基于中医核心思维的机器学习医用诊疗系统设计

当前,中医凭借其独特的理论和无可比拟的临床疗效已经得到世界范围内的广泛认可。远观未来10年,中医药将与我们的日常生活连接的更为紧密。"基于中医核心思维的机器学习医用诊疗系统"以目前医疗单位的一般工作流程为基础,以中医"辨证施治"的核心思想为指导,从虚拟病人入院检查开始囊括了完整的诊疗过程,将同一病人的不同病症独立考察与中医诊病"因、位、性、势"诊断方式相结合,采用人在回路的动态诊疗方式,以中医自学习专家系统为核心,采用反馈神经网络算法完成了专家系统的机器学习功能,以期实现中医专家知识最大限度临床应用与自我更新,推动中医事业的发展。     

现代老年人健康检查评估与老年内科医疗

目的本文旨在阐明中国现代老年人的健康检查与评估及老年内科学。方法在现实条件下为实际老年人建立一种计算机化的老年内科医学的评估方法。结果一种可靠系统的可拓学估用了可拓学的关联函数及距离概念。详尽的健身检查与评估可成功地利用可编程程序及市、区里的卫生管理来诊断其老年医学问题，并且机器学习系统也已利用7种算法有效地为现代中国病人的先进生物医学工程应用。结论用关联函数在正域与负域的集合于可拓学中评估，可对各种健康情况的中国老年人进行综合诊断。     

基于CT影像组学和机器学习脑出血研究进展

脑出血指非外伤性脑实质内出血,发病急,进展迅速,致死率和致残率高。对于疑诊急性脑出血患者,CT为首选影像学检查手段。影像组学高通量从CT图像中提取特征信息,结合机器学习算法,能快速、准确地诊断疾病、评估病情和预测预后。本文就基于CT影像组学和机器学习脑出血研究进展进行综述。     

机器学习算法在不同形态浙贝母与湖北贝母的干法REIMS指纹图谱鉴别分析中的应用研究

目的:使用快速蒸发离子化质谱(REIMS)指纹图谱与机器学习相关技术对不同形态的浙贝母和湖北贝母进行预测和判别。方法:通过干法灼烧使样品组分形成气溶胶,引入REIMS中,质谱扫描范围m/z 50～1 200,扫描模式为灵敏模式,扫描时间为0.2 s。正离子模式采集,数据记录为continuum模式,测得样品的REIMS指纹图谱数据。通过对数据进行聚类分析、相关性分析、相似度分析、主成分分析,得到数据分布的基本情况,最后建立逻辑回归模型,模型惩罚项参数选择岭回归(l2),优化算法选择拟牛顿法(lbfgs)。结果:测得样品的REIMS指纹图谱具有品种差异的特征性,逻辑回归模型交叉验证和测试集验证准确率均达到1.0,可以准确预测和判别样品的品种。结论:REIMS技术结合机器学习在中药领域的潜在应用前景十分广阔。     

435例原发性高血压患者脉图参数与心血管危险分层的相关性分析

目的 本研究旨在探讨原发性高血压患者脉图参数与心血管危险分层的相关性，为原发性高血压患者心血管风险事件预警提供中医特色的依据。方法 采集435例原发性高血压患者的症状体征、脉象信息、生化指标等，分为低中危组、高危组、很高危组，采用单因素方差分析、秩和检验、有序logistic回归分析等方法，探讨原发性高血压患者脉图参数与心血管危险分层的相关性。结果 ①高血压低中危组→高危组→很高危组患者病程逐渐延长，两两组间比较有统计学差异；②高血压低中危组→高危组→很高危组患者的脉图参数H3/H1、H4/H1逐渐上升；高血压患者很高危组H5/H1、T1/T低于低中危组；③有序logistic回归分析结果显示，脉图参数T1、T4、T5、T为影响因素。结论 病程、血脂、肾功能是高血压患者心血管危险分层的影响因素之一。心血管危险分层等级的升高与脉图参数H3/H1、H4/H1、T5、T的升高及H5/H1、T4、T1的降低相关，说明脉图能一定程度上反映原发性高血压患者血管壁增厚、血管内壁受损、血管硬化及左心室收缩功能的减退程度。     

基于预测剂量引导的宫颈癌自动计划研究

目的:使用机器学习方法建立宫颈癌计划剂量预测回归模型，并将预测剂量引导生成Monaco 计划系统（TPS）可调用 的优化模板文件，实现宫颈癌的自动计划设计。方法:对50例宫颈癌术后调强治疗计划中的危及器官采集基于重叠体积直 方图的几何特征值和基于剂量直方图的剂量目标值，建模后将模型预测剂量结果自动生成Monaco TPS模板文件，进而由TPS 调用优化。使用该方法对另外10例未参与模型训练的测试病例进行自动计划设计，并和人工设计的计划进行对比分析。 结果:自动计划比手动计划的平均设计时间减少了40 min（P<0.05），且平均调优次数降低了3次（P<0.05），剂量学指标和计 划执行效率上两者无明显差异（P>0.05）。结论:基于预测剂量引导的宫颈癌自动计划可以达到临床要求，并且提高了计划 设计效率。     

