靶向STAT3通过调控糖酵解及间皮间充质转分化改善腹膜透析相关腹膜纤维化

目的 研究高糖对人腹膜间皮细胞系(HMrSV5)间皮-间充质转化(MMT)的影响及机制,以及药理阻断信号转导和转录激活因子(STAT3)对大鼠腹膜的保护作用。方法 将动物分为3组：假手术组(Sham组)、模型组和STAT3抑制剂组。在大鼠背侧皮肤下手术植入微型腹膜透析导管,每日注射高糖透析液诱导大鼠腹膜纤维化模型。10周后,苏木精-伊红(HE)染色观察腹膜组织病理改变,免疫组化方法检测腹膜组织转化生长因子-β1(TGF-β1)的表达。模拟高糖微环境对HMrSV5进行细胞培养,转染si-STAT3,Western blot方法检测STAT3蛋白和磷酸化水平及糖酵解相关代谢酶6-磷酸果糖-2-激酶/果糖-2,6-双磷酸酶-3 (PFKFB3)、乳酸脱氢酶A(LDHA)的表达。结果 HE染色显示STAT3抑制剂(BP-1-102)可抑制高糖透析大鼠的腹膜下组织增厚及血管增生。模型组大鼠腹膜组织TGF-β1蛋白表达显著高于假手术组,STAT3抑制剂组大鼠腹膜TGF-β1蛋白表达显著低于模型组(P<0.05)。与对照组相比,高糖诱导HMrSV5细胞STAT3激活,以及α平滑肌肌动蛋白(α-...     

快速气相电子鼻结合人工神经网络对3种五味子饮片快速识别及气味差异标志物研究

目的 基于快速气相电子鼻对3种五味子Schisandrae Chinensis Fructus(SCF)饮片进行气味特征分析,并建立人工神经网络(artificial neural network,ANN)快速判别模型,拟解决生产流通及临床使用过程中的品种混淆问题.方法 通过建立五味子饮片Heracles NEO快速气...     

菊花缓释片制备工艺与处方优化

 目的 采用新型缓释材料制备菊花提取物（CME）缓释片。方法 以总黄酮的释放度为指标,根据缓释片的有关参数采用正交试验、人工神经网络等方法优化处方。并以CME体内效应成分木犀草素、芹菜素的释放度为指标,用HPLC对处方优化后制备的缓释片进行释放度测定。结果 优化的CME缓释片的处方为：CME 150 mg,羟丙基甲基纤维素（HPMC）17 mg,1％ 乙基纤维素（EC）乙醇溶液适量;以该处方制备的制剂,体外释药性能符合M_t/M_∞=kt1/2模型,持续释药达12 h。结论 从体外释放分析,以该优化工艺制备的菊花缓释制剂,达到了缓释制剂的要求。     

基于机器学习的重症急性胰腺炎的辅助诊断模型

目的：通过机器学习,建立一套智能化的重症急性胰腺炎（SAP）的辅助诊断模型,及时、高效地辅助医生判断患者急性胰腺炎（AP）严重程度,辅助SAP的诊断,便于早期干预,提高预后。方法：收集近3年急诊科及消化内科的122例AP患者的临床数据。将发生SAP的患者纳入SAP组,未发生SAP的患者纳入非SAP组。使用单因素分析筛选指标,包括患者一般情况、检查、检验等。将筛选出的指标纳入预测模型,建立两种机器学习模型：逻辑回归模型、人工神经网络模型（ANN）。比较两者的受试者工作特征曲线下面积（AUC）、特异度、敏感度。结果：39例（34.8%）患者确诊SAP。通过单因素分析,SAP组具有更高的糖尿病病史比例、白细胞介素6(IL-6)、C反应蛋白（CRP）、D-二聚体、凝血酶原时间（PT）、部分凝血活酶时间（TT）以及肌酐值;非SAP组则有更高的血细胞压积（HCT）和纤维蛋白原（FIB）水平。逻辑回归模型的变量选择了IL-6、肌酐和FIB。模型的特异度为74.82%,敏感度为80.35%,准确度为76.17%,AUC为0.802(95%置信区间为0.762～0.875);人工神经网络模型的变量选择了...     

人工神经网络在脊柱外科中的应用进展

目前在脊柱外科领域,人工神经网络凭借着对医学图像分析和患者数据分析的出色表现被众多研究者重视,其在预测患者并发症风险、诊断患者脊柱相关疾病、开发小鼠病理模型等临床和科研方面的准确性及实用性越来越高,重要性日益显著。但是,人工神经网络尚未被大多数脊柱外科医师充分认知。该文就人工神经网络在脊柱外科的图像分析、临床诊断及治疗等方面的研究进行综述,阐述人工神经网络在脊柱外科中的应用,并探讨其应用的局限性和未来发展方向。     

