目的:采用Lasso-Logistic回归分析肝癌患者术后营养不良的影响因素,并进行列线图预测模型构建,为肝癌患者术后营养状况调整提供参考.方法:选取2021年1月至2023年6月本院收治的460例肝癌手术患者,按照7:3分为训练队列和验证队列,根据患者主观整体评定量表评判患者术后营养状态,分为营养正常组和营养不良组,采用Lasso-Logistic回归分析其影响因素并构建列线图预测模型.结果:训练队列与验证队列一般临床资料比较差异均无统计学意义(P＞0.05).Lasso-Logistic回归分析显示,年龄、术前体质量指数(BMI)、术前营养风险筛查评分(NRS2002)、贫血、糖尿病、肿瘤分期、白蛋白(ALB)、胰高血糖素样肽-1(GLP-1)、总胆汁酸(TBA)、甘胆酸(CG)均是训练队列中肝癌患者术后营养不良的独立影响因素(P＜0.05).ROC曲线显示,肝癌患者术后营养不良的列线图预测模型在训练队列、验证队列中预测的曲线下面积分别为0.873、0.902;校准曲线显示,该列线图模型在训练队列、验证队列中预测肝癌患者术后营养不良风险与实际风险状况基本一致.结论:构建的列线图模型对肝癌患者术后营养不良预测价值较高,且有良好预测效用,但需要进一步的验证评估.

目的 探讨基于DCE-MRI影像组学联合临床特征在术前鉴别诊断luminal型与非luminal型乳腺癌的价值.方法 回顾性纳入2014年1月～2023年8月内蒙古自治区人民医院行DCE-MRI检查并获得病理结果的212例乳腺癌患者的图像,根据病理分子分型,将患者分为luminal型乳腺癌114例,非luminal型98例.按7:3的比例148例为训练组,64例为验证组.采用3D-slicer软件手动勾画病灶体积兴趣区(VOI),经LASSO回归及T检验批量提取影像组学特征并进行筛选,筛选出有价值的影像组学特征及临床特征,分别构建2个预测模型:单一影像组学模型及影像组学联合临床特征模型.采用ROC曲线下面积、准确率、敏感度、特异度以及校准曲线评价训练集中影像组学联合临床特征鉴别luminal型与非luminal型乳腺癌的诊断效能.结果 单一影像组学模型的AUC值0.850、准确率0.790、敏感度0.820、特异度0.765;影像组学联合临床特征模型AUC值0.856、准确率0.783、敏感度0.791、特异度0.776.临床特征中,如绝经状态(P=0.009)、淋巴结转移(P=0.012)有统计学意义,年龄(P=0.165)、病理类型(P=0.687)无统计学意义.结论 基于DCE-MRI的影像组学联合临床特征在术前鉴别luminal型与非luminal型乳腺癌方面具有较大价值.

目的:探讨基于磁共振DWI的影像组学模型对子宫内膜癌(EC)微卫星不稳定(MSI)状态的预测价值.方法:回顾性分析2019年5月—2023年1月在本院确诊为EC的81例患者的DWI资料.其中,MSI组29例,微卫星稳定组(MSS)52例.在DWI图像上沿病变边缘逐层勾画ROI后生成容积ROI(VOI)并提取影像组学特征,并在生成的ADC图像上测量病灶的ADC值.采用最小绝对收缩和选择算子(LASSO)和SelectKBest算法进行组学特征的筛选,然后采用决策树(DT)分析方法构建组学预测模型.使用受试者工作特征(ROC)曲线评估模型的诊断效能,采用Delong检验比较影像组学模型与ADC之间诊断效能的差异.基于1000次采样的Bootstrap算法和校准曲线来验证预测模型的临床应用价值.结果:MSI组的ADC值小于MSS组(P=0.008).模型构建方面,共筛选出5个最优DWI影像组学特征(2个一阶统计特征、1个直方图灰度共生矩阵特征、1个灰度共生矩阵特征和1个灰度游程长度矩阵特征)用于建立预测模型.诊断效能方面,DWI组学预测模型的AUC为0.927(95％CI:0.847～0.973),较ADC值的诊断效能(AUC=0.771,95％CI:0.664～0.857)显著增加(Z=2.436,P=0.015).模型验证方面,在基于Bootstrap算法的验证中,DWI组学预测模型亦显示出较高的效能,AUC为0.904(95％CI:0.885～0.916);同时,校准曲线显示该模型的预测值与实际观测值之间有较好的一致性.结论:基于DWI影像组学特征构建的预测模型较ADC值能更好地对EC患者的MSI状态进行术前评估,有望为临床诊疗提供一种新的选择.

本研究目的:垂体腺瘤 (Pituitary adenomas,PAs) 通常具有柔软的质地,有利于大范围切除.然而,5-13％具有纤维性质地的Pas却难以完全切除,并有较高的死亡率.本研究旨在确定术前与PAs纤维性质地一致的相关临床和影像学特征.提出了一种简单的评分系统来预测纤维性PAs的发生率.

