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 探究基于深度学习(DL)技术对颅内外动脉阻塞性狭窄的诊断价值.方法 回顾性分析我院2020年1月至2021年6月疑似急性缺血性脑卒中患者,且在一月内接受CTA和DSA.按患者和血管水平将狭窄程度分为正常、轻度狭窄、中度狭窄、重度狭窄和闭塞,阻塞性狭窄定义为直径狭窄率≥70％.以DSA为参考标准,通过受试者工作曲线(ROC)、敏感性、特异性评价诊断性能.结果 在患者水平,DL技术与放射科医师的AUC分别为0.781(敏感性和特异性分别为0.934、0.627)和0.840,差异无统计学意义(P=0.074).在血管水平,DL技术与放射科医师的AUC分别为0.923(敏感性和特异性分别为0.885、0.962)和0.932,差异无统计学意义(P=0.393)o DL技术分析的中位分析时间(8.67 min)明显短于放射科医师(29.55 min)(P＜0.001).结论 DL技术可以准确评估颅外和颅内动脉狭窄,耗时短,有望成为优化风险分层和指导治疗策略的方法.

凹凸棒石是一种含水富镁的硅酸盐黏土矿物,具有良好的流变调节性、离子交换能力、吸附性能和载体功能等特点,在食品、医药、化妆品等领域中展示出了巨大的应用潜力.现综述凹凸棒石的结构、基本性质及在食品、医药及化妆品领域中的应用,为其应用提供参考.

近10年来,高场强MRI系统在医学领域的应用和研究不断深入,但其安装和扫描条件要求较高,运行成本昂贵,限制了其在基层医院的普及.相比之下,低场强(0.01～1.0 T)MRI虽然成本较低,但因其成像性能欠佳,也未能在临床实践中发挥更大的作用.随着技术的不断发展,目前低场强MRI有望实现类似于高场强MRI系统的各种应用,通过优化软件、硬件设计和技术革新,低场强MRI可以在保持成本经济、便于转运优势的同时提高信噪比,达到提高诊断性能,更广泛地应用于临床实际场景的目标.特别是在急重症诊断方面,低场强MRI有望成为脑血管疾病诊断和监测的重要工具之一.本文追溯了低场强MRI的发展历程,对其在神经系统疾病临床应用中的进展进行了综述,旨在为未来低场强MRI技术的发展探寻方向.

目的 探讨新型量子点荧光免疫层析法测定血清淀粉样蛋白A(SAA)的应用.方法 采用双抗夹心法结合量子点荧光免疫层析技术制备以二硝基苯酚(DNP)-牛血清白蛋白(BSA)系统为质控线的SAA检测试剂盒.通过鸡IgY-羊抗鸡IgY系统作为对照评价了 DNP-BSA系统作为质控线的可行性,并通过优化量子点微球与抗体的偶联条件,进一步提高试剂盒的性能,并对试剂盒的空白限、检出限、线性范围、精密度、准确度、特异度、稳定性,以及临床实际样本测定等方面进行了评价.结果 以DNP-BSA系统作为质控线的SAA试剂盒受干扰成分浓度的影响小,稳定性高,热稳定性好.量子点微球与SAA抗体偶联比例为100 μg/mg,偶联反应液浓度为25 mmol/L 3-吗啉丙磺酸pH 7.4,与DNP-BSA偶联比例为100 μg/mg,偶联反应液浓度为25 mmol/L吗啉乙磺酸pH 6.0时偶联效果最佳.试剂盒最低检出限为0.5 mg/L;线性范围为1～200 mg/L,R2≥0.99;批内精密度变异系数(CV％)≤5.31％,批间精密度CV％≤15％;在低、高浓度的回收率分别为101.42％、98.83％;在血红蛋白浓度≤5 g/L,胆红素浓度≤0.15 g/L,胆固醇浓度≤15 g/L,甘油三酯浓度10 g/L时,SAA的检测结果无干扰;试剂盒在50 ℃放置21 d,稳定性良好;试剂盒与Roche的SAA电化学发光试剂盒同步检测67例样本结果具有高度一致性.结论 研制的SAA检测试剂盒灵敏度、线性、精密度、准确度、特异度及加速稳定性都满足试剂盒的要求,与鸡IgY-羊抗鸡IgY系统相比DNP-BSA系统作为质控线独立性好,测定临床样本准确度和热稳定性更佳.

目的 本研究旨在验证一种自主研发的新型便携式体外膜肺氧合(ECMO)系统(西京高级生命支持系统JC-Ⅲ型)在大动物体内的安全性和有效性.方法 共计10只健康小尾寒羊通过颈动脉-颈静脉插管方式进行静脉-动脉体外膜肺氧合(VA-ECMO)支持,以评价JC-Ⅲ型ECMO系统的性能.通过持续输注肝素实现全身抗凝,转机过程中每2 h记录1次活化凝血时间(ACT),维持ACT在200～250 s之间;离心泵转速设定在3 000～3 500 r/min.分别于ECMO启动前和启动后24 h监测血红蛋白、血细胞计数、凝血、肝肾功能、心肌损伤等指标变化情况,实验结束后解剖泵头和氧合器,探查血栓形成情况.结果 VA-ECMO手术成功率为100％,ECMO转机24 h,流量波动于1.9～2.5 L/min,未发生溶血、泵头血栓、膜肺血栓.ECMO转机前后血红蛋白含量、白细胞计数、血小板计数、谷丙转氨酶、谷草转氨酶、尿素、肌酐、高敏肌钙蛋白Ⅰ、N末端B型脑钠肽前体等指标差异均无统计学意义(均P＞0.05).结论 本在体动物实验证实了西京高级生命支持系统JC-Ⅲ型的安全性和有效性.

