抑郁症相关的自杀行为预测是当前突出的预防医学和临床医学难点.机器学习(Machine Learning,ML)是一种人工智能技术,国内外已有不少研究将ML用于抑郁症的诊断或自杀预测.本文聚焦于具有自杀风险的抑郁症人群,通过回顾现有的自杀风险评估工具的应用概况,述评ML在抑郁症患者自杀风险预测方面的多种模型,以期为临床医护人员以及相关公共卫生部门识别和预测抑郁症患者的自杀风险提供科学技术参考.ML相关技术仍存在预测局限性,未来应纳入更多深入研究和开展临床实践.

目的 探讨社交回避状况与中晚期帕金森病(PD)患者的不同认知领域功能的相关性.方法 选取2023年3～12月在安徽医科大学第一附属医院神经内科就诊的58例中晚期原发性帕金森病患者为研究对象,进行社交回避及苦恼量表(SAD)评估,并按SAD得分将所有受试者分为PD伴社交回避及苦恼组(SAD组,n=29)和PD不伴社交回避及苦恼组(NSAD组,n=29).采用简易智力状况检查量表(MMSE)、中文听觉词语学习测验(AVLT)、数字广度测验(DST)和综合连线测验A(TMA)、测验B(TMB)、额叶功能评价量表(FAB)、语义流畅性(CVF)和语音流畅性(PVF)对所有受试者进行认知功能测验.分别比较SAD组和NSAD组以上认知功能测验的差异性,分析各项认知测验得分与SAD量表得分的相关性,并采用多元线性回归分析认知功能的影响因素.结果 SAD组受试者的MMSE、DST逆序、TMA、TMB、FAB得分显著差于NSAD组(P<0.05).Spearman相关分析提示,SAD得分与MMSE、AVLT-8得分、DST逆序、FAB得分呈负相关(r=-0.502、-0.350、-0.542、-0.432,P<0.05),与TMA、TMB用时呈正相关(r=0.543、0.626,P<0.05).回归分析提示,SAD得分、受教育年限是不同认知测评得分的影响因素(P<0.05).结论 在中晚期帕金森病患者中,社交回避状况是认知水平下降的风险因素,且突出表现在注意、执行能力下降方面.

目的 探讨在临床见习教学过程中患者的跨文化敏感性水平对来华医学留学生教学的影响.方法 选择2016年8月至2022年2月南华大学附属第二医院神经内科见习教学中的102名临床医学本科留学生和见习诊查的51例急性缺血性脑卒中住院患者为研究对象,运用跨文化敏感性量表(ISS)对见习教学中诊查的患者进行问卷调查,同时通过留学生见习后书写的病历和反馈评价对见习教学效果进行评估并收集留学生学习基本信息,根据ISS评分中位值将患者分为ISS高分组和ISS低分组,两组患者分别对应见习中的学生为A、B两组,分析见习中的患者跨文化敏感性水平对留学生见习教学效果的影响,采用多元线性回归分析见习实践教学效果的影响因素.结果 51例患者ISS分值为(91.75±11.76)分,以中位值93分为标准分为ISS高分组(n=23)和ISS低分组(n=28),ISS高分组患者"互动参与度""尊重文化差异"和"交互信心"维度得分高于ISS低分组,差异有统计学意义(P<0.05);ISS高分组患者对应留学生(A组学生)见习后的反馈评价包括见习学习过程顺利、患者配合度、患者友好度、见习对知识掌握和见习对学习信心建立的帮助五个方面均好于ISS低分组对应留学生(B组学生),差异有统计学意义(P<0.05);A组学生书写的病历得分高于B组学生,差异有统计学意义(P<0.05);Spearman相关分析显示,患者的ISS总分,及"互动参与度""尊重文化差异"和"交互信心"维度分值均与对应学生的病历评分呈正相关(r=0.767、0.660、0.698、0.671,P<0.05);经Spearman检验显示,患者的ISS总分与对应留学生各见习反馈的见习学习过程顺利、患者配合度、患者友好度、见习对知识掌握和见习对学习信心建立的帮助这五个方面评价指标均呈正相关(r=0.552、0.489、0.540、0.547、0.449,P<0.05);多元回归分析显示患者ISS水平、患者友好和学生期末考试成绩是留学生见习实践教学效果的影响因素(均有P<0.05).结论 医学留学生临床见习教学中,患者的跨文化敏感性水平可能影响医患沟通和教学效果,是留学生临床教学中一个值得关注的因素.

目的 探讨机器学习(ML)算法结合能谱CT定量参数和临床模型在预测胃腺癌(GAC)患者淋巴血管浸润(LVI)和神经周围浸润(PNI)的潜在价值.方法 收集2017年12月-2022年5月经病理证实的GAC患者114例.研究参数涉及血清肿瘤标志物、CT-TN分期、CT评估壁外血管浸润(CT-EMVI)以及能谱CT定量参数.通过WEKA软件的Best-First算法进行特征筛选,并运用贝叶斯网络(BN)及支持向量机(SVM)算法建立模型.结果 相较于LVI/PNI阴性组,LVI/PNI阳性组中CT-T3～4期、CT-N阳性、CT-EMVI阳性、血清肿瘤标志物[糖类抗原(CA)72-4和CA19-9]更为常见,能谱CT参数也更高,差别均有统计学意义(P＜0.05).经特征选择,关键变量包括CT-T分期、CT-EMVI、VP-NIC和EP-70 keV CT值.基于这些变量,分别使用BN和SVM构建临床参数模型、能谱CT参数模型和混合模型,共6个模型.6个模型均展现了高预测性能,无过拟合现象.BN的混合模型预测性能最佳,AUC值为0.890～0.933,Delong检验显示其在统计学上具有显著优势(P＜0.05);而SVM的混合模型与另外2种模型间的差别无统计学意义(P＞0.05).结论 结合临床和能谱CT参数的ML模型能够高效能评估GAC患者的LVI和PNI状态,其中BN混合模型的准确性最高.

