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 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.

多模态组学数据的联合运用在揭示细胞异质性和解析细胞命运调控机制方面具有重要意义,目前已有多种方法被开发,用于处理不同组学模态数据的整合.本研究通过对应用于不同整合任务的多种数据整合方法进行性能评测,为相关领域的研究提供有益参考.使用6个联合测序数据集对16种单细胞多模态配对数据整合方法在2类整合任务上的性能进行测试,再通过4个模拟数据集和1个真实数据集对6种空间转录组反卷积方法的性能进行评估.在RNA和ATAC配对数据整合任务中,MOFA+、SCOIT、Cobolt分别在PBMC、BMMC、SNARE数据集上取得最优表现,SCOIT在3个数据集的汇总得分中均排名前3,MMDVAE、DAE在基于AE的融合算法中表现突出.在RNA和蛋白质配对数据整合任务中,Cobolt、MOFA+、Seurat分别在P5_CITE、BM_CITE、COVID中取得最优表现,totalVI在3个数据集的汇总得分中排名靠前,基于AE的融合算法中以efMMDVAE、lfMMDVAE的表现最好.在空间转录组反卷积方法评测中,Cell21ocation和SPACEL在模拟数据和真实数据中的性能表现均优于其他方法的,其中Cell21ocation在真实数据集中表现最佳,正确地推断了两类心肌细胞在心室的比例.此外,本研究发现在配对数据整合任务中,不同方法对数据的适应性不同.SCOIT和totalVI分别是RNA与ATAC、RNA与蛋白质数据整合中表现稳定优异的方法.Seurat、MOFA+易受数据影响.

作物的茎秆由细胞-组织-器官等多尺度结构构成,维管束是茎秆的主要机械支持组织,细胞是最基本的力学承载单元,细胞的力学性能取决于细胞壁的力学性能和细胞的形态结构.细胞壁的结构特征(微纤丝角、晶体尺寸等)逐级影响到细胞、维管束和茎秆的力学性能,对细胞壁结构特征的研究可以为培育抗倒伏性状良好的品种提供参考.本文以甘蔗(Sac-charum officinarum)品种'桂糖49号'为研究对象,采用X射线衍射技术检测甘蔗茎秆维管束厚壁细胞壁微纤丝角,分析微纤丝角和晶体尺寸对甘蔗茎秆维管束力学性能的影响,以揭示甘蔗超微结构与宏观力学性能之间的内在关系.研究结果表明,在茎秆横断面上,从蔗皮到蔗芯厚壁细胞的细胞壁微纤丝角呈增大的趋势;沿茎秆纵向从基部、中部到梢部的厚壁细胞的细胞壁微纤丝角的变化不明显.茎秆单根维管束的拉伸弹性模量与微纤丝角呈负相关,相关系数r=-0.655;与纤维素晶体尺寸呈正相关,相关系数r=0.604.单根维管束的拉伸强度差异的43％是由微纤丝角引起的.

目的 采用XGBoost机器学习算法构建一个临床影像模型,预测肺结节病理浸润性,并在一个外部验证组中对模型进行泛化性验证.方法 回顾性纳入CT诊断为孤立性肺结节患者248例,分别提取肺结节区域和结节周围3mm、5mm区域的放射组学特征.经过从粗到细的特征选择后,使用最小绝对收缩和选择算子(LASSO)方法计算Radscore.采用单因素和多因素Logistic回归分析筛选与肺结节浸润性相关的临床放射学因素.然后,利用Logistic和XGBoost算法构建临床-放射组学联合模型,在一个独立的外部验证组(n=147)中评估模型的泛化性能.结果 综合Radscore、CT值、肺结节长度、月牙征的临床放射学XGBoost联合模型对肺结节浸润性的预测效果优于放射组学模型、临床放射学Logistic联合模型,在训练队列中的曲线下面积AUC为0.889(95％CI,0.848～0.927),在外部验证组中曲线下面积AUC为0.889(95％CI,0.823～0.942).结论 我们采用XGBoost机器学习算法构建了一种预测肺结节浸润性的临床放射学模型,结果显示出令人满意的预测效能,并在一个独立外部验证组中得到了良好的泛化性验证,可以帮助临床医生指导肺结节的诊疗并制定评估策略.

目的:应用建立的全自动AI牙体分割算法,从CBCT影像中实现牙体的快速自动化分割,以口内扫描真实离体牙获得的三维数据作为金标准,验证算法的准确性.方法:从上海交通大学医学院附属第九人民医院收集30套CBCT数据及相应的59颗离体牙,通过建立的算法,分割出CBCT中的牙体三维数据.将离体牙处理后扫描获得的数字化信息作为金标准.为了比较算法分割结果以及扫描结果之间的差异,选取骰子系数(Dice)、灵敏度(sensitivity,Sen)以及平均表面距离(average symmetric surface distance,ASSD)评价算法的分割准确性.选用组内相关系数(ICC)评价AI系统获得单个牙与数字化离体牙的长度、面积和体积差异.由于存在不同体素大小的CBCT,使用ANOVA单因素方差分析不同体素组间的差异,同时通过SNK法对其进行两两比较.采用SPSS 25.0软件包对数据进行统计学分析.结果:算法分割结果与离体牙扫描结果对比后,得到平均Dice值为(94.7±1.88)％,平均Sen为(95.8±2.02)％,平均ASSD为(0.49±0.12)mm.比较数字化离体牙与AI系统获得的单个牙的长度、面积和体积的组内相关系数ICC值,分别为0.734、0.719和0.885,AI系统分割出的单个牙与数字化模型在评价长度、面积和体积时有着较好的一致性,但分割结果在具体数值上与真实情况仍有差异.CBCT体素越小,即分辨率越高,分割结果表现更好.结论:本研究建立的CBCT牙体分割算法能够准确实现各分辨率下CBCT中全牙列的牙体分割.CBCT分辨率提高,能让算法结果更准确.相比目前的分割算法,本研究的算法性能更好.但与实际情况相比,仍有一定差异,需对算法继续改进及验证.

