简介：摘要胰岛素样生长因子2 mRNA结合蛋白1(IGF2BP1)是机体发育过程中mRNA代谢和转运的关键调控因子。近年来研究发现，IGF2BP1在肝癌、肺癌、结肠癌、卵巢癌、乳腺癌等多种肿瘤中异常表达。IGF2BP1不仅与肿瘤细胞的增殖、迁移和侵袭有关，而且还与患者不良预后密切相关。进一步研究IGF2BP1在恶性肿瘤中的作用机制有望为肿瘤靶向治疗提供新的方法。

简介：摘要目的比较iRoot BP Plus、三氧化矿物聚合体(MTA)材料在龋源性去腐露髓的成熟恒牙行直接盖髓术治疗中的应用效果。方法抽取山西医科大学口腔医院2018年1月至2019年1月收治的因龋源性去腐露髓患者65例共成熟恒牙65颗，根据盖髓材料将其分为两组，对照组30例，采用MTA材料直接盖髓治疗；观察组35例，采用iRoot BP Plus材料直接盖髓治疗。比较两组治疗时间、治疗后牙髓视觉模拟评分法(VAS)评分、牙髓活力情况、盖髓成功率、钙化桥形成率和不良反应发生情况。结果观察组治疗时间[(34.02±5.06)min]少于对照组[(67.51±7.43)min]，差异有统计学意义(P<0.05)。治疗后1、3、6、12个月，两组VAS评分、牙髓活力评分比较差异未见统计学意义(P>0.05)。两组患者盖髓成功率、钙化桥形成率、不良反应发生率比较差异未见统计学意义(P>0.05)。结论龋源性去腐露髓患者行直接盖髓术治疗中应用MTA材料、iRoot BP Plus材料，均可达到较好的治疗效果，但iRoot BP Plus材料在术中操作更方便，治疗时间更短。

简介：摘要目前肺癌已经成为全世界恶性肿瘤导致死亡的主要原因。由于肺癌患者在早期并无典型症状，多数患者在确诊时已经处于癌症晚期，预后效果不佳。尽早、准确地发现有潜在风险的患者并进行诊断，并对其预后进行准确的预测，对进一步的治疗方案的拟定有重要的意义。近年来，人工智能领域发展火热。机器学习作为人工智能领域的一个分支，具有从复杂、大量数据中进行高效学习的能力，同时学习得到的模型有良好的泛化能力。这些特点可以极大地推进肺癌的有关研究。

简介：摘要传统的生存分析方法虽在生物医学领域已有广泛应用，但需满足一些前提假设。随机生存森林方法可克服这一弱点。本文以美国梅奥诊所的肝脏原发性胆汁肝硬化的数据为例，从随机生存森林的原理、建模步骤、实例演示和适用性讨论等方面进行阐述，以期为读者进行生存分析提供新的思路和方法。

简介：摘要:响应国家优生优育政策及女性对产后健康意识的提高，医院及女性对产后康复的重视程度越来越高，传统的产后康复项目主要是通过固定的治疗方案来做盆底康复治疗，治疗的处方主要是单一频率，单一波群的电刺激脉冲波对盆底肌进行电刺激治疗，但不同症状的患者使用单一的治疗方案效果并不理想。通过医疗器械技术及临床研究的发展，最近几年推出了集合评估-治疗的生物刺激反馈仪，目前主要是通过采集肌电及压力通道来评估盆底肌各个肌肉群的情况。该论文主要是研究如何通过人体腔内(阴道或肛门)专用生物反馈肌肉刺激探测器捕捉和测量盆底肌肉群在收缩和放松过程中的峰值肌电(EMG),通过肌电图的变化展现在显示器上,让患者感知、理解这些信号，并根据这些信号学会在一定范围内通过意识调控骨盆底肌肉的活动的仪器。

简介：无

简介：摘要血液标志物检测是最为方便、经济适用的疾病筛查和动态监测手段。本文聚焦终末期肝病-肝硬化和肝癌标志物，从临床常用基础检验到新型标志物的发现和转化应用，阐述了肝病标志物的分类、新型标志物研究、转化和诊断模型应用以及肝病标志物及其算法研究中应关注的问题。注重基于模型算法的多个标志物有效联合是实现以原发性肝癌为代表的终末期肝病临床精准诊疗、高危预警并全程精准管理的重要手段。

