大数据在脑卒中领域的应用研究进展

脑卒中是导致全球范围内居民死亡和残疾的主要原因,其治疗和护理方面的经济负担巨大。大数据的运用可有效辅助脑卒中的诊断和治疗,降低疾病复发率和改善患者预后,为公共卫生政策的调整提供证据。本文介绍了大数据在脑卒中领域的应用优势及方法、国家大型数据库在脑卒中领域的应用,以期为临床医务人员运用大数据开展高质量的脑卒中临床和护理研究提供参考。     

基于不平衡数据的非肾病水平蛋白尿的膜性肾病预后模型建立

目的探索基于不平衡数据构建预测非肾病水平蛋白尿的膜性肾病预后的机器学习模型。方法回顾性分析山西省人民医院2018年1月至2021年12月肾活检诊断为非肾病水平蛋白尿的膜性肾病患者的临床和病理资料。基于logistic回归、支持向量机(SVM)和轻量梯度提升(lightGBM)3种机器学习算法构建预测模型。采用混合采样技术处理不平衡数据, 使用受试者工作特征曲线下面积(AUC)评估模型预测性能, 运用Shapley加法解释(SHAP)对最佳性能模型的结果进行解释。结果共纳入148例患者, 男84例, 女64例, 年龄(47.2±12.5)岁, 随访时间[M(Q1, Q3)]14(7, 20)个月。23例(15.5%)患者发生肾脏终点事件。SVM模型的AUC值最高(0.868, 95%CI:0.813～0.925), 其次为logistic回归(AUC:0.865, 95%CI:0.755～0.899)和lightGBM(AUC:0.791, 95%CI:0.690～0.882)。基于随机森林的特征递归消除交叉验证(RFECV)方法和SVM模型的SHAP图显示, 免疫组化IgG、血清总蛋白...     

生物信息学和机器学习策略识别骨关节炎炎性衰老生物标志物与临床验证

目的 本研究旨在识别骨关节炎（osteoarthritis, OA）中炎性衰老生物标志物。方法 GEO(Gene Expression Omnibus)数据库获得年轻OA和老年OA微阵列基因谱,人类衰老基因组资源数据库（Human Aging Genome Resource,HAGR）获得衰老相关基因（aging-related genes, ARGs）。筛选获得年轻OA与老年OA的差异基因,再与ARGs取交集得到OA衰老相关基因。富集分析揭示OA衰老相关标志物的潜在机制。3种机器学习方法识别OA核心衰老标志物,受试者工作特征（receiver operating characteristic curve, ROC）曲线评估其诊断OA炎性衰老的能力。收集临床OA患者外周血单核细胞验证衰老相关分泌表型（senescence-associated secretory phenotype, SASP）因子和衰老标志物的表达。结果 总共获得45个衰老相关标志物,主要参与对细胞衰老、细胞周期、炎症反应等的调控。3种机器方法筛选得出5个核心衰老标志物（FOXO3、MCL1、SIRT3、STAG1和...     

基于Citespace对人工智能在骨创伤研究的可视化分析

背景：人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的：总结人工智能技术在骨创伤领域的应用发展历程、研究现状、热点和未来发展趋势,以期为今后的研究提供新的见解。方法：选择Web of Science核心集数据库中,时间跨度设为自建库至2023年8月,检索人工智能、机器学习、深度学习应用于骨创伤相关的文献420篇。通过人工筛选,导出与文章相关的文献共202篇,采用Citespace软件进行国家、机构、被引期刊和引文分析等的合作和关键词的共现等可视化分析。结果与结论：(1)分析筛选后纳入的202篇文献,总体发文量呈上升趋势,且在未来研究潜力巨大。研究中心性最高和发文量排名第一的国家均为美国。加州大学(美国)是发文量最多的研究机构。(2)人工智能在骨创伤研究中最常用的前5个关键词是深度学习、人工智能、骨密度、机器学习、诊断,中心性最高的关键词为骨密度,关键词数量最多的为深度学习。(3)共被引频次前10位的参考文献分别从多个方面介绍了人工智能技术应用于骨创伤领域诊断的可行性研究,...     

人工智能在冠状动脉CT血管成像中的应用与进展

<正>冠状动脉疾病(coronary artery disease,CAD)长期以来一直是威胁中国居民生命健康的重要因素。冠状动脉CT血管成像(computed tomography angiography,CTA)是诊断CAD的一种重要影像学检查方法。当前,人工智能(artificial intelligence,AI)在冠状动脉CTA领域得到了广泛的运用,可通过降低图像噪声及减少运动伪影提高图像质量、辅助心脏CT解剖结构自动分割、测定冠状动脉钙化评分(coronary artery calcium score,CACS)、     

基于机器学习的急性期精神分裂症心理理论能力对社会功能的预测作用

目的 探讨基于机器学习算法的急性期精神分裂症患者心理理论能力对社会功能的预测作用。方法 选取2013至2017年来自首都医科大学附属北京安定医院门诊的急性期精神分裂症患者90例,采用阳性和阴性症状量表(Positive and Negative Syndrome Scale, PANSS)评估急性期精神分裂症患者的精神症状;选取威斯康星卡片分类测验(Wisconsin Card Sorting Test, WCST)中的完成分类数、持续性操作测验(Continuous Performance Test, CPT)平均反应时间、成人韦氏智力量表(Wechsler Adult Intelligence Scale, WAIS)中的数字广度项目评估神经认知;选取心理理论能力中的一级错误信念、二级错误信念、失言识别任务和眼区阅读测试评估社会认知;选用个人与社会功能量表(Personal and Social Functioning Scale, PSP)评估急性期精神分裂症患者的社会功能。应用机器学习算法评估急性期精神分裂症心理理论能力对社会功能的预测作用。结果 相关分析结果显示急性期精神分裂...     