基于血清标志物的机器学习模型对肝癌诊断的价值评估

目的 探讨使用肝癌血清标志物构建的3种机器学习(ML)模型对原发性肝癌的诊断价值，选择最优诊断模型以提高肝癌标志物的临床应用价值。方法 回顾性分析2021年9月至2022年6月于山西医科大学第一医院住院的273例肝病患者的临床资料，其中原发性肝癌患者83例，慢性肝病及肝硬化患者190例，另外纳入25例体检健康者。收集各研究对象的临床资料以构建人工神经网络(ANN)、决策树(DT)、Logistic回归(LR)模型。绘制ROC曲线并计算ROC曲线下面积(AUC^ROC),评估并比较3种模型的预测价值。结果 ANN模型的敏感性为86.7%,显著高于LR模型(85.5%)、并联检测模型(80.7%)、DT模型(63.9%)和串联检测模型(39.8%);各诊断模型的AUC^ROC分别为：ANN(0.908)、LR(0.903)、DT(0.827)、串联检测(0.678)、并联检测(0.662)。结论 机器学习模型能够提高血清标志物对肝癌的诊断价值，ANN模型和LR模型对肝癌的诊断价值相近，优于DT模型。     

基于决策树和人工神经网络的小儿肺炎痰热闭肺证诊断模型研究＊

目的 基于决策树和人工神经网络方法，建立小儿肺炎痰热闭肺证诊断模型。方法 以大样本、多中心小儿肺炎痰热闭肺证病例作为数据源，运用CRT、CHAID、QUEST、C5.0决策树和多层感知器（MLP）、径向基函数（RBF）的神经网络方法建立小儿肺炎痰热闭肺证诊断模型，并结合中医理论分析模型的诊断规则。结果 采用CRT、CHAID、QUEST、C5.0算法决策树建立的小儿肺炎痰热闭肺证的诊断模型，准确率为83.1%、91.0%、89.5%、93.2%。其中采用C5.0算法的决策树模型优于前3种。采用MLP、RBF算法的神经网络方法建立小儿肺炎痰热闭肺证诊断模型，准确率为92.1%和90.8%，其中采用MLP的神经网络更优于采用RBF算法的神经网络。结论 运用决策树和神经网络方法，可以建立小儿肺炎痰热闭肺证诊断模型。其中痰多粘稠、痰色黄、脉滑、咳嗽、指纹紫滞为诊断中的决定要素。“痰”、“热”为痰热闭肺证的证候病机。本研究为小儿肺炎临床辨证论治提供客观依据，有力促进中医标准化进程。     

基于全偏振成像和机器学习的肝细胞癌与肝内胆管癌鉴别诊断研究

目的 探讨全偏振成像和机器学习在肝细胞癌与肝内胆管癌鉴别诊断中的作用。方法 利用全偏振显微镜对术后经病理确诊为低分化肝细胞癌和低分化肝内胆管癌病例各8例进行偏振成像；病理医生根据HE切片选取3块感兴趣区域，测量每块区域的穆勒矩阵，并根据穆勒矩阵参数提取分析方法计算出一系列的偏振基准参数；将偏振特征参数输入到人工神经网络模型中，采用了8折交叉验证方法对模型进行三分类的训练和验证。结果 模型结果显示，基于图像偏振特征区分肝细胞癌、肝内胆管癌与除了癌变细胞以外的其他组织的准确率为0.846 3,灵敏度为0.810 7。结论 基于全偏振成像和机器学习构建的肝细胞癌和肝内胆管癌诊断模型具有重要的病理辅助诊断价值。     

基于熵权法结合响应面法和反向传播人工神经网络优化姜炙厚朴的炮制工艺

目的:优化姜炙厚朴的炮制工艺。方法:以姜汁用量、闷润时间、设定功率、炮制时间为考察因素，以厚朴酚含量、和厚朴酚含量和细胞存活率为评价指标，采用熵权法进行综合评价。在单因素试验的基础上，进一步选用响应面法筛选姜炙厚朴的最佳炮制工艺参数。此外，采用反向传播(back propagation, BP)神经网络寻求最佳炮制工艺参数，并按照优化出的最佳炮制工艺进行验证。结果:与熵权法结合响应面法优化结果相比，BP神经网络优化工艺实际综合评分更高，为87.11,与预测值88.27更接近，BP神经网络优化工艺优于响应面工艺，且预测结果稳定可靠。姜炙厚朴最佳炮制工艺为每100 g厚朴，姜汁用量15 mL,闷润时间30 min,设定功率1 000 W,炮制时间7 min。结论:建立的姜炙厚朴炮制工艺稳定可行，得到的炮制品质量较佳，对胃黏膜保护效果好。     

基于百度指数的2011-2020年江苏省肺结核预测模型研究

目的 分析我国肺结核的网络搜索词与实际数据之间的相关性及时序变化特征，通过构建肺结核预测模型，探讨百度指数在肺结核防治监测中的补充应用，为江苏省肺结核防控工作提供科学依据。方法 使用范围选词法确定肺结核搜索词，选择2011年1月至2020年12月相关搜索词的百度指数和实际发病数据，采用Pearson相关分析两者之间的相关性及时序变化特征，进而分别建立多元线性回归模型和人工神经网络模型，以2020年1—12月发病数据检验模型并用平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和拟合优度(R²)评价两种模型的预测效果。结果 基于百度指数建立的预测模型能够提前1—2个月预测下一轮大流行出现的时间节点，其中，“领先2个月”和“领先1个月”人工神经网络模型的MAE为273.75和357.99,MAPE为8.86%和11.53%,R²为0.75和0.6。结论 根据搜索词百度指数建立的预测模型具有一定的预见性，能够提前预测下一波肺结核的流行趋势，可作为传统肺结核监测预警系统的有益补充和进一步扩展。