基于机器学习和动力学模型的湖北省新型冠状病毒肺炎疫情分析

基于武昌方舱医院的一线数据和其他官方数据,我们首先利用机器学习对疫情规模进行预测,之后利用回溯传播模型和抽样检测模型对疫情规模进行估计,最后从宏观角度上用SIR和SIER模型结合MATLAB软件编程对疫情进行分析,采用元胞自动机模型在微观角度上的分析,从两个角度证明了中国政府强有力的防控措施的必要性。     

基于生物信息学分析转移性嗜铬细胞瘤的机制

目的通过生物信息学分析鉴定转移性嗜铬细胞瘤的关键基因及分析相关的生物学通路, 为临床诊断及治疗提供参考。方法从GEO数据库中下载51例样本(转移性嗜铬细胞瘤11例, 对照组40例)的RNA表达谱数据, 利用加权基因共表达网络分析(WGCNA)分析识别与转移性嗜铬细胞瘤最为相关的模块。提取与转移性嗜铬细胞瘤密切相关的模块基因进行基因本体(GO)和京都基因与基因组百科全书(KEGG)富集分析。接着, 以基因显著性(GS)>0.4;成员之间相关性(MM)>0.6为阈值对模块基因进行初步筛选。为了防止过拟合, Lasso回归算法对初步鉴定的基因进一步筛选。最后采用受试者工作特征(ROC)曲线计算数据集的曲线下面积(AUC)值。结果通过对数据集进行WGCNA分析, 共获得24个基因模块, 其中浅蓝色基因模块与转移性嗜铬细胞瘤相关性最高(r=0.65), 共包含218个基因。GO分析结果提示模块基因主要富集于细胞连接、细胞黏附分子等生物学功能;KEGG分析提示模块基因主要集中在"Wnt信号通路"等信号通路。对浅蓝色模块初步筛选, 得到候选关键基因77个。通过Lasso回归算法进一步分析...     

基于机器学习的非心肺转流冠状动脉旁路移植术相关急性肾损伤的预测模型

目的 建立基于机器学习的非心肺转流冠状动脉旁路移植术相关的急性肾损伤（OPCABG-AKI）可解释性机器学习预测模型。
方法 回顾性收集2018—2021年行OPCABG的1 110例患者的临床资料。建立并比较8种机器学习模型,采用Python的SHAP模型解释包对预测性能最佳的黑箱模型进行解释性分析。将特征参数SHAP绝对值的平均值定义为该参数的重要性并进行排序;以SHAP值为依据确定各特征参数与OPCABG-AKI的关系;对主要风险因素进行单个特征量化分析;对模型中具有代表性的真阳性及真阴性样本进行独立的解释性分析。
结果 共有405例(36.5%)患者发生AKI。在8种机器学习模型中,随机森林（RF）预测模型性能最优,针对阳性样本的受试者工作特征曲线(ROC)下面积(AUC)为0.90(95%CI 0.86~0.94)。SHAP模型解释性分析结果显示术中尿量对RF模型的贡献最大,其次为诱导期循环变异系数、术中右美托咪定用量、术中舒芬太尼用量、术中低血压时间、术前血清肌酐基线、APACHE Ⅱ分数和年龄等。
结论 以随机森林集成学习算法构建模型可较好地预测OPCABG-AKI,模型中术中尿量等指标与OPCABG-AKI关系密切。     

人工智能在骨质疏松症中应用的研究进展

骨质疏松症(osteoporosis, OP)是一种与增龄相关的骨骼疾患,其起病隐匿,呈渐进性发展,患者初期无明显的临床表现,但随着病情的进展,骨量不断流失及骨组织微结构破坏,进而出现骨痛、脊柱变形,甚至出现骨质疏松性骨折(osteoporotic fracture, OPF)等严重并发症。双能X线吸收法是目前临床诊断OP的金标准,但由于其诊断的准确度受到体重、腰椎退行性改变及主动脉壁钙化等因素的影响,存在假阴性诊断的可能。近年来,人工智能(artificial intelligence, AI)在医学领域快速发展,目前AI已广泛应用于OP的研究中,其在OP筛查、诊断及预测领域的研究已成为一个新的热点。该文从AI应用于OP的早期筛查、医学影像学表现、临床诊疗资料及OPF风险预测等4个方面,阐述AI在OP诊疗过程中的应用现状及优势,为OP的精准诊疗提供新方向。