目的 观察心脏术后患者呼吸衰竭(呼衰)的发生情况和预后,并分析其危险因素.方法 选择 2020 年 7 月至 2023 年 11 月华中科技大学同济医学院附属同济医院收治的 559 例接受心脏手术患者作为研究对象.通过医院信息系统(HIS)提取临床数据,包括一般资料:性别、年龄、体质量指数(BMI)、吸烟史、饮酒史、合并症;疾病基本数据:术前近 1 个月呼吸道感染发生情况、术前使用抗菌药物、射血分数、手术时间、体外循环时间、术中输血量、置入鼻胃管、院内感染、二次开胸、术前白细胞计数(WBC),以及患者重症监护病房(ICU)住院时间、二次插管及气管切开情况、出院诊断和转归.将患者按是否发生呼衰分为发生呼衰组和未发生呼衰组,比较是否发生呼衰两组上述资料的差异;采用多因素Logistic回归分析心脏术后患者发生呼衰的独立危险因素,并以上述危险因素构建预测模型,绘制受试者工作特征曲线(ROC曲线)分析预测模型对患者发生呼衰的预测价值.结果 心脏术后患者呼衰发生率为 7.51%(42 例).多因素Logistic回归分析显示,术中输血量＞2000 mL、置入鼻胃管、院内感染是心脏术后患者发生呼衰的独立危险因素[优势比(OR)和95%可信区间(95%CI)分别为 4.136(1.794～9.535)、3.162(1.454～6.878)、3.488(1.262～9.638),均P＜0.05],ROC曲线分析显示,预测模型对心脏术后患者发生呼衰有一定的预测价值[ROC曲线下面积(AUC)=0.738,95%CI为 0.658～0.818,P＜0.001].发生呼衰组患者ICU住院时间较未发生呼衰组明显延长(h:8.16±7.62比 4.52±3.95),二次插管率[80.95%(34/42)比 0(0/517)]、气管切开率[88.10%(37/42)比 0(0/517)]均明显高于未发生呼衰组,痊愈/好转率明显低于未发生呼衰组[59.52%(25/42)比 90.13%(466/517)],差异均有统计学意义(均P＜0.05).结论 术中输血量＞2000 mL、置入鼻胃管、发生院内感染的患者是心脏术后发生呼衰的高危人群,护理人员应加强高危人群的识别并积极采取呼衰干预措施,进而改善患者预后.

目的 探讨学龄期儿童局部麻醉手术前焦虑的影响因素,构建相关的预测模型并实施验证分析.方法 采取便利性的原则,选择2022年1月至2023年8月接受局部麻醉手术的学龄期儿童273例的数据资料实施回顾性分析.描述全部纳入研究患儿的术前焦虑发生情况.学龄期儿童局部麻醉手术前焦虑的单因素分析、多因素分析.学龄期儿童局部麻醉手术前焦虑的预测模型构建和预测效能分析.结果 纳入研究的患儿之中术前焦虑平均得分为(34.60±8.17)分,得分30分的共273例,即发生术前焦虑的158例,未发生术前焦虑的115例.术前焦虑发生率为57.88％.单因素分析结果显示,是否发生术前焦虑的学龄期患儿的年龄、既往麻醉经历、术前抽血操作时的疼痛评分、家长特质焦虑评分的数据差异有统计学意义(P＜0.05).多因素分析结果显示,年龄、既往麻醉经历、术前抽血操作时的疼痛评分、家长特质焦虑评分均是学龄期儿童局部麻醉手术前焦虑的的独立影响因素(P＜0.05).依据多因素分析所筛选出来的变量构建列线图风险模型,C-index为0.733,校准曲线平均绝对误差为0.017o决策分析曲线分析结果显示,在风险阈值概率13％～94％,净获益率＞0.利用回归模型的独立影响因素以及P值预测概率对学龄期儿童局部麻醉手术前焦虑发生情况进行ROC曲线的预测,约登指数分别为33.02％、17.31％、42.09％、47.96％、62.59％.回归模型P值预测概率的ROC曲线下面积明显高于其他独立影响因素指标(P＜0.05).结论 学龄期儿童接受局部麻醉手术前的焦虑比例较大,需要医务人员依据实际情况采取针对性的措施实施干预,这对于保证手术以及麻醉的依从性,确保治疗效果具有重要的意义.

目的 分析基底核区高血压脑出血(hypertensive basal ganglia hemorrhage,HBGH)神经内镜术后再出血的影响因素,并构建预测模型.方法 回顾性分析210例行神经内镜手术的HBGH病例资料,依据术后再出血情况分为再出血组(n=38)与对照组(n=172).比较再出血组与对照组资料,建立回归模型,分析HBGH神经内镜术后再出血的影响因素.基于回归模型分析得到的主要影响因素,构建列线图预测模型,并采用校准曲线、决策曲线评价模型预测价值.结果 入院时GCS评分低、血肿量大、发病至手术时间短、术前纤维蛋白原(Fibrinogen,FIB)水平高是HBGH神经内镜术后再出血发生的危险因素(P<0.05);基于上述危险因素构建列线图模型发现,入院时GCS评分低、血肿量大、发病至手术时间短、术前FIB水平高的HBGH患者发生术后出血的风险较大;使用Bootstrap进行内部验证,绘制标准曲线,校准曲线和Y-X直线相近,C指数为0.988,决策曲线净受益率最大值为0.181,模型准确度、区分度良好.结论 入院时GCS评分低、血肿量大、发病至手术时间短、术前FIB水平高可能是HBGH神经内镜术后再出血的危险因素,基于上述危险因素构建的预测模型对于HBGH神经内镜术后再出血的发生有较高预测价值.

