目的 探讨血浆微小核糖核酸(miR)-132、miR-134联合miR-124对抑郁症患者的预测价值及疗效评估.方法 选取2021年6月至2023年7月在该院精神病科确诊抑郁症患者75例作为研究组,另选取同期于该院体检的健康者75例作为对照组.检测两组血浆miR-132、miR-134及miR-124相对表达水平,并对两组治疗8周前后miR-132、miR-124、miR-134、脑源性神经营养因子(BDNF)、炎症因子[白细胞介素(IL)-6、IL-18、肿瘤坏死因子-α(TNF-α)]水平进行比较.采用多元线性回归分析构建联合预测模型.采用受试者工作特征(ROC)曲线评估血浆miR-132、miR-134、miR-124及联合预测在诊断抑郁症患者中的应用价值.结果 研究组血浆miR-132、miR-124相对表达水平显著高于对照组,差异有统计学意义(P＜0.05);研究组血浆miR-134相对表达水平显著低于对照组,差异有统计学意义(P＜0.05).ROC曲线分析显示,血浆miR-132、miR-134、miR-124及联合预测诊断抑郁症的曲线下面积分别为0.858 8、0.851 9、0.763 1、0.971 4.与治疗8周前比较,治疗8周后血浆miR-132、miR-124、IL-6、IL-18、TNF-α水平明显下调,miR-134、BDNF水平明显上调.结论 miR-132、miR-134及miR-124与抑郁症的发生密切相关,三者联合可用于预测、早期诊断抑郁症患者及评估抑郁症患者的药物疗效.

目的 构建预测模型分析血清甲胎蛋白(AFP)、癌胚抗原(CEA)、热休克蛋白90a(Hsp90a)等指标对原发性肝癌(PHC)的诊断价值.方法 回顾性选取保定市第二医院2020年3月至2021年12月收治的72例PHC患者(PHC组),68例慢性肝病患者(慢性肝病组),及同期50例健康受试者(健康对照组)为研究对象,采用化学发光法检测血清AFP、CEA水平,采用酶联免疫吸附法检测血清Hsp90a水平,受试者工作特征(ROC)曲线及曲线下面积(AUC)分析各指标对PHC的诊断效能,多因素Cox风险回归分析发生PHC的独立因素,R软件"rms"包构建预测模型并进行验证.结果 三组AFP、CEA及Hsp90a水平差异有统计学意义,PHC组最高,对照组最低,且两两比较差异有统计学意义(P＜0.05).AFP(OR=1.770,95％CI:1.137～2.756)、CEA(OR=2.651,95％CI:1.168～6.015)、Hsp90a(OR=1.402,95％CI:1.141～1.723)是 PHC 的独立危险因素(P＜0.05).AFP、CEA 及HSP90单独预测PHC的AUC分别为0.929、0.947、0.899.构建的联合预测模型的C-index为0.669(0.647～0.831).结论 基于AFP、CEA及Hsp90a指标构建的模型对PHC具有较高的诊断价值,可在临床用于早期的PHC筛查.

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 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 探讨基于胸部CT影像组学特征构建的模型对Ⅰ期尘肺病的诊断价值.方法 选取 202 例诊断为尘肺Ⅰ期和 199 例健康体检者的临床及胸部CT资料,按照 7:3 的比例随机分为训练集组及验证集组,使用 3D-slicer软件在CT肺窗图像上勾画感兴趣区(ROI)并提取特征,利用最小绝对收缩和选择算子(LASSO)算法对影像特征进行筛选,然后采用支持向量机(SVM)算法,建立CT组学模型并采用受试者工作特征曲线下面积(AUC)和决策曲线分析(DCA),评估预测模型的效能和临床实用性.结果 共提取出 851 个特征,最终筛选出 9 个特征建立CT影像组学模型,该模型训练集组的AUC为 0.930(95%CI 0.901～0.963),验证集组的AUC为 0.820(95%CI 0.742～0.895),DCA曲线显示该模型具有较好的净收益.结论 基于CT图像的影像组学模型能有效鉴别正常和Ⅰ期尘肺,对于Ⅰ期尘肺有重要的诊断价值.

目的:探讨磁共振T2*mapping序列联合纹理特征参数在诊断女性绝经后骨质疏松症(postmenopausal osteoporosis,PMOP)中的应用价值.方法:回顾性分析2019年3月至2021年4月某院收治的50例PMOP患者(作为骨质疏松组)的临床资料,另选择50例绝经后骨量正常(骨密度＞120 mg/cm3)的体检者为骨量正常组和50例绝经后骨量减少(80 mg/cm3＜骨密度＜120 mg/cm3)者为骨量减少组.3组均行磁共振腰椎常规序列及T2*mapping扫描,提取图像纹理特征.对比3组腰椎T2*值及纹理特征参数(能量、对比、相关、逆差距及熵),采用Spearman相关性分析腰椎T2*(值、纹理特征参数与女性发生POMP的相关性,通过多因素Logistics回归分析确定女性发生PMOP的独立预测因子,采用ROC曲线分析T2*mapping序列联合纹理特征参数对PMOP的诊断效能,构建发生POMP的列线图预测模型并对模型进行验证.结果:3组腰椎T2*值、能量、对比、相关、逆差距及熵比较,差异有统计学意义(P＜0.05).Spearman相关分析结果显示,腰椎T2*值、对比及熵与发生POMP呈显著正相关关系,能量、相关及逆差距与发生POMP呈显著负相关关系(P＜0.05).T2*值、能量、对比、相关、逆差距及熵均为POMP发生的独立预测因子(P＜0.05).T2*mapping序列联合纹理特征参数诊断的AUC、敏感度及特异度均优于单项参数诊断.列线图预测模型预测女性发生POMP的概率为75.00％,经验证模型具有较高的区分度、校准能力和净获益率.结论:磁共振T2*mapping序列联合纹理特征参数对女性发生POMP的诊断效能良好,T2*值、能量、对比、相关、逆差距及熵可作为临床筛选POMP高危人群的敏感指标.

