目的:探讨基于磁共振高分辨T2WI影像组学方法对预测直肠癌新辅助治疗后病理完全反应(pCR)的价值。方法:回顾性分析我院2018年1月至2019年3月新辅助治疗前接受磁共振高分辨T2WI成像检查并经病理证实的80例直肠癌患者，在高分辨T2WI图像上手动勾画病灶容积感兴趣区(VOI)后提取影像组学特征，采用最小绝对值收缩算子(LASSO)算法进行降维，筛选对肿瘤pCR有价值的特征，利用Random算法将数据随机分为训练集( n＝64)与测试集( n＝16)进行机器学习，建立决策树(DT)、逻辑回归(LR)、随机森林(RF)、极限梯度增强树(XGBoost)4种机器学习模型并绘制ROC曲线，分别计算AUC、敏感性、特异性及95% CI，采用DeLong检验比较ROC曲线差异。 结果:80例直肠癌患者pCR 15例，占18.75%；非pCR 65例，占81.25%。共提取1 409个影像组学特征，经LASSO算法降维后筛选出8个最有价值的特征。测试集DT、LR、RF、XGBoost 4种分类器模型的AUC分别为0.870、0.801、0.912、0.945，其中XGBoost分类器模型的AUC最大，与DT、LR、RF分类器模型相比较，差异具有统计学意义( P＝0.008； P＝0.006； P＝0.009)；其他3种模型两两比较，差异均无统计学意义( PLR-RF＝0.083； PDT-LR＝0.113； PDT-RF＝0.879)。4种分类器模型敏感性分别为78.57%、64.29%、78.57%、85.71%，特异性分别为95.38%、84.62%、92.31%、98.46%，95% CI分别为0.775～0.935、0.696～0.882、0.827～0.964、0.870～0.984。 结论:基于高分辨T2WI图像的影像组学对直肠癌新辅助治疗后pCR有预测价值，其中XGBoost模型预测效能优于DT、LR、RF，可以用于辅助临床制定个体化治疗决策。

目的:利用机器学习预测右向左分流(right-to-left shunt，RLS)人群隐源性卒中(cryptogenic stroke，CS)发病风险，为CS的准确和高效预测提供解决方案。方法:回顾分析2018年1月至2023年9月在青岛大学附属医院崂山院区神经内科治疗的经颅多普勒超声发泡试验(c-TCD)阳性的289例RLS人群的临床数据，包括人口统计学信息、疾病史、实验室检查指标、诊断和治疗等。使用机器学习train_test_split()函数将数据集随机分为训练集和测试集，比例为8∶2。采用Logistic回归、决策树、随机森林、极端梯度提升、人工神经网络、梯度提升、极限树和自适应增强等算法构建RLS人群CS风险预测模型，使用受试者工作特征曲线(receiver operating characteristic，ROC)及曲线下面积(area under curve，AUC)、混淆矩阵、精确率、召回率、准确率、F1值、校准曲线、决策曲线等综合评估模型性能。性能最优的模型使用特征重要性和SHAP值进行可解释性分析。使用SPSS 25.0进行 t检验、Mann-Whitney U检验和 χ2检验。采用Delong检验比较两模型间AUC的差异。 结果:289例RLS人群发生CS 166例(57.5%)，非CS 123例(42.5%)。统计分析结果显示，CS患者D-二聚体、平均血小板体积、纤维蛋白原等血液生化指标高于非CS患者(均 P<0.01)；训练集与测试集各变量均差异无统计学意义(均 P>0.05)。对测试集进行CS风险预测，随机森林模型取得了最高的AUC(0.885)、精确率(0.806)、召回率(0.879)、准确率(0.810)以及F1得分(0.841)。校准曲线显示随机森林模型最接近参考线，决策曲线表明随机森林模型具有更大的净受益。可解释性分析显示高风险因素包括平均血小板体积、D-二聚体、国际标准化比值、体质量指数以及年龄。 结论:基于随机森林的预测工具表现出色，在预测RLS人群CS风险方面准确性较高。

