机器学习应用于院外心脏骤停神经系统预后预测模型的系统评价

目的 系统评价机器学习（machine learning,ML）用于预测院外心脏骤停（out-of-hospital cardiac arrest,OHCA）神经系统结局,并研制预测模型。方法 计算机检索PubMed、Web of Science、EMbase、中国知网、万方数据库。搜集关于ML用于预测OHCA神经系统结局的研究,检索时限为2011年1月1日—2021年11月24日。由两名研究者独立筛查文献、提取资料并评价纳入文献的偏倚,评价不同模型的准确性,比较受试者工作特征曲线下面积（area under the receiver operating characteristic curve,AUC）。结果 共纳入20篇研究,其中11篇研究来自开源数据库,9篇来自回顾性研究,16篇直接预测OHCA后神经系统结局,4篇预测OHCA后进行目标体温管理治疗后神经系统预后情况。共采用了7种ML算法,其中使用频率最高的是神经网络（n=5）,其次为支持向量机和随机森林（n=4）,有3篇文章运用了多种算法。使用频次最高的输入特征为年龄（n=19）,其次为初始心率（n=17）和性别（n=13）。共...     

人工智能在近视防控与治疗中的应用进展

近视是危害儿童青少年视力最常见的眼部疾病,高度近视对视功能造成极大的威胁.近年来,我国近视发病率逐年升高,对近视筛查与防控的需求也不断增加,随着人工智能理论与技术的不断发展与成熟,可以辅助眼科医生进行近视筛查、诊断与治疗.本文将简要介绍人工智能在近视的筛查、预测、检测、病理性近视以及角膜屈光手术中的应用,浅谈了目前人工...     

基于机器学习的老年创伤性颅脑损伤预后研究

目的建立老年创伤性颅脑损伤预后模型,并分析预后的影响因素。方法收集2009年1月—2019年1月颅脑外伤患者2272例资料,其中老年组患者680例（年龄≥65岁）,非老年组1592例（年龄＜65岁）。将伤后第3个月格拉斯哥结局评分、住院天数、并发症次数作为终点指标,利用多种机器学习的算法进行两组间预后因素差异的分析。结果老年组患者与非老年组患者相比,预后更差,住院时间更长,两组间差异有统计学意义（P=0.024,P＜0.001）。老年组经过筛选,老年组患者的3个终点指标使用多层感知器模型,非老年组中格拉斯哥结局评分使用多层感知器模型,住院天数、并发症次数的预测采用C5.0决策树模型。急诊GCS、具体年龄对老年组患者的预后有更大的影响。结论老年颅脑外伤患者与年轻人所适用的机器学习模型不尽相同,老年人预后更差,年龄和急诊GCS对预后的影响可能更大。     

基于多序列MRI的影像组学模型在腮腺肿瘤良恶性诊断中的应用

目的 探究腮腺肿瘤良恶性的诊断中应用基于多序列MRI的影像组学模型的临床价值。方法 选取2021年1月1日—2022年5月30日于台州市中心医院就诊经病理检查证实的腮腺肿瘤患者共97例,其中良性肿瘤64例,恶性肿瘤33例,提取患者的临床资料及MRI图像。通过ITK-SNAP软件分割感兴趣区域(ROI),使用3D-slicer软件的PyRadiomics插件在T₁加权对比增强成像序列(T₁Wce)、T₂加权序列(T₂WI)及基于弥散加权成像(DWI)序列构建的表观弥散系数(ADC)图像中提取120个影像特征,使用Lasso回归进行特征降维,最后使用筛选的影像特征构建支持向量机(SVM)模型。然后绘制ROC曲线,评估模型的诊断效能。结果 2组患者年龄、性别差异无统计学意义。基于患者T₁Wce、T₂WI和ADC序列以及3个序列联合构建4个影像组学模型用于腮腺肿瘤良恶性诊断,AUC分别为T₁Wce模型0.752,T₂WI...     

基于机器学习的成纤维细胞生长因子受体激酶抑制剂虚拟筛选模型

目的：构建基于机器学习的高效成纤维细胞生长因子受体（FGFR）激酶抑制剂虚拟筛选模型。方法：收集公共数据集BindingDB中的FGFR激酶抑制剂;用RDkit计算分子描述符表征化合物分子用以数据输入;采用随机森林和支持向量机两种机器学习算法建立虚拟筛选模型,用准确率、精准率、召回率、受试者工作特征曲线下面积（AUC）四个指标对模型进行评价;使用随机森林模型对1 300万个化合物进行初步筛选;随后依次用Autodock Vina和Glide方法进一步筛选FGFR1激酶抑制剂;用分子动力学模拟对虚拟筛选得到的化合物进行分析。结果：构建的随机森林模型和支持向量机模型的准确率、精准率、召回率和AUC等评价指标有良好表现,随机森林模型的准确率和AUC分别可达0.878和0.952,随机森林模型可以用来作为FGFR激酶抑制剂的虚拟筛选模型。将随机森林模型用于大通量虚拟筛选获取高活性先导化合物,筛选所得3个最优化合物与FGFR1激酶的分子对接和分子动力学分析显示,在氢键、结合自由能、疏水作用与阳性药物AZD4547有较高相似性,FGFR1的LEU21、VAL29、ALA49三个残基是小分子药物保持...     

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。     

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...     

不同机器学习模型鉴别结肠型克罗恩病与溃疡性结肠炎的价值

目的 比较不同的机器学习模型在鉴别结肠型克罗恩病(CCD)与溃疡性结肠炎(UC)中的价值。方法 收集2019年6月至2021年12月在安徽医科大学第一附属医院消化科就诊的有完整CT小肠成像(CTE)且经病理证实炎症性肠病(IBD)患者44例(CCD 25例,UC 19例)。利用ITK-Snap软件在静脉期病灶最明显肠段进行勾画,共计勾画106个病变肠段(CCD 58个、UC 48个)。利用AK软件提取勾画区影像组学特征,以7∶3比例随机分为训练集和测试集;对训练集用Correlation＿xx和MultiVariate＿Logistic算法进行数据降维,筛选组间差异明显的影像组学特征构建6种机器学习模型,用测试集的特征对其进行验证。结果 175种组学特征中有4种组间差异有统计学意义(P<0.05)。6种模型中有4种模型曲线下面积均>0.90。训练集中邻近算法(KNN)模型鉴别CCD与UC的受试者工作特征曲线下面积(AUC)为0.958 (95%CI:0.917～0.992),准确率、特异度、灵敏度分别为87.7%、100%和72.7%;在测试集的AUC为0.904(95%C...     

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。