目的 探讨多模态影像定量参数及 CA125 等血清学特征在Ⅱ型上皮性卵巢癌(EOC)诊断中的价值.方法 选取上皮性卵巢癌患者的术前临床、影像学资料,按术后病理诊断将患者 96 例分为两种类型,Ⅰ型 41 例,Ⅱ型 55例.所有患者术前均行腹盆腔CT增强检查及MRI检查,分别测量记录病灶实性成分平均ADC值、CT值(平扫、动脉期、静脉期、延迟期),计算CT值差、CT强化率,记录肿瘤标志物CA125、HE4,将ADC值、CT值、CT值差、CT强化率、CA125及HE4 分别进行单因素及多因素相关性分析,并绘制ROC曲线用于评价Ⅱ型上皮性卵巢癌诊断性能.结果 单因素分析有统计学意义的指标(CA125、HE4、年龄、静脉期CT强化率、延迟期CT值差、ADC值)纳入多因素回归模型中,得出ADC值(OR:1.49,95％CI 0.99～2.00),CA125(OR:1.10,95％CI 1.00～1.15)及HE4(OR:1.20,95％CI 0.99～1.26)是Ⅱ型EOC诊断的独立影响因素;CA125、HE4、ADC及三者联合诊断效能曲线下面积(AUC)分别为 0.72、0.75、0.85、0.88;ADC截断值为 1.005×10-3mm2/s,CA125 截断值为 381 U/ml,HE4 截断值 196 Pmol/l时,诊断Ⅱ型上皮性卵巢癌的敏感度、特异度分别为 85.7％、74.9％、78.6％,61.5％,66.7％、82.6％,三者联合诊断Ⅱ型上皮性卵巢癌的敏感度、特异度为 81.5％、83.1％.结论 基于ADC值联合CA125、HE4 肿瘤标志物建立的Logistic模型能有效地诊断Ⅱ型上皮性卵巢癌.

目的 探讨乳腺癌超声多模态成像参数与糖类抗原 153(CA153)、125(CA125)表达相关性及诊断价值.方法 选取我院收治的女性乳腺单发结节患者 260 例,根据术后病理结果分为恶性组和良性组,其中乳腺癌患者 109 例为恶性组,乳腺良性肿瘤 151 例为良性组,分析应用超声多模态成像参数联合血清肿瘤标志物对乳腺肿瘤良恶性的鉴别诊断价值.结果 恶性组肿块的最大血流速度、血流阻力指数及搏动指数均高于良性组,差异均有统计学意义(P<0.05);恶性组肿块超声造影时间-强度曲线的峰值强度、上升支斜率及梯度均高于良性组,而达峰时间则短于良性组,差异均有统计学意义(P<0.05);恶性组CA153 及CA125 水平均高于良性组,差异有统计学意义(P<0.05);恶性组患者除达峰时间与血清CA153及CA125均呈负相关外,其余超声指标均与血清CA153及CA125呈正相关(P<0.05);多因素Logistic回归分析,结果发现最大血流速度、血流阻力、搏动指数、峰值强度、上升支斜率、达峰时间、梯度、CA153、CA125 是乳腺恶性结节独立危险因素(P<0.05);ROC曲线结果显示超声血流参数、超声造影、CA153、CA125 及联合应用的AUC分别为 0.812、0.890,0.712、0.634 及 0.953;联合应用的诊断效能明显高于超声血流参数、超声造影、CA153、CA125(P<0.05).结论 超声多模态成像参数联合血清肿瘤标志物对乳腺肿瘤良恶性的鉴别诊断性能较高,具有很好的临床应用价值.

目的:为满足人呼吸道(尤其下呼吸道)感染快速筛查的需要,研制一种基于自然呼吸方式的便携式呼出气冷凝液(exhaled breath condensate,EBC)采集装置.方法:该装置由制冷单元、散热单元和冷凝单元组成.制冷单元采用TES1-7102型Peltier效应制冷半导体作为制冷元件;散热单元由高导热铝质散热片和高速无刷散热风扇组成;冷凝单元由导冷板和冷凝器组成,其中,导冷板为合金铝薄片,冷凝器采用3D打印技术制备,材质为疏水性聚乳酸,具有主、次2级导流槽以及超薄冷凝表面.为验证该装置的性能,进行制冷、导热和冷凝性能分析及人EBC采集和内容物分析.结果:制冷、导热和冷凝性能分析结果表明,开启制冷后,该装置的冷凝器表面温度与人呼出气的温差可达到冷凝所需温差,且冷凝表面未形成明显热阻,人呼出气在冷凝表面发生气-液相变后可快速形成较大液滴便于采集.人EBC采集及内容物分析结果表明,该装置可实现各个年龄段人群EBC的居家自采集,且采集的EBC样本中白细胞介素、C反应蛋白等炎症相关指标的浓度及pH值与受试者呼吸道感染相关.结论:该装置操作简单,可避免吹气式采集的不适感和唾液污染的风险,在呼吸道感染等相关疾病的快速诊疗和动态监测方面具有较好的应用价值.

介绍了 YY 1881-2023《医用正压送风式呼吸器》的制定背景、制定过程中参考的国内外标准和相关产品性能指标设置情况,从适用范围、适用产品分类和标记及主要性能要求3个方面对标准进行了解析,为正确理解标准条款和产品研发、生产、检验等环节提供了参考.