经括约肌间切除术（ISR）作为低位直肠癌的极限保肛手术，不仅能够获得满意的肿瘤学结果，并且可降低永久性造口概率。然而，控制排便功能紊乱是ISR术后不容忽视且最为常见的临床难题。目前仍缺少以患者报告结局测量工具评价术后肛门功能与生活质量以及治疗低位前切除综合征（LARS）的高级别循证医学证据。本文结合国内外研究现状与笔者单位临床实践，从以下几个方面系统性阐述ISR术后肛门功能、生活质量、生理功能、解剖形态学评估以及功能康复治疗的研究进展。术后肛门功能常根据多种量表组合进行评估，包括大便失禁评估量表、胃肠功能问卷、特异性LARS评估量表和大便日记。ISR术后生活质量的评估更适合采用症状特异性生活质量量表。可采用水灌注式或高分辨率固态直肠肛管测压评估ISR术后患者生理功能，并采用排粪造影和3D直肠腔内超声评估其解剖形态学变化。生物反馈电刺激、盆底肌功能锻炼、直肠球囊训练、经肛门灌洗和骶神经调节术等均是术后康复治疗的可选方式。

目的:观察阈值压力负荷吸气肌训练对帕金森病患者平衡功能的影响。方法:采用随机数字表法将帕金森病患者48例分为观察组和对照组，每组24例。对照组给予常规神经内科药物治疗和常规康复训练，观察组在此基础上使用阈值压力负荷训练器进行吸气肌训练。阈值压力负荷吸气肌训练每周训练5 d，连续训练8周。于治疗前和治疗8周后(治疗后)分别对2组患者进行吸气肌功能[包括超声评估膈肌的活动度和厚度，以及最大吸气压(MIP)]、平衡功能[包括躯干损伤量表(TIS)评分、Berg平衡量表(BBS)评分、姿势稳定极限(LOS)和计时起立-行走测试(TUGT)]和步行功能[包括10米步行测试(10MWT)和动态步态指数(DGI)]评定。结果:治疗后，2组患者的膈肌活动度、厚度和MIP均较组内治疗前均明显改善，差异均有统计学意义( P<0.05)。观察组治疗后的膈肌活动度、吸气末厚度和MIP均显著优于对照组治疗后，差异均有统计学意义( P<0.05)。治疗后，2组患者的TIS评分、BBS评分、LOS和TUGT较组内治疗前均显著改善，差异均有统计学意义( P<0.05)。观察组治疗后的TIS评分、BBS评分、LOS和TUGT均显著优于对照组治疗后，差异均有统计学意义( P<0.05)。治疗后，2组患者的10MWT和DGI评分较组内治疗前均显著改善，差异均有统计学意义( P<0.05)。观察组治疗后的10MWT和DGI评分均显著优于对照组治疗后，差异均有统计学意义( P<0.05)。相关性分析显示，观察组治疗前、后的MIP差值与其TUGT差值( r＝－0.651)、10MWT差值( r＝－0.501)均呈显著负相关( P<0.01)。 结论:阈值压力负荷吸气肌训练联合常规康复治疗可显著改善帕金森病患者的吸气肌力量、膈肌活动度和厚度，从而进一步地改善患者的平衡功能和步行能力。