目的 探讨急先锋视域下基于线上虚拟仿真实训和线下密室逃脱教学的混合式教学模式在"先锋榜样与急救技能"课程教学中的应用效果.方法 便利选择我校 2023级三年制护生为研究对象,随机数字表法分别选取其中 3个班设为观察组,3个班设为对照组.对照组采用传统教学模式,观察组实施急先锋视域下的线上虚拟仿真实训和线下密室逃脱教学相结合的混合式教学模式.课程结束后比较 2组护生急救理论知识与技能考核成绩、学习投入及评判性思维评分.结果 观察组护生急救理论知识及技能考核成绩,学习投入、评判性思维各维度得分及总分均显著高于对照组(P＜0.05).结论 "先锋榜样与急救技能"课程教学改革取得较好实践效果,可有效激发护生学习投入,提高急救知识与技能水平,提升护生评判性思维能力,助力护理急先锋人才培养.

目的 研究人工智能医学影像辅助诊断系统对肺磨玻璃结节(GGN)良恶性及判断病理成份的临床应用价值.方法 从行胸部CT检查发现GGN的患者中随机选取符合条件的44例纳入研究.根据病理结果分成腺癌组GGN与炎性病变组GGN,然后根据贴壁成份的占比不同将腺癌组GGN分成高占比组和低占比组,记录2组测量参数(包括病灶长径、平均CT值、CT值标准差、紧凑度、球形度及患者年龄).采用SPSS 20.0软件统计分析2组间差异,对有统计学意义的定量参数进行受试者工作特征曲线(ROC)分析,评价各测量参数鉴别良恶性GGN及判断恶性GGN病理成分的能力,同时根据最大约登指数(YI)计算该测量参数的最佳诊断阈值,获得曲线下面积(AUC)、敏感度和特异度,P＜0.05被认为差异具有统计学意义;最后根据二元Logistic回归模型得出鉴别良恶性GGN及判断恶性GGN组织成分的独立危险因素.结果 ①在腺癌组GGN与炎性病变组GGN测量数据对比中,腺癌组GGN病灶长径、平均CT值、CT值标准差大于炎性病变组GGN(P＜0.05),腺癌组GGN紧凑度、球形度均小于炎性病变组GGN(P＜0.05),而2组GGN患者年龄差异无统计学意义(P＞0.05).②在高占比腺癌组GGN和低占比腺癌组GGN测量数据对比中,仅发现高占比腺癌组GGN平均CT值小于低占比腺癌组GGN(P＜0.05),其他无差异.③二元Logistic回归模型分析显示,鉴别腺癌GGN与炎症GGN的独立因素为病灶长径;鉴别高占比腺癌GGN和低占比腺癌GGN的独立因素为平均CT值.结论 基于人工智能医学影像辅助诊断系统CT特征定量分析有助于鉴别良恶性GGN,以各项指标联合诊断的效能最佳;但在判断恶性GGN的病理成份方面能力有限,但仍需结合临床其他各项指标进行综合判断才能做出更准确的诊断.人工智能医学影像辅助诊断系统对GGN良恶性及判断病理成份有较大的临床应用价值,以各项指标联合诊断的效能最佳.

目的 探究基于知识图谱的高仿真模拟教学在"急危重症护理学"中的应用效果.方法 选取 2020级护理学本科生为研究对象,随机抽取 1 个班为对照组(35 名),采用常规教学方案;1个班为观察组(39名),使用"急危重症护理学"知识图谱开展高仿真模拟.课程结束后比较 2 组自主学习能力,使用教学效果评价问卷及质性访谈了解教学效果及体验.结果 观察组与对照组自主学习能力得分均高于教学前(P<0.001,P<0.05);组间得分比较差异无统计学意义(P>0.05).观察组 77%的护生认为使用知识图谱能够"形成思考问题、解决问题的模式"、69%护生认为"有助于临床思维的培养".观察组师生对知识图谱及该教学方案表示满意.结论 知识图谱与高仿真模拟结合有助于激发护生学习兴趣,提升综合能力,培养临床思维,为护理教育智能化转型提供参考.

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 探讨基于项目管理内涵制定的应用程序设计课程用于建立本科护生护理信息能力的可行性,为护生相关能力培养提供参考.方法 成立培养团队,基于项目管理内涵制定课程材料,对 77名本科护生进行培养,每周 1次,每次 90 min,共 9 次.采用护理信息能力自评量表、学习动机策略问卷评估有用性,采用课程学习评价表、应用程序项目产出和报告评分表评估适用性.结果 培养后,护生在信息角色、基本计算机知识和技能、计算机应用能力和无线设备 4 个维度的得分显著提高(分别t=7.148,2.029,5.767,5.729 均P＜0.05),自我效能感得分得到显著改善(t=2.944,P=0.004).学生共产出 9个应用程序项目,评分均在 85 分以上.在课程内容、知识、态度和专案管理方面的满意度均分为中上水平.结论 基于项目管理内涵制定的应用程序设计课程具有可行性和适用性,初步取得较好成效和较高满意度.可进一步合作开展随机对照组研究,以探讨长期效果.

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.