E26转录因子-1和信号转导与转录激活因子6在食管病变组织中的表达及临床意义

目的探讨E26转录因子-1(Ets-1)和信号转导与转录激活因子6(STAT6)在食管病变组织中的表达,并分析其相关性与临床意义。方法应用免疫组织化学链霉菌抗生物素蛋白-过氧化物酶连结法和反转录聚合酶链反应法检测36例食管鳞癌、36例癌旁非典型增生及18例正常食管黏膜组织中Ets-1、STAT6的表达。结果 Ets-1、STAT6蛋白在正常食管黏膜、癌旁非典型增生及食管鳞癌组织中阳性表达率均依次升高,组间比较差异均具有统计学意义(P<0.05),且二者呈正相关关系(r=0.447,P<0.05)。Ets-1、STAT6 mRNA在正常食管黏膜、癌旁非典型增生及食管鳞癌组织中相对含量依次升高,组间比较差异均具有统计学意义(P<0.05)。Ets-1及STAT6异常表达与食管癌的分级、浸润深度及淋巴结转移均密切相关(P<0.05)。结论 Ets-1和STAT6异常表达与食管上皮癌变有关,二者可能具有协同作用,并可作为判断患者预后的分子指标。     

基于药物重定位策略和网络药理学方法筛选肝细胞癌预防药物

目的 基于药物重定位策略,筛选可用于预防肝细胞癌（HCC）的药物。方法 收集包含肝硬化、低度不典型结节、高度不典型结节和早期HCC等肝脏疾病不同进展阶段的表达谱数据,确定相邻疾病进展阶段的转录组变化,同时收集作用于人肝癌细胞系HepG2的3 927种药物和小分子的基因表达谱,利用基因集富集分析（GSEA）算法分别计算不同药物作用与疾病进展阶段转录组变化相似性,筛选其中负相关药物作为HCC预防的候选药物,并通过构建药物激活子网和通路富集分析等方法研究候选药物的作用机制。结果 分别筛选出对疾病不同进展阶段具有阻碍作用的药物importazole、吡考他胺和紫杉醇,这3种药物对肝硬化到早期HCC的多个疾病阶段均有一定阻断作用,3种药物与疾病进展的基因表达模式呈负相关,通路富集分析结果提示这3种药物通过肿瘤相关通路、p53信号通路、黏附斑、视黄醇代谢等发挥作用。结论 通过药物重定位策略筛选出了HCC预防药物,且结果提示抗血小板治疗可能会预防HCC发生,为后续研究提供了有用线索。     

人工智能在药物靶点的筛选及验证方面的应用进展

近年来人工智能发展迅速，随着算力的提升、算法的迭代，人工智能极大方便了生物信息、化学信息和临床数据的收集及处理，为新药研发注入了新的活力。本综述对人工智能在制药领域的发展历程及其主要算法进行了简要介绍，随后结合具体实例对人工智能在药物靶点筛选及验证方面的不同阶段进行了详细描述，包括药物靶点发现、蛋白结构预测以及苗头化合物生成与优化等。最后对人工智能平台“端到端”的一次高效应用过程进行了具体讨论。     

基于人工智能及标准化肿瘤放射治疗案例库的教学体系建设

肿瘤放射治疗教学现状显著落后于放疗技术的发展。基于人工智能靶区自动勾画系统及标准化肿瘤放疗案例库教学体系的建设及其应用,可操作性和实践性强,实现临床靶区勾画教学的规范化、标准化和同质化,提高了学生靶区勾画的精度和速度,促进了学生学习的兴趣、主动性和效率,为肿瘤放疗教育的发展注入新活力,值得深入探索及推广。     

基于人工智能的儿童甲流和乙流辅助诊断模型研究

 目的 通过机器学习算法进行甲流和乙流阳性感染患儿的智能辅助诊断模型研究,协助开展传染病门诊预诊。方法 以2013年1月—2020年6月在复旦大学附属儿科医院门诊就诊的呼吸道感染性疾病患儿为研究对象,纳入基本信息、鼻咽拭子及血常规检验数据,采用Python进行数据处理和统计分析,基于Logistics回归和GBDT模型构建辅助诊断模型并计算特征值,以ROC曲线、AUC值和模型概率预测箱型图等指标作为模型性能判断标准。结果 经鼻咽拭子确诊为单甲流阳性38 094例,单乙流阳性24 792例,甲乙流合并215例,共计63 101例。共纳入25个指标作为模型特征值。基于Logistics模型和GBDT模型构建的甲流辅助诊断模型AUC值分别为0.877和0.884,前5位重要特征为年龄、单核细胞百分比、白细胞、淋巴细胞绝对值和C反应蛋白;乙流模型AUC值分别为0.895和0.902,前5位特征为年龄、单核细胞百分比、嗜酸性细胞计数、白细胞和血小板。GBDT效果均好于Logistics模型,且在鉴别单乙流阳性病例时性能最佳（AUC=0.902）。结论 本研究建立起基于血常规检验数据的儿童甲乙型流感AI辅助诊断模型,可在诊前较为准确地从呼吸道感染性疾病人群中识别甲流和乙流感染阳性患儿,迁移性好,能够在实际应用中发挥诊前辅助诊断作用。     