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.

目的:基于临床和MRI特征构建预测侵袭性胎盘植入和严重产后出血的列线图模型并验证.方法:对2019年1月1日—2022年12月31日在深圳市妇幼保健院因产前检查疑有胎盘前置或胎盘植入性疾病(PAS)而行MRI检查的236例孕晚期患者的临床和MRI资料进行回顾性分析.按8︰2的比例将患者随机分入训练集(189例)或验证集(47例).通过单因素和多因素logistics回归分析筛选临床和MRI特征,分别构建侵袭性胎盘植入和严重产后出血的列线图预测模型.采用受试者工作特征(ROC)曲线、校准曲线和决策曲线分析(DCA)评估预测模型的区分度、校准度和诊断效能.结果:剖宫产史(OR=2.835,P=0.022)、胎盘局部膨隆(OR=3.526,P=0.044)、胎盘-子宫界面不连续(OR=7.97,P=0.006)、胎盘床异常血管(OR=4.16,P=0.013)和胎盘陷窝流空信号(OR=6.229,P=0.006)是预测侵袭性胎盘植入的独立危险因素,联合上述征象构建预测模型并绘制其列线图,其在训练集和验证集中的AUC分别为0.955(95％CI:0.928～0.983)和0.866(95％CI:0.752～0.980).胎盘局部膨隆(OR=4.033,P=0.033)、胎盘床异常血管(OR=4.585,P=0.01)、胎盘内异常血管(OR=3.684,P=0.034)和胎盘陷窝流空信号(OR=8.154,P=0.002)是预测严重产后出血的独立危险因素,联合上述征象构建严重产后出血预的测模型并绘制其列线图,其在训练集和验证集中的AUC分别为0.945(95％CI:0.912～0.977)和0.899(95％CI:0.806～0.993).结论:基于临床和MRI特征构建的预测侵袭性胎盘植入和严重产后出血列线图预测模型对临床诊治能提供一定帮助.

目的 分析神经外科ICU患者发生医院感染的危险因素,构建风险预测模型,为神经外科ICU患者医院感染的预测提供参考.方法 回顾性分析2021年1月至2022年12月该院神经外科ICU收治的280例患者的临床资料,根据患者是否发生医院感染分为感染组和未感染组,每组140例;按照7︰3比例随机抽取196例患者作为训练集建立模型,剩余84例患者作为验证集进行内部验证.采用logistic回归分析神经外科ICU患者医院感染的危险因素,建立感染预测模型,并绘制受试者工作特征(ROC)曲线评估模型预测效果.结果 通过多因素logistic回归分析,得出年龄大、手术时间长、导尿管使用时间长和糖皮质激素的使用是神经外科ICU患者发生医院感染的主要危险因素.基于多因素分析结果构建列线图模型,训练集和验证集ROC曲线下面积分别为0.796和0.875.矫正模型体现出实际诊断和预测诊断之间有较好的一致性.结论 该研究构建的模型对神经外科ICU患者发生医院感染的风险有较高的预测价值.

目的 使用常规超声、三维能量多普勒及剪切波弹性成像建立中孕期对胎盘功能不全的预测模型.资料与方法 前瞻性分析 2021 年 4 月—2022 年 4 月在三峡大学附属仁和医院行超声检查的前壁胎盘孕妇 209 例,依据临床诊断分为正常组 118 例和胎盘功能不全组 91 例,从血流动力学(脐动脉、子宫动脉的血流参数和脑胎盘率)、血流灌注(血管指数、血流指数和血管-血流指数)、机械组织特性(弹性模量平均值)等方面评估胎盘功能.对组间差异有统计学意义的指标进行Logistic回归分析,构建预测模型并评估其效能.结果 两组子宫动脉的血流参数、脑胎盘率、血管指数、血管-血流指数和弹性模量平均值等差异均有统计学意义(t=-12.74、-10.28、-11.01、7.02、7.00、-11.97,P均<0.05).Logistic回归分析发现,子宫动脉阻力指数(≥0.65)、脑胎盘率(≤1.53)及弹性模量平均值(≥4.14 KPa)为独立危险因素,其中弹性模量平均值的诊断效能最大,曲线下面积为0.904.联合3项参数建立预测模型的曲线下面积为0.945,敏感度为87.91%,特异度为94.92%,诊断效能较单一参数明显提高.结论 基于多模态超声建立的预测模型对胎盘功能不全有一定的预测价值和高度特异性,可指导临床尽早干预以改善围生期结局.