目的:使用机器学习中极限梯度提升（XGBoost）算法构建心脏外科术后患者发生急性肾损伤（AKI）的风险预测模型，探讨心脏外科术后患者发生AKI的危险因素和保护因素。方法:纳入美国重症监护医学信息数据库Ⅲ（MIMIC-Ⅲ）中全部接受心脏外科手术患者的临床资料，按术后14 d内是否发生AKI分为AKI组和非AKI组，并比较两组患者的临床特征。在五折交叉验证的基础上，分别采用XGBoost和Logistic回归法建立心脏外科术后AKI预测模型，并比较两种模型的受试者工作特征曲线下面积（AUC）。采用沙普利加和解释法（SHAP）解释XGBoost的输出模型。结果:共纳入6 912例心脏外科术后患者，其中5 681例（82.2%）在术后14 d内发生AKI，1 231例（17.8%）未发生AKI。与非AKI组相比，AKI组患者年龄更大〔岁：68.0（59.0，76.0）比62.0（52.0，71.0）〕，急诊入院及合并肥胖、糖尿病比例更高（52.4%比47.8%，9.0%比4.0%，32.0%比22.2%），生命体征指标中呼吸频率（RR）更低〔次/min：17.0（14.0，20.0）比19.0（15.0，22.0）〕，心率（HR）更慢〔次/min：80.0（67.0，89.0）比82.0（71.5，93.0）〕，血压更高〔mmHg（1 mmHg≈0.133 kPa）：80.0（70.7，90.0）比78.0（70.0，88.0）〕，实验室指标中血红蛋白（Hb）、血糖、血K +、血肌酐（SCr）更高〔Hb（g/L）：122.0（109.0，136.0）比120.0（106.0，135.0），血糖（mmol/L）：7.3（6.1，8.9）比6.8（5.7，8.5），血K +（mmol/L）：4.2（3.9，4.7）比4.2（3.8，4.6），SCr（μmol/L）：88.4（70.7，106.1）比79.6（70.7，97.2）〕，白蛋白（ALB）和三酰甘油（TG）更低〔ALB（g/L）：38.0（35.0，41.0）比39.0（37.0，42.0），TG（mmol/L）：1.4（1.0，2.0）比1.5（1.0，2.2）〕，且多器官功能障碍综合征（MODS）和脓毒症比例更高（30.6%比16.2%，3.3%比1.9%），差异均有统计学意义（均 P<0.05）。Logistic回归预测模型中的主要影响因素包括血乳酸〔Lac；优势比（ OR）＝1.062，95%可信区间（95% CI）为1.030~1.100， P＝0.050〕、肥胖（ OR＝2.234，95% CI为1.900~2.640， P<0.001）、男性（ OR＝0.858，95% CI为0.794~0.928， P＝0.049）、伴有糖尿病（ OR＝1.820，95% CI为1.680~1.980， P<0.001）和急诊入院（ OR＝1.278，95% CI为1.190~1.380， P<0.001）。受试者工作特征曲线（ROC曲线）分析显示，Logistic回归模型预测心脏外科术后发生AKI的AUC为0.62（95% CI为0.61~0.67）。经过网格搜索与五折交叉验证结合优化XGBoost模型参数，模型训练效果良好，没有出现过拟合或欠拟合。ROC曲线分析结果显示，XGBoost模型预测心脏外科术后发生AKI的AUC为0.77（95% CI为0.75~0.80），明显高于Logistic回归预测模型的AUC（ P<0.01）。经SHAP方法处理后，XGBoost输出模型中对最终结果最重要的预测因素是年龄和ALB，其中年龄是危险因素（平均| SHAP值|为0.434），ALB是保护因素（平均| SHAP值|为0.221）。 结论:年龄是心脏外科术后患者发生AKI的重要危险因素，而ALB则是保护因素。机器学习预测心脏外科术后AKI的效能比传统Logistic回归更加优秀，能分析变量与结局间更复杂的关系，更精准地个体化预测术后AKI的发生风险。

目的:比较9种机器学习模型对幕上深部自发性脑出血（SICH）患者发生早期血肿扩张及预后不良情况的预测性能。方法:回顾性研究。纳入2015年1月—2019年5月4家医院幕上深部SICH患者420例。其中男275例、女145例，年龄25~90（61.0±12.9）岁。420例患者按照7∶3的比例，采用完全随机法分为训练集294例和验证集126例。患者在72 h内复查CT，若血肿体积比初始体积增长>6 mL或>33%，判定存在早期血肿扩张。采用改良的Rankin评分量表（mRS）评估预后，以mRS>3分判定为预后不良。比较训练集和验证集的基线资料。采用随机森林、极限梯度提升算法（XGboost）、梯度爬升决策树、自适应提升算法、朴素贝叶斯、logistic回归、支持向量机、K近邻、多层感知机9种机器学习算法对早期血肿扩张及预后不良分别构建预测模型；在训练集中，依据各模型的灵敏度和特异度绘制受试者操作特征曲线，采用3折交叉验证取曲线下面积（AUC），比较各模型对早期血肿扩张及预后不良情况的预测性能，并在验证集测试模型的可靠性。结果:训练集和验证集患者基线资料比较差异均无统计学意义（ P值均>0.05）。420例患者中，早期脑血肿扩张的患者有117例（27.86%）；399例患者获随访，其中预后不良的患者有210例（52.63%）。预测早期血肿扩张：训练集中，9种机器学习模型的AUC为0.590~0.685，其中以XGboost模型最高，AUC为0.685±0.024；在验证集中，XGboost模型AUC为0.686［95%可信区间（ CI）0.578~0.721］。预测预后不良：9种机器学习模型的AUC为0.703~0.852，其中logistic回归模型最高，AUC为0.852±0.041；而在验证集中，logistic回归模型AUC为0.894（95% CI 0.862~0.912）。 结论:9种机器学习算法模型中，XGboost对幕上深部SICH早期血肿扩张的预测性能最佳，而logistic回归模型对预后不良的预测性能最高；对于不同临床结局的预测，应选用合适的机器学习模型。

