人工智能在肝移植中的应用

随着5G和大数据时代的来临,多维度、大样本的复杂医疗数据为新时代临床医学带来众多机遇和挑战。与传统方法相比,人工智能可以更高效地挖掘庞大数据集中的隐藏联系,越来越多的学者将这一先进技术应用于疾病的诊断和治疗。经过半个多世纪的发展和完善,肝移植已成为治疗各种终末期肝病最有效的方法。与其他领域的"单患者"数据分析不同,肝移植通常需要考虑供体和受体"双患者"的特征以及移植过程中的变量,产生较其他疾病更为庞大的医疗数据,这与人工智能的优势尤为契合。有效利用人工智能的手段、结合临床研究开展将为智能精准临床医学时代拉开新的序幕。对于人工智能在肝移植的交叉应用,需要全面讨论人工智能技术在肝移植中的优势和局限性,并提出该领域的未来方向。     

巴马小型猪非静脉转流原位肝移植模型的建立

目的建立重复性和稳定性好的巴马小型猪非静脉转流原位肝移植模型。方法选用12只巴马小型猪随机分为供体组(n=6)和受体组(n=6),行非静脉转流原位肝移植术,术中缩短无肝期的时间、维持无肝期血压稳定以及加强术中麻醉与体液管理。观察并记录受体的手术时间、无肝期、存活情况,监测术中心率、平均动脉压(MAP)、动脉血气分析改变,检测围手术期肝功能情况。结果 6只巴马小型猪中,1只术中死亡移植失败,其余5只的手术时间为(247±27)min,无肝期为(46±4)min,其中3只存活2周以上。与无肝前期相比,无肝期动物心率明显加快,MAP明显降低至(46±6)mmHg,血液pH值、剩余碱(BE)、HCO3-均下降,血清K+升高(均为P0.05)。新肝期巴马小型猪MAP上升,心率变慢,血液pH值、BE、HCO3-升高,血清K+降低(均为P0.05)。关腹时MAP及血气各指标及血清K+基本恢复至无肝前期水平。与术前相比,术毕时丙氨酸转氨酶(ALT)、天冬氨酸转氨酶(AST)、乳酸脱氢酶(LDH)、碱性磷酸酶(ALP)明显升高(均为P0.05),AST升高变化最明显,术后第2日开始逐渐下降。γ-谷氨酰转移酶(GGT)无升高变化,总胆红素(TB)术后第5日急剧升高。与术前相比,术毕时总蛋白(TP)、白蛋白(ALB)均明显下降(均为P0.05),术后第1日开始逐渐回升。结论非静脉转流巴马小型猪原位肝移植模型手术便捷、重复性高、存活率高,可以作为标准化的肝移植模型。