简介：摘 要 科研水平的高下是区分医院质量和竞争力高低的重要因素，传统的科研开展的方式和效率显得越来越不能适应大数据和人工智能时代的到来，因此医疗机构，尤其是高水平医院非常需要构建一套依托医院自身医疗数据高效率高质量的建设数据智能算法训练平台支撑高水平的科研开展。本文介绍了作者参与多家医疗机构的科研大数据平台和专科病种数据库建设的体会，并针对当下各地医院在建设提升自身的医疗数据智能化水平中面临的问题和开展过的工作，提出了自身的见解，并结合自身的工作经验，提出了高水平医院医疗数据智能算法训练平台的详细建设路径思路，并提供了建设重点的切入点，适用于医院加以建设，并支撑广泛的实际应用场景。

简介：摘要患者女，66岁，因头皮、颈部水疱1个月就诊。既往有2型糖尿病病史6年，于起疹前6个月开始口服二肽基肽酶4抑制剂利格列汀5 mg每日1次。皮肤科检查：头皮散在绿豆至花生米大小水疱，部分水疱破溃，可见渗出、结痂；左侧颈部一鸽蛋大小大疱及2个绿豆大小水疱，疱壁紧张，疱液清亮，基底无明显红斑，尼氏征阴性。酶联免疫吸附试验示抗BP180 NC16A抗体5.81 kU/L、抗BP230抗体139.76 kU/L。颈部皮损组织病理检查示表皮下水疱形成，疱内中性粒细胞及少许嗜酸性粒细胞浸润。诊断：BP230型局限型大疱性类天疱疮。该例二肽基肽酶4抑制剂相关的BP230型大疱性类天疱疮为国内首次报道。

简介：摘要目的设计一种联合深度学习剂量预测和参数迭代优化算法的容积调强放射治疗(VMAT)全自动计划方法。方法选取2018年6月至2021年1月北京大学肿瘤医院既往165例直肠癌患者的VMAT计划开展研究，其中145例用于训练和验证深度学习模型，该模型用于预测危及器官的剂量，20例用于研究比对自动计划和人工计划的质量。该方法从危及器官的预测剂量分布中提取关键的剂量体积直方图(DVH)值作为初始优化参数(IOPs)，利用治疗计划系统可编程接口自动创建VMAT计划，通过设计迭代优化算法自动调节优化参数(OPs)。结果剂量预测模型训练后能有效预测出20例测试计划危及器官的关键DVH值，与参考值相比差异均无统计学意义(P> 0.05)。20例VMAT自动计划均能满足临床处方剂量要求，对于PTV和PGTV的适形性指数(CI)，人工计划与自动计划比较差异均无统计学意义(P> 0.05)；而PGTV的D1和均匀性指数(HI)，自动计划均高于人工计划，分别为0.6 Gy和0.01，两者比较差异均有统计学意义(t＝-7.05、-6.92，P<0.05)。自动计划比人工计划的膀胱平均V30下降2.7%(t＝3.37，P< 0.05)，股骨头和危及器官辅助结构(Avoidance)的平均V20分别下降8.37%和15.95%(t＝5.65、11.24，P< 0.05)，并且膀胱、股骨头、Avoidance的平均剂量分别降低了1.91、4.01和3.88 Gy(t＝9.29、2.80、10.23，P< 0.05)。测试的20例直肠癌患者病例的自动计划平均时间为(71.82±25.48)min。结论本研究利用直肠癌病例验证了一种联合剂量预测和参数迭代优化算法的VMAT自动计划方法的可行性。相比于人工计划，VMAT自动计划无需人工干预，在提高计划设计效率、计划质量和临床资源利用率等方面有很大的应用潜力。