目的:探讨心脏外科患者术后室性心律失常(postoperative ventricular arrhythmias,POVA)的发生率、风险预测因子以及对远期生存率的影响.方法:回顾性连续选择自2018年1月至2021年12月,于首都医科大学附属北京安贞医院接受各类心脏外科手术的患者1 226例,全因死亡率数据来自我院的数据库.构建Cox风险预测模型模型,以确定POVA发生的风险因素,并在调整不同的协变量后评价POVA对长期生存的独立影响.结果:在1 226例患者,29例(2.4％)发生POVA.单变量分析显示:患者年龄较大(61.2±8.5)vs.(70.6±3.8)岁,较低的LVEF(61.1±9.2)％vs.(45.1±7.8)％,更多接受急诊心脏外科手术(1.6％vs.24.1％),有慢性阻塞性肺病(chronic obstructive pulmonary disease,COPD)病史(7.9％vs.24.1％),术前使用主动脉内球囊反搏(intra-aortic balloon pump,IABP,1.1％vs.6.9％),出现术后卒中病史(0.4％vs.3.5％),差异有统计学意义(P＜0.05).多变量Logistic回归分析则显示,年龄较大(OR:每1年增加1.08,P＜0.001)、急诊手术(OR=19.38,95％CI:7.53～51.71,P＜0.001)和存在严重 COPD(OR=3.56,95％CI:1.54～8.86,P=0.002)与POVA发生呈现正向关联.在(2.0±0.1)年的随访中,POVA与显著增加的调整后长期死亡率(HR=7.95,95％CI:1.12～56.43,P=0.046)相关.结论:POVA与术后长期死亡率增加有关.年龄较大、严重的COPD、LVEF较低和急诊手术与POVA的风险较高相关.

弥漫性胶质瘤是最常见的颅脑原发恶性肿瘤,术前精准分级、分子分型预测等对于制订适当的治疗策略和预测生存率具有至关重要的作用.影像组学使用高级特征分析从医学图像中提取数据并构建预测模型,捕捉病变微小的变化,从而提高临床诊断、评估预后和预测治疗反应的准确性.深度学习(deep learning,DL)可以从大量原始数据中自动学习和提取多层特征,而不是手工提取的浅层特征,由于DL已被充分证明能够准确地找到非常深入和抽象的特征,这使其成为医学图像分析领域中广泛研究的课题.随着计算能力的进步,基于DL的人工智能已经彻底改变了各个领域.本研究基于多模态MRI影像组学与DL在胶质瘤术前分级、分子分型、生存预测及治疗评价中的最新研究进行综述,以期为胶质瘤患者提供精准诊疗.

目的:探讨基于临床特征和术前胸部CT影像特征构建的模型预测肺癌合并慢性阻塞性肺疾病（COPD）的价值。方法:回顾性分析2014年6月至2021年3月在海军军医大学第二附属医院就诊且经病理确诊的444例肺癌患者的临床（年龄、性别、吸烟史、吸烟指数等）及影像资料（病灶大小、位置、密度、分叶征等）。其中男279例、女165例，年龄23~85岁。444例患者以7∶3的比例使用python中的random函数随机分为训练集（310例）和内部测试集（134例），并根据肺功能检查将患者进一步分为肺癌合并COPD组和肺癌非COPD组。首先将单因素分析中2组间差异有统计学意义的临床特征纳入二元logistic回归分析，筛选出预测肺癌合并COPD的独立影响因子构建临床特征模型。使用最小绝对收缩和选择算子对影像特征进行特征筛选，并用5次留P交叉验证法判断其可靠性，构建影像特征标签。临床特征联合影像特征标签建立综合模型。使用受试者操作特征（ROC）曲线和决策曲线分析（DCA）评估各个模型的预测能力和临床使用价值。各模型预测肺癌合并COPD的曲线下面积（AUC）比较采用DeLong检验。结果:训练集中肺癌合并COPD组182例，肺癌非COPD组128例，综合模型预测肺癌合并COPD的AUC为0.89，临床模型为0.82，影像特征标签为0.85。测试集中肺癌合并COPD组78例，肺癌非COPD组56例，综合模型预测肺癌合并COPD的AUC为0.85，临床模型为0.77，影像特征标签为0.83。影像特征模型与临床特征模型的AUC差异无统计学意义（ Z=1.40， P=0.163），综合模型与临床特征模型、影像特征模型的AUC的差异有统计学意义（ Z分别为-4.01、-2.57， P分别为0.010、<0.001）。DCA示综合模型的净收益最大。 结论:利用CT的影像学特征和临床特征构建的综合诊断模型能有效地预测肺癌合并COPD。