目的:探讨与血管外肺水指数（EVLWI）相关的肺部超声影像组学特征，采用基于肺部超声的影像组学方法联合机器学习预测重症患者的EVLWI并进行效能验证。方法:采用回顾性病例对照研究方法，收集2021年11月至2022年10月广西医科大学第一附属医院重症医学科收治的重症患者肺部超声视频和脉搏指示连续心排血量（PiCCO）监测结果，按照8∶2的比例随机分为训练集与验证集。从肺部超声视频取帧得到对应图像并提取影像组学特征，以PiCCO测得的EVLWI为"金标准"，通过统计分析和LASSO算法对训练集影像组学特征进行筛选。采用经过筛选的影像组学特征训练8种机器学习模型，包括随机森林（RF）、极限梯度提升（XGBoost）、决策树（DT）、朴素贝叶斯（NB）、多层感知器（MLP）、K-近邻（KNN）、支持向量机（SVM）和Logistic回归（LR）；绘制受试者工作特征曲线（ROC曲线），评估上述模型在验证集中对EVLWI的预测效能。结果:最终共30例患者151组样本（包括906份肺部超声视频和151份PiCCO监测结果）纳入分析，其中训练集120组样本，验证集31组样本；两项数据集的性别、年龄、体质量指数（BMI）、平均动脉压（MAP）、中心静脉压（CVP）、心率（HR）、心排血指数（CI）、心功能指数（CFI）、每搏量指数（SVI）、全心舒张期末容积指数（GEDVI）、全身血管阻力指数（SVRI）、肺血管通透性指数（PVPI）、EVLWI等主要基线资料差异均无统计学意义。151份PiCCO监测结果中整体EVLWI范围为3.7~25.6 mL/kg；分层分析显示，两项数据集EVLWI均集中于7~15 mL/kg区间，EVLWI分布差异无统计学意义。通过LASSO算法筛选出2个影像组学特征，即灰阶不均匀性（权重为-0.006?464）和复杂度（权重为-0.167?583），并用于建模；ROC曲线分析显示，MLP模型具有较好的预测效能，其预测验证集EVLWI的ROC曲线下面积（AUC）高于RF、XGBoost、DT、KNN、LR、SVM、NB模型（0.682比0.658、0.657、0.614、0.608、0.596、0.557、0.472）。结论:肺部超声灰阶不均匀性和复杂度是与PiCCO测得的EVLWI相关性最高的影像组学特征；基于肺部超声灰阶不均匀性和复杂度构建的MLP模型可用于半定量预测重症患者EVLWI。

目的:用机器学习算法建立IgA肾病与非IgA肾病鉴别诊断模型。方法:采用回顾性研究的方法，收集2019至2020年昆明医科大学第一附属医院、云南省第一人民医院和昆明市延安医院肾脏内科经肾脏病理确诊的患者共260例，其中原发性IgA肾病130例，非IgA肾病130例。收集包括性别和年龄等在内的28项临床资料和实验室常规检测结果，IgA肾病组与非IgA肾病组的男女构成比分别为59∶71和 64∶66，年龄分别为37.20（21.89，53.78）、43.30（27.77，59.18）岁。将260例患者随机地分为训练集（70%，182例）和测试集（30%，78例）。分别使用决策树、随机森林、支持向量机、极限梯度提升算法建立原发性IgA肾病与非IgA肾病的鉴别诊断模型。以真阳性率、真阴性率、假阳性率、假阴性率、准确率、受试者特征工作曲线下面积（AUC）、精确率、召回率和F1评分综合评估各模型的效能并选择性能最佳的模型。采用 SPSS 25.0对数据进行分析， P<0.05为差异有统计学意义。 结果:采用决策树、支持向量机、随机森林和极限梯度提升算法建立鉴别诊断模型的准确度分别为67.95%、70.51%、80.77%和83.33%；AUC值分别0.74、0.76、0.80和0.83；判断为原发性IgA肾病的F1评分分别为0.73、0.72、0.80和0.83。综合以上评价指标极限梯度提升算法模型的效能最高，该模型诊断为IgA肾病的敏感度、特异度分别为89%、79%，其变量重要性由高到低分别为血白蛋白、IgA/C3、血肌酐、年龄、尿总蛋白、尿白蛋比、高密度脂蛋白、尿素。结论:成功建立IgA肾病与非IgA肾病的鉴别诊断模型。采用极限梯度提升算法建立的模型临床性能最佳。