简介：无

简介：摘要目的应用机器学习中的随机森林算法探讨中国女性尿失禁（UI）发病的危险因素，并评价各危险因素对于UI发病的预测效果。方法采用多阶段分层整群抽样，在全国调查55 477例成年女性UI情况；基线调查于2014年2月至2016年1月完成，2018年6月至12月电话随访；最终纳入基线无UI且随访UI诊断指标数据完整的对象。采用欠采样技术，按照1∶1的比例从随访时未发生UI的人群中随机抽取与随访对新发UI相等人数作为对照，将这些调查对象的研究数据按照7∶3的比例随机分成训练集和测试集。将单因素分析中P<0.2的候选变量，带入训练集并采用随机森林算法建模，在训练集筛选UI发病的危险因素，根据重要性对危险因素排序，并在测试集中验证。结果共30 658例（55.26%，30 658/55 477）完成随访，中位随访时间3.7年。纳入本研究的24 985例基线无UI的对象中，随访调查UI发病人数为1 757例（7.03%，1 757/24 985），其中压力性UI 1 117例（4.47%，1 117/24 985），急迫性UI 243例（0.97%，243/24 985），混合性UI 397例（1.59%，397/24 985）。随机森林模型固定特征数量为2个、决策树数量为300棵时，平均袋外估计误差率最低，此时模型分类准确率为64.3%，敏感度为64.2%，特异度为64.4%。根据Gini系数平均下降量，得到预测UI发病的前10位影响因素依次为：年龄、分娩次数、分娩方式、体质指数（BMI）、绝经状态、糖尿病史、教育程度、盆腔手术史、城乡分布、婚姻状况。结论应用机器学习中的随机森林算法，从复杂的多因素中识别出预测中国女性UI发病的前10位影响因素，依次为：年龄、分娩次数、分娩方式、BMI、绝经状态、糖尿病史、教育程度、盆腔手术史、城乡分布、婚姻状况。

简介：摘要目的提出一种基于霍夫变换(HT)的新算法提高射波刀自动质量保证(AQA)测试胶片影像分析的准确性与稳定性，并探讨胶片图像的扫描分辨率对测试结果的影响。方法获取9对胶片对AQA模体进行分析测试，首先利用中值滤波对灰度化后的胶片影像预处理，去除噪声干扰；再使用全局阈值对图像进行二值化分割，对分割后的图像进行边缘检测并利用HT提取胶片边缘直线，将胶片图像变换至正确位置；最后利用边缘检测和HT提取出影像中射野投影圆和钨球投影圆的圆心，通过分析同心度最终得到AQA测试的误差分析结果。结果所有样本分别使用本算法与原软件算法所得等中心误差结果差异无统计学意义(P>0.05)，其标准差差异有统计学意义(P＝0.027)；表明本算法在保证了胶片分析准确性的同时具有更好的稳定性。两种方法均不能通过采用分辨率更高的胶片影像来提高分析结果的准确性和稳定性。结论本算法排除了胶片扫描摆位误差造成的干扰，为射波刀系统AQA工作提供了一种更稳定的途径。

简介：摘要目的比较多种机器学习算法在早期肝细胞癌（HCC）术后复发预测中的效能。方法回顾性分析2009年5月至2019年12月南京医科大学第一附属医院收治的882例接受根治性手术切除的早期HCC患者的临床资料，其中男性701例，女性181例，年龄（57.3±10.5）岁（范围：21~86岁）。将患者按2∶1随机分为训练集（588例）和测试集（294例）。构建的机器学习预测模型包括随机生存森林（RSF）、梯度提升机、弹性网络-Cox回归和Cox回归模型。采用一致性指数（C-index）衡量模型预测的准确性、综合Brier分数量化模型的预测误差、校准曲线反映模型的拟合情况。比较机器学习模型、竞争模型和HCC分期系统的预测效能。所有模型均在独立的测试集内进行验证。结果训练集内患者中位无复发生存时间为61.7个月，测试集内患者中位无复发生存时间为61.9个月，两组患者无复发生存情况的差异无统计学意义（χ²=0.029，P=0.865）。RSF模型由5个常用临床病理学特征构成：白蛋白-胆红素分级、血清甲胎蛋白、肿瘤数目、肝切除方式和微血管侵犯。在训练集和测试集中，RSF模型的C-index值分别为0.758（95%CI：0.725~0.791）和0.749（95%CI：0.700~0.797），综合Brier分数分别为0.171和0.151。RSF模型对早期HCC复发预测的准确性优于其他3种机器学习模型、竞争模型（ERASL模型）及HCC分期系统（巴塞罗那分期、中国肝癌的分期方案、TNM分期），差异均有统计学意义（P值均<0.01）。校准曲线提示，RSF模型的预测概率与实际观察值具有较好的一致性。RSF模型可将早期HCC患者的复发风险分为低危、中危和高危组，在训练集和测试集内三组患者无复发生存情况的差异有统计学意义（P<0.01）。RSF模型对早期HCC术后复发风险的分层明显优于TNM分期。结论本研究构建的RSF模型集合了5个常用临床病理学特征，可较为准确地预测复发风险。