目的 利用可解释的机器学习模型,探讨轻型缺血性卒中(minor ischemic stroke,MIS)2年内复发相关危险因素.方法 回顾性收集2020年7-12月山西省心血管病医院神经内科MIS患者一般资料、实验室结果、影像学等资料,单因素分析进行复发危险因素变量筛选,合成少数过采样技术-标称连续处理数据不平衡,数据集按8∶2的比例分为训练集与测试集,网格搜索10折交叉验证构建轻量梯度提升机(light gradient boosting machine,LightGBM)、支持向量机(support vector machine,SVM)模型,并与逻辑回归(logistic regression,LR)模型进行比较,基于ROC的AUC、校准曲线分别评价模型的区分度与校准度,性能最好的模型通过Shapley加性解释(Shapley additive explanation,SHAP)模型对预测结果进行解读.结果 本研究共纳入520例MIS患者,2年内复发93例(17.9％),测试集中LightGBM、SVM、LR预测患者2年内复发的AUC分别为0.935(95％CI 0.896～0.973)、0.833(95％CI 0.770～0.896)、0.764(95％CI 0.691～0.835),准确度分别为0.890、0.773、0.693,布里尔分数分别为0.105、0.167、0.200.结果 显示LightGBM模型性能最优,基于SHAP的LightGBM可解释模型重要性前5的是舒张压、年龄、糖尿病、LDL-C、吸烟.结论 本研究建立的LightGBM模型预测效果良好,可为MIS患者2年内复发的预测提供借鉴.通过SHAP可解释性帮助临床医师更好地理解预测模型结果背后的原因,对MIS患者做出更个性化与合理化的临床决策.

目的:探讨前列腺小体外泄蛋白(PSEP)联合前列腺特异性抗原(PSA)在PSA"灰区"且前列腺影像报告和数据系统(PI-RADS)评分3 分前列腺癌诊断中的价值.方法:收集 2019～2022 年行前列腺多参数核磁共振检查,并且接受前列腺穿刺活检或经尿道前列腺电切/剜除术的 211 例PSA"灰区"(4～10 μg/L)且PI-RADS评分3 分患者的临床资料.术前收集尿样,采用酶ELISA检测尿PSEP浓度.分析在PSA"灰区"且PI-RADS评分3 分患者中PSEP、PSA用于诊断前列腺癌的性能及差异.结果:病理确诊前列腺癌57 例(阳性组);良性前列腺组织154 例(阴性组).阳性组游离前列腺特异性抗原(fPSA)、游离前列腺特异性抗原(fPSA)与总前列腺特异性抗原(tPSA)比值(f/t PSA)、尿PSEP水平均低于阴性组(P均<0.01).在PSA"灰区"且PI-RADS评分3 分的患者中,f/t PSA,PSEP均可作为独立因子用于预测前列腺癌(P均<0.01).其中,以f/t PSA、PSEP单参数诊断前列腺癌的受试者操作特征(ROC)曲线下面积、最佳截断值、敏感度、特异度分别为 0.70、0.18、84.21%、58.44%;0.78、1.45 μg/L、70.18%、77.27%.利用PSEP联合f/t PSA多参数模型预测前列腺癌的ROC曲线下面积为0.82,最佳截断值为0.31,敏感度为 82.46%,特异度为 75.32%,其预测性能显著优于单参数f/t PSA、PSEP(P<0.01,P=0.04).结论:对于PSA"灰区"且PI-RADS评分3 分的患者,f/t PSA,PSEP均可作为独立预测前列腺癌的有效因子;PSEP联合f/t PSA多参数模型可替代传统筛查所用的单参数f/t PSA,提高诊断性能,减少非必要穿刺活检.

目的 建立针对云南省多民族人群的产后抑郁风险预测模型并识别预测因子.方法 于云南省某多民族聚居县对处于产后42天～1年的女性采用爱丁堡产后抑郁量表(Edinburgh Postnatal Depression Scale,EPDS)进行产后抑郁筛查.以是否存在产后抑郁症状(EPDS ≥9分)为结局指标,基于随机森林算法纳入人口经济学、社会心理学、产科学、新生儿、配偶及家庭、其他特征因素共52个影响因素,在训练集上构建云南多民族人群产后抑郁风险预测模型,在测试集上采用准确率、灵敏度、特异度、阳性预测值、阴性预测值及受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC曲线)下面积(Area Under Curve,AUC)评价该模型性能.结果 本研究纳入分析的女性为459名,产后抑郁检出率为11.55％,其中汉族7.56％、壮族13.94％、其他少数民族13.92％.重要性评分位于前14的变量为:焦虑、既往不良情绪史、夫妻感情、家人支持水平、照顾新生儿身心疲惫、妊娠风险分级、母婴同室、喂养模式、文化程度、配偶文化程度、夜间照顾新生儿次数、民族、孕次、年龄.该模型准确率为92.74％,特异度为95.50％,灵敏度为69.23％,阳性预测值为64.29％,阴性预测值为96.36％,AUC值为0.925.同时,分别以汉族、壮族和其他少数民族人群作为验证集进行内部验证,显示模型稳定性好.结论 基于随机森林算法建立的云南多民族人群产后抑郁风险预测模型性能良好,可用于预测少数民族地区女性产后抑郁风险因子,从而采取针对性干预措施.

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.