新型冠状病毒肺炎传染病暴发期区域性防控(Regional Control and Prevention, RCP)系统概念，设计基于区域现有网络架构和信息系统的应急性防疫辅助信息系统，建立远程智能医疗会诊与咨询及远程办公平台，研发区域内人群的风险评级与预警技术，提高区域性的应急重大传染病防控能力。方法:以高校、附属(教学)医院及云应用为典型RCP区域单元，建立云与高校及附属(教学)医院现有局域网交互方法，实现网络环境的远程办公、远程医学影像、心理与伦理会诊与咨询互动；应用基于复杂网络的多主体传播模型，结合全球定位系统(Global Positioning System，GPS)、射频识别(Radio Frequency Identification, RFID)和电子围栏技术，实现区域内单元、人员的风险分级与早期预警。结果:在RCP内采用校园网、附属(教学)医院内网以及互联网相结合的系统架构，用分布式技术、云存储方式进行动态衔接，网间中间库数据缓冲区机制，实现各单元远程医疗会诊与远程办公。依托平台，应用基于复杂网络的多主体传播模型和元胞自动机模型等，利用GPS、RFID和电子围栏技术，实现区域内人群暴露风险评分与预警。结论:在重大传染病流行阶段，RCP系统的建设可提高应急情况下防疫响应速度，提供基于数据的合理预警和风险评级，减少易感人群的暴露风险。RCP系统的设计开发是系统化工程，需要结合区域结构与功能特点，并且区域内前期的信息化工作基础与应急开发团队水平决定了开发进度、维护和实际应用的效果，建议建立平战结合RCP模式，纳入政府疾控体系，以提升国家和区域重大传染病防控水平和能力。

随着以深度学习为代表的人工智能技术在消化内镜领域的探索和运用，作为人工智能学习材料的内镜影像，其数据质量逐渐受到关注。本共识聚焦于人工智能相关内镜数据的采集与标注，着力阐明数据采集、标注、存储、隐私保护、数据安全和使用标准等关键问题，以期更好地服务于内镜人工智能模型的训练、调优与测评，进一步推动我国消化内镜人工智能平台的高质量发展。

目的:应用压力－应变环(PSL)技术定量评估晚孕期糖耐量受损(IGT)孕妇左室心肌做功改变，并探讨其在预测围生期不良事件发生风险方面的应用价值。方法:纳入2020年10月至2021年10月在河南省人民医院确诊的IGT孕妇70例(IGT组)和同期健康孕妇50例(对照组)。受试者均于孕24~28周时行口服75 g葡萄糖耐量试验(OGTT)，跟踪随访其常规产检直至分娩后1周，记录临床诊断的巨大儿、糖尿病母亲婴儿综合征等围生期不良事件发生情况，并于孕36周以后分娩前行母体超声心动图检查，存储心尖四腔、三腔、两腔三个长轴切面各3~5个心动周期的动态图像，导入EchoPAC 203软件获取PSL曲线及左室整体纵向应变(GLS)、左室心肌整体做功指数(GWI)、整体做功效率(GWE)、整体有用功(GCW)、整体无用功(GWW)，对两组间参数进行分析比较。同时应用二元Logistic回归分析构建围生期不良事件预测模型，并应用ROC曲线分析预测模型和各独立影响因子预测效能。结果:IGT组GLS绝对值、GWI、GCW低于对照组，差异有统计学意义(均 P<0.05)；IGT组围生期不良事件包括妊娠期不良结局及新生儿不良结局发生率高于对照组( P<0.05)；二元Logistic回归分析结果显示GLS、GWI、GCW和餐后2 h血糖水平(2-hPBG)是孕妇围生期并发症的独立影响因素(均 P<0.05); ROC曲线分析结果显示，基于影响因素构建的预测模型和GLS、GWI、GCW、2-hPBG的曲线下面积分别为0.903、0.820、0.879、0.854、0.771。 结论:PSL参数可以定量评估IGT孕妇孕晚期母体左室心肌做功改变；IGT孕妇围生期不良事件发生率高于健康孕妇，且基于GLS、GWI、GCW和2-hPBG构建的模型和GWI、GCW对预测围生期不良事件发生风险具有潜在的应用价值。

通用数据模型（CDM）是促进多源异构健康医疗大数据标准化整合、增强数据语义理解一致性、推动多方协同分析的重要工具，经CDM标准化后的数据集合可为开展大规模人群队列等观察性研究提供有力支撑。本文深入比较分析了三项国际典型医学CDM的数据存储结构、术语映射模式和辅助工具研发情况，系统梳理各模型的优势、局限，总结了我国在CDM应用过程中所面临的挑战与机遇。期望通过探索国外在健康医疗大数据开放共享过程中的先进技术理念与实践模式，为推动我国健康医疗数据资源FAIR化建设，即数据可发现（findable）、可访问（accessible）、可互操作（interoperable）和可重用（reusable），解决当前数据资源质量不佳、语义化程度低、无法实现打通共享和重复利用等实际问题提供借鉴。

目的:建立黑色素瘤大数据人工智能科研平台，实现对临床全量数据的结构化存储和精准化管理，提高临床科研效率。方法:基于规范化、结构化后的全量集成数据，利用大数据技术对复旦大学附属中山医院2007年10月至2020年9月各业务系统数据进行抽取、整合，建立黑色素瘤大数据库。通过人工智能技术深度挖掘疾病特征，采用数据库自带算法进行生存分析。结果:平台提供患者筛选导出、统计分析、追溯原始病例、自动选择数据分析算法与模型等功能，实现了数据可视化、队列预览、秒级响应和一站式智能自动化提取入库等目标，可快速完成研究闭环。经筛选核对，收集到信息完整的患者共152例，其中，男性78例，女性74例；就诊年龄30~97岁，中位年龄61岁；肿瘤部位最多位于足部(133例)，最少位于腹股沟区(2例)和背部(2例)；肿瘤最大直径1~80 mm,平均最大直径23.55 mm，中位值20 mm；Clark评级集中分布于Ⅳ级(62例)；17例患者肿瘤表面伴溃疡形成；10例患者出现淋巴结转移；远处器官转移以肺部为主(5例)；超过80%患者的肿瘤组织Breslow厚度<1 mm。对随访满5年且数据资料齐全的49例患者的生存分析显示，年龄≥70岁、Clark评级≥Ⅳ级、Breslow厚度≥4 mm是黑色素瘤预后的危险因素( P<0.05)。 结论:黑色素瘤大数据人工智能科研平台实现了对黑色素瘤临床数据的结构化存储和精准化管理，为临床数据的高效运用提供了解决方案。