简介：摘要目的针对调强放疗(IMRT)计划大量耗费人工及计划质量高度依赖物理师临床经验且差异较大等问题，探讨一种可实现无监督调强放疗自动计划的方案。方法采用Varian Eclipse 15.6治疗计划系统(TPS)自带的脚本应用程序接口(ESAPI)和优化参数树搜索算法(OPTSA)模拟，实现整个计划设计过程。通过ESAPI进行交互，自动输入输出相关参数；利用OPTSA对靶区和危及器官(OAR)的剂量学参数进行评估，并迭代调整优化目标参数来逐步改善，最终获得满足临床需求的IMRT计划。为验证自动计划的有效性，从临床数据库中选取20例既往已完成治疗的直肠癌病例，比较基于OPTSA算法的自动计划和临床人工计划在剂量分布和特定剂量学参数上的差异。结果所有的自动计划均满足临床要求。90%的自动计划质量超过既往人工计划，10%的自动计划则与人工计划质量基本一致。PTV平均适形指数(CI)在自动计划和人工计划中分别为0.88和0.80。与人工计划相比，自动计划OAR剂量学指标平均降低11%。自动计划和人工计划平均运行时间分别为(28.15±3.61)和(36.7±4.6)min。结论利用ESAPI所创建的OPTSA自动计划质量不劣于人工计划。在保证计划质量和一致性的情况下，OPTSA自动计划可缩短计划设计中所耗费的人力时间。

简介：摘要目的研发基于人工智能深度学习技术的全髋关节置换术（total hip arthroplasty，THA）髋臼假体型号算法并进行初步验证。方法回顾性分析2019年4月至2020年4月30例股骨头坏死患者资料，其中男15例，女15例；年龄（54.8±10.5）岁（范围33~72岁），左侧13髋，右侧17髋，均接受初次单侧THA。在完成髋关节图像手工标注的基础上，训练人工智能深度学习卷积神经网络对患者髋关节CT骨质进行分割，而后识别骨盆解剖标志位点，并对骨盆位置进行矫正并模拟安放髋臼杯，分别采用dice overlap coefficients（DOC）、平均误差等参数对上述步骤的精度进行评估，最终形成人工智能髋臼假体型号算法。并使用该算法与Orthoview二维术前规划软件分别对患者髋臼杯大小进行规划，将两组规划结果与已完成的实际手术结果进行比对，分别计算其符合率，从而回顾性验证本算法的规划效果。结果在算法方面，与其他经典分割网络相比，G-net网络可更精准的完成对股骨头坏死髋关节骨质的分割，DOC为92.51%±6.70%，且具有更好的鲁棒性（robustness），点识别网络平均误差为0.87个像素值。在临床应用效果方面，人工智能组完全符合率为96.7%（29/30），较Orthoview组的73.3%（22/30）高23.4%，差异有统计学意义（χ2=6.405，P=0.011）。结论深度学习技术可精准分割患者髋关节CT图像，识别髋关节特征点，人工智能THA髋臼杯放置算法与传统二维术前规划方式相比具有较高的准确性。此算法有望实现准确、快速的THA三维术前规划。

