医学人工智能新基建的应用发展研究

本研究调研了人工智能在医学领域的应用发展现状,分析了目前医学人工智能的发展情况及面临的挑战,提出医学人工智能新基建的概念及其应用发展目标与对策,涵盖医学大数据汇聚与治理、云计算与大语言模型、医疗健康协同服务、医学人工智能教学科研等方面。期望促进健康医疗大数据资源的汇聚、融合、交互和共享,推动数据治理、临床辅助诊断、医院智慧管理、专科专病数据库建设和智能药物研发等医学人工智能技术的应用与创新,为健康医疗基础设施建设提供战略支撑。     

基于PSO-XGBoost机器学习模型的中老年人PCNL术后结石残留预测研究

目的：基于粒子群优化算法（PSO）的XGBoost模型（PSO-XGBoost）预测中老年患者经皮肾镜碎石术（PCNL）后的泌尿系统结石残留情况。方法：选取2014年1月至2018年12月在某三级甲等医院接受PCNL治疗的596例中老年肾结石患者为研究对象。将数据集按7:3的比例随机分为训练集和测试集,建立PSO-XGBoost模型,以准确度、精准度、召回率、F1值和ROC曲线下面积（AUC）等指标评估模型性能。结果：PSO-XGBoost模型预测PCNL术后泌尿系统结石残留的准确度、精准度、召回率、F1值和AUC均优于支持向量机、近邻算法、决策树和BP神经网络模型。结论：PSO-XGBoost模型可更快、更准确地预测中老年患者PCNL术后是否有泌尿系统结石残留,为制定术后个性化治疗、护理方案提供参考。