基于机器学习的慢性高原缺氧人群脑电信息识别研究

<正>机体脑组织对氧气的供应非常敏感,高原空气稀薄,氧分压低,长期生活在高原环境下,人们时常受到慢性高原缺氧的影响。Yan等人的神经影像学研究表明^[1,2],长期高海拔暴露可导致与冲突控制相关的大脑区域：顶叶、前额叶皮层(prefrontal cortex,PFC)和前扣带回皮层(anterior cingulate cortex,ACC)产生变化。     

整合影像组学和基因组学构建肾透明细胞癌肿瘤分级预测模型

目的 基于影像基因组学特征构建预测肾透明细胞癌(CCRCC)的肿瘤分级的机器学习模型,并挖掘CCRCC分级相关基因及其功能,为个体化精准医疗提供线索和潜在靶点。方法 以CCRCC为研究对象,共涉及197例样本,通过整合其影像组学及基因组学大数据,提取关键特征,构建机器学习模型预测CCRCC肿瘤分级。针对与CCRCC分级相关的关键特征基因进行功能富集分析,解析影响CCRCC进展的生物学功能。结果 通过影像组学特征与基因组学信息构建的机器学习模型均能有效地预测CCRCC分级。基于影像组学建立的模型其曲线下面积(AUC)为0.715 (95%CI:55.1%～87.8%);基于差异表达的特征基因构建的预测模型AUC为0.856 (95%CI:73.2%～98%);基于显著突变的特征基因构建的预测模型AUC为0.652 (95%CI:47.8%～82.5%)。相较于单一组学的模型,整合多组学构建的模型能更好地预测肿瘤分级(AUC=0.929,95%CI:84.1%～100%)。基因功能富集分析揭示WNT4可能通过调控信号通路、细胞分化通路参与CCRCC的发生发展。结论 基于影像基因组学的联合特...     

湿热内蕴证、肝郁脾虚证非酒精性脂肪性肝病患者眼底图像特征分析

目的 运用机器学习方法分析非酒精性脂肪性肝病（NAFLD）常见中医证型（湿热内蕴证、肝郁脾虚证）患者的眼底血管图像变化特征,以期为中医目诊及肝病证候分类提供客观依据。方法 借助眼底照相机采集NAFLD患者、健康人群的眼底血管图像,同时收集性别、年龄等一般资料,以及临床症状信息,通过改进的U-Net模型分割眼底血管,采用计算机视觉技术提取血管颜色、形态及Haralick纹理特征,并以健康人群为对照运用决策树模型建立疾病预测模型。运用SPSS 26.0及R语言分析湿热内蕴、肝郁脾虚型NAFLD患者的眼底图像特征,以及眼底图像特征与一般资料、临床症状等影响因素间的相关性。结果 (1)共纳入NAFLD患者126例,其中湿热内蕴证61例、肝郁脾虚证44例、无典型证21例,分别设为湿热内蕴组、肝郁脾虚组、无典型证组;纳入健康人110例,设为健康组。(2)基于决策树模型建立NAFLD疾病诊断模型,准确率为0.972,灵敏度为0.970,特异性为0.975,AUC为0.995,可有效用于对NAFLD患者眼底血管特征的分析。(3)在血管形态和颜色特征方面,与无典型证组比较,湿热内蕴及肝郁脾虚组血管总面积...     

基于心力衰竭HMOX2诊断标志物的机器学习模型

目的 基于生物信息学数据和机器学习技术探索心力衰竭（heart failure,HF）中免疫细胞浸润新型诊断生物标志物,并阐释其潜在作用机制,为HF诊治提供新思路。方法 在基因表达综合（gene expression omnibus,GEO）数据库检索获取3个HF免疫细胞浸润组织基因表达数据集,其中GSE5406和GSE84796作为训练数据集,GSE21610作为验证数据集,使用R语言鉴定差异表达基因（differentially expressed genes,DEGs）,并进行基因本体论（gene ontology,GO）富集、京都基因和基因组数据库（Kyoto Encyclopedia of Genes and Genomes,KEGG）通路富集分析、疾病本体论（disease ontology,DO）富集、基因集富集分析（gene set enrichment analysis,GSEA）、免疫细胞浸润分析。进一步利用最小绝对收缩和选择算子（the least absolute shrinkage and selection operator,LASSO）回归、支持向量机递归特征消除（support vector machine recursive feature elimination,SVM-RFE）和随机森林（random forest,RF）三种高效机器学习算法筛选核心基因,同时进行外部验证和受试者操作特征曲线（receiver operating characteristic curve,ROC曲线）分析。结果 使用三种机器学习算法最终确定HMOX2为诊断HF的关键生物标志物,且具有良好的诊断与预测效能,训练组和验证组诊断的ROC曲线下面积分别为94.3%和83.3%。HF组和正常组的样本免疫测定结果显示幼稚B细胞、CD8T淋巴细胞、中性粒细胞与HF相关。结论 HMOX2可能是HF发生、发展的潜在分子靶点,并与HF组织的免疫浸润密切相关。