基于人工智能模型筛选与生成先导化合物的研究进展

良好的先导化合物对于药物研发具有深远影响，可以提高药物上市的成功率。利用传统方法发现先导化合物存在成本高且耗时的问题，而人工智能（artificial intelligence，AI）可以高效发现良好的先导化合物。本文系统地总结了通过人工智能的筛选模型与生成模型获得先导化合物的研究进展，按照输入信息的类型归纳整理不同的模型，重点介绍了利用筛选模型实现药物重定位和利用生成模型实现多目标药物设计，探讨了人工智能在先导化合物研究领域的发展前景，为人工智能在先导化合物方面的应用提供新的研究思路。     

人工智能领域基底细胞癌的诊治研究进展

基底细胞癌（BCC）是最常见的皮肤肿瘤之一,临床医师可以根据发病部位、皮损外观特点做出初步诊断,还可以通过皮肤镜等无创检查手段进行图像分析与拟诊,最终依据组织病理结合临床信息确诊。近年随着人工智能（AI）技术的发展,利用机器视觉对图像进行自动识别与分析成为可能。计算机辅助诊断系统通过深度学习大量临床、皮肤镜、组织病理图片资源建立人工神经网络,辅助专业医师对疑难病症做出分析判断,有助于提高皮肤肿瘤的早期诊断水平、增强基层医师诊治能力、减轻病理专科医师工作负担。本文现就国内外AI领域对BCC的诊治研究进展作一综述。     

基于人工智能系统的CT定量分析诊断肺结节浸润性的价值

目的 探讨人工智能（AI）量化参数评估肺结节浸润程度的临床价值。方法 回顾性分析 2021 年 11 月至 2023 年 9月在亳州市人民医院住院治疗的 114 例经手术病理证实的肺腺癌患者临床资料,并根据病理结果分为非浸润组（n=72）、浸润组（n=42）。比较两组一般资料和 AI 量化参数之间的差异,采用 logistic 回归分析影响肺腺癌浸润程度的因素,以受试者工作特征（ROC）曲线评估量化参数对肺腺癌浸润程度的预测价值。结果 两组一般资料（年龄、性别）和 12 个量化参数（熵、CT 平均值、CT 最小值、3D长径、体积、质量、长短径平均值、最大面面积、偏度、CT 最大值、CT 值方差和表面积）比较,差异均有统计学意义（P<0.05）。logistic 回归结果显示,CT 平均值、熵是影响肺腺癌发生浸润性的独立危险因素,CT 最小值是影响肺腺癌发生浸润性的独立保护因素（P<0.05）。ROC 结果显示,CT 平均值、熵和 CT 最小值预测肺腺癌发生浸润性的曲线下面积（AUC）分别为 0.630、0.888、0.890,3 者联合预测的AUC 为 0.955,优于各自单独检测（P<0.05）。结论 CT 量化参数 CT 平均值、熵及 CT 最小值水平可为临床诊断肺腺癌浸润性提供帮助,3 项指标联合检测可进一步提高诊断价值。     

人工智能及其在泌尿系结石诊治中的应用进展

随着医疗保健系统的不断数字化及医疗数据的不断增加,临床医生在准确诊断、制定个性化治疗计划和判断预后等方面面临着重大的挑战。泌尿系结石存在形成因素不明、成分复杂、发生部位解剖差异大等问题,阻碍了结石患者的个性化诊治。人工智能可以灵活分析、学习不同的数据类型,为实现泌尿系结石的精确诊治提供一个新思路。现综述人工智能在泌尿系结石中的研究内容,旨在提高对人工智能在泌尿系结石诊治中应用的认识。     

基于人工智能CT密度定量对肺结节的良恶性诊断价值

目的 探讨基于人工智能学习CT密度定量对肺内孤立性亚实性及实性结节的良恶性诊断价值.方法 回顾性分析延安大学附属医院2017年6月至2021年6月经手术后病理学检查证实的73例肺内孤立性亚实性及实性肺结节患者,利用人工智能肺结节辅助诊断分析软件对肺结节患者胸部CT进行定量分析.采用独立样本t检验或非参数检验比较两组患者...