基于人工智能GPGA的华法林剂量预测模型

目的提出一种基于遗传程序设计(GP)和遗传算法(GA)的人工智能算法,命名为遗传程序设计-遗传算法(GPGA),以建立更准确的华法林剂量预测模型。方法纳入100例华法林达稳态,临床信息完整,且获得CYP2C9与VKORCI基因型的汉族患者,记录其华法林稳定维持剂量(真实值)。使用GPGA算法合成并进化模型得出预测的华法林维持剂量(预测值),与本院提出的线性回归模型、目前国际公认的国际华法林药物基因组学联合会IWPC模型,及三种现有人工智能建模方法相比较。结果在各复杂度模型中,GPGA的平方相关系数(R2)、均方误差(MSE)和预测值在真实值±20%范围内的比例(20%-p)总体表现最优。GPGA得到的R2从训练集到测试集没有下降。身高和性别变量的加入并未进一步提高模型预测性能。结论 GPGA总体得到了最好的趋势相关性、精度和可用性,且泛化性强。身高和性别对华法林维持剂量无明显预测价值。     

左房主动排空分数对阵发性心房颤动射频消融术后复发机制的预判价值

目的:探讨左房主动排空分数(LAaEF)在预测阵发性心房颤动(PAF)患者首次导管射频消融术(RFCA)术后心房颤动(AF)复发的机制及再次RFCA的预后中的价值。方法:回顾性分析在我院首次行RFCA术后AF复发并再次行RFCA的PAF患者73例。患者再次RFCA术前行经胸心脏超声测算LAaEF等左房参数。将所有患者依据再次RFCA术中明确的复发机制分为单纯肺静脉(PV)组、上腔静脉(SVC)组和其他部位(non-PV/SVC)组,比较3组患者的LAaEF等参数。另依据LAaEF分为高LAaEF组和低LAaEF组,对比两组患者在再次RFCA术中明确的AF复发机制。所有患者再次RFCA术后随访12个月以上。使用多因素COX回归分析复发组与非复发组临床特征的区别,筛选再次复发的独立预测因素。结果:机制分组中,PV组的LAaEF明显高于SVC组和non-PV/SVC组。LAaEF分组中,高LAaEF组比低LAaEF组单纯PV机制的比例明显较多,non-PV/SVC机制的比例明显较少。随访过程中,总体复发率24.7%;其中,PV组的复发率为10%,SVC组为10%,non-PV/SVC组为42.4%;高LAaEF组的复发率为10.8%,低LAaEF组为38.9%。多因素Cox回归分析发现,单纯PV机制、non-PV/SVC机制和LAaEF是再次RFCA术后AF复发的独立预测因素。其中PV机制和LAaEF是保护性因素,non-PV/SVC机制是危险性因素。结论:LAaEF对于预判首次RFCA术后AF的复发机制及预测再次RFCA术后AF的复发率具有重要的价值。     

动态血压监测的临床意义

血压监测是临床最主要的测量之一,动态血压监测能较好的反映真实血压变化,有效弥补了诊室血压测量的不足。目前,动态血压监测技术已日臻规范和完善,随着科技进步,动态血压测量将更广泛应用于临床并使广大患者获益。高血压是心血管最常见最主要的危险因素,收缩压和舒张压都可以独立预测心血管事件。其患病率、致残率高,危害甚重,而且因多数高血压患者无自觉症状,致残甚至致命性的脑卒中可能是患者首发的临床表现,被称为隐形杀手。高血压的知晓率、治疗     

基于遗传规划与进化策略的华法林剂量预测模型

提出一种基于遗传规划(genetic programming,GP)和进化策略(evolution strategy,ES)的学习方法,命名为遗传规划-进化策略(GPES),建立更准确的华法林剂量预测模型。纳入247例汉族患者。GP进化复杂特征提取,ES进化模型系数,组成模型,得出预测的华法林维持剂量,与线性回归模型、国际华法林药物基因组学联合会模型,及三种机器学习方法相比较。GPES的均方误差(MSE)(1.68×10^(-2))和预测值在真实值±20%范围内的比例(20%-p)(53.33%)表现最优;其平方相关系数(R^2)(69.45%)为次优;GPES在上述3个指标在测试集与训练集中的差值δMSE(0.43×10^(-2))和δ20%-p(0.92%)的绝对值最小,δR2(-10.64%)的绝对值为次小。GPES总体表现最优。因此,本研究方法 GPES提高了华法林剂量预测模型的趋势相关性、精度、可用性与泛化性。