目的:探讨增强CT熵特征联合传统影像征象的组合模型鉴别诊断胸腺上皮性肿瘤（TET）危险程度的临床价值。方法:回顾性分析2008年10月至2021年5月在江门市中心医院和中山大学附属第五医院经手术和组织病理学检查结果证实的178例TET患者的临床资料[男性83例、女性95例；年龄（52.7±12.4）岁，范围26~83岁]，按照组织病理学亚型分为低危组（A、AB和B1型）和高危组（B2和B3型）。将全部患者进一步分为训练集（ n=86）、内部验证集（ n=51）、外部验证集（ n=41），其中内部验证集和外部验证集合称为全部验证集（ n=92），训练集和验证集分别用于预测模型的过程构建和效能评价。记录TET患者的临床特征，分析病灶的传统CT征象。应用MATLAB R2016平台的开发软件，在增强CT静脉期图像上定量提取、筛选熵特征。通过Mann-Whitney U检验筛选有鉴别价值的熵特征，采用极限学习机（ELM）分类算法计算熵特征权重和熵标签值。采用多因素Logistic回归分析分别构建临床模型、熵模型和组合模型，并采用受试者工作特征曲线对比3个预测模型的诊断效能。 结果:178例TET患者中，低危组83例[男性38例、女性45例；年龄（52.8±12.4）岁，范围26~83岁]；高危组95例[男性45例、女性50例；年龄（52.0±12.0）岁，范围27~80岁]。单因素分析结果显示，训练集CT征象中周围侵犯在2组间的差异有统计学意义（ χ2=5.108， P=0.024）。共提取初始熵特征1 680个，最终筛选到21个核心熵特征，通过ELM计算得出训练集中低危组熵标签值为0.519± 0.21，明显低于高危组（0.997±0.23），2组间差异有统计学意义（ t=-9.747， P<0.001）。熵模型在训练集、内部验证集、外部验证集和全部验证集的曲线下面积（AUC）分别为0.929(95% CI：0.876~0.983）、0.832(95% CI：0.723~0.941）、0.802(95% CI：0.666~0.939）、0.803(95% CI：0.715~0.890）。多因素Logistic回归分析结果显示，周围侵犯（ OR=6.343；95% CI：1.009~36.604； P=0.039）和熵标签值（ OR=20.145；95% CI：5.887~68.936； P<0.001）是预测TET危险程度的独立危险因素，二者共同构建的组合模型在训练集、内部验证集、外部验证集和全部验证集的AUC分别为0.941(95% CI：0.894~0.987）、0.871(95% CI：0.775~0.968）、0.819(95% CI：0.689~0.949）、0.840(95% CI：0.761~0.919）。 结论:基于胸部增强CT图像的熵特征可以定量评估TET的危险程度；周围侵犯和熵标签值构建的组合模型的诊断效能最高，可以精准指导TET患者的术前治疗策略。

目的:探讨节律性听觉刺激(RAS)引导下的上肢摆动训练对脑卒中患者步行能力的影响。方法:选取80例脑卒中患者，采用随机数字表法分为观察组和对照组，每组40例。2组患者均接受常规康复治疗，包括神经肌肉促进技术、肌力训练、平衡功能及步态训练，观察组患者在此基础上，接受RAS引导下的上肢摆动训练，每日1次，每次20 min，每周5 d，连续6周。分别于治疗前和6周的治疗结束后(治疗后)，采用Holden步行功能分级、Fugl-Meyer量表下肢部分(FMA-LE)、Berg平衡量表(BBS)、稳定极限维持范围及时间测试、10 m步行测试(10MWT)计时等指标对2组患者的平衡功能和步行能力进行评估和比较。结果:治疗后，观察组患者的Holden步行功能分级[(3.67±0.57)分]、FMA-LE[(26.32±3.63)分]、BBS[(52.14±2.33)分]、10MWT[(26.56±6.98)s]、稳定极限维持范围时间[(3767.83±765.27)s]及范围[(6.82±1.06)mm 2]均较对照组同时间点明显改善( P<0.05)。 结论:RAS引导下的上肢摆动训练可以改善脑卒中患者的步行能力，提高步行稳定性、步速及平衡功能。