简介：摘要目的探讨不同剂量算法对于肺癌立体定向放疗（SBRT）自动计划RapidPlan模型的建立和应用的影响。方法使用27例剂量计算算法为AAA（Anisotropic Analytical Algorithm）的历史病例计划作为训练集建立AAA模型，使用AXB（Acuros XB）算法重新计算该27例训练集后建立AXB模型；另选20例未参与建模、具有不同处方剂量的计划对模型进行测试。对两种模型训练集计划和验证集计划分别进行剂量学比较。结果（1）重新计算前后的建模病例比较提示，AAA计算的平均剂量体积直方图（DVH）靶区剂量覆盖更高，危及器官（OAR）剂量差异不明显；除肺的V5 Gy和V10 Gy（至少接受5 Gy和10 Gy的肺相对体积）、气管的最大剂量（Dmax）外，其他剂量学参数差异值均提示AXB算法计算的计划剂量总体低于AAA算法计算结果。计划靶区体积（PTV）的平均适形指数（CI）值差异高达13.98%，PTV_D95%（95%PTV体积对应的剂量）差异值为3.50%。（2）验证病例剂量学比较提示，对于靶区，除在高剂量区域AXB优化结果更高之外，其余区域没有较大差异。大多数OAR在用AXB模型和AAA模型优化后结果差异不明显，最大差异不超过5.64%。结论RapidPlan建模过程可不必对其训练集中采用不同算法设计的计划进行重新计算，也不建议在训练集中排除使用不同算法获得的历史计划，以保留模型的几何多样性和广泛代表性。

简介：摘要目的探索基于颜色矩的甲状腺冷冻切片判读系统并评估该系统在实际甲状腺癌冷冻切片病理辅助诊断中的应用价值。方法从浙江省台州市中心医院（台州学院附属医院）收集2018年6月至2020年1月共550张甲状腺冷冻病理切片（含恶性和非恶性切片），将550张数字甲状腺冷冻切片分为训练集（190张）、验证集（48张）、测试集A（60张）和测试集B（252张）。由病理医师标注训练集和验证集中恶性肿瘤病理切片的恶性肿瘤区域，使用标注信息分别训练基于投票法的甲状腺冷冻切片判读模型和基于颜色矩的甲状腺冷冻切片判读模型，然后分别使用测试集A和测试集B对两种病理切片判读模型的性能进行评价。结果基于投票法的甲状腺切片判读模型在测试集A、B的分类准确率分别为90.0%和83.7%，而基于颜色矩的病理切片判读模型在测试集A、B上的准确率为91.6%和90.9%，表示本研究提出的模型在甲状腺癌冷冻切片病理辅助诊断工作应用中具有更高的准确率和稳定性。结论基于颜色矩的病理切片判读模型在甲状腺癌冷冻切片病理辅助诊断工作中比其他的数字病理切片分类模型更有应用价值。

简介：摘要目的增强CT是术前诊断和评估胃黏膜下肿瘤（SMT）恶性潜能的重要检查手段，在区分直径>5 cm胃的胃肠间质瘤（GIST）和胃良性SMT中有较高的诊断准确率。本研究拟使用深度学习算法建立基于增强CT的鉴别诊断模型GISTNet，评估其在术前鉴别直径≤5 cm的胃GIST和其他胃SMT的预测价值。方法采用诊断性试验研究方法。回顾性收集2016年9月至2021年4月期间，上海交通大学医学院附属仁济医院胃肠外科连续性收治的181例接受手术、且术后病理证实为肿瘤直径≤5 cm胃SMT患者，排除13例CT图像质量不佳者，共计168例患者纳入研究。其中107例为GIST，61例为非GIST的SMT（non-GIST），其中术后病理27例为平滑肌瘤，24例为神经鞘瘤，6例为异位胰腺，4例为脂肪瘤。病例纳入标准：（1）手术前经增强CT诊断为胃SMT的患者；（2）术前完善胃镜且活检病理未见异型细胞；（3）临床、病理资料齐全。排除标准：（1）手术前接受过抗肿瘤药物治疗；（2）无影像或任何原因导致的CT图像质量不佳；（3）术后病理诊断为除GIST外的其他胃恶性肿瘤。将研究对象根据留出法（hold-out method）随机划分为GIST鉴别诊断模型（GISTNet）的训练集（148例）和测试集（20例），用于GISTNet诊断模型的训练及其性能评估。GISTNet模型建立后，在测试集采用5个指标进行评估，即灵敏度、特异度、阳性预测值、阴性预测值和受试者工作曲线（ROC）计算的曲线下面积（AUC）。进一步将GISTNet诊断模型与现有文献报道的传统影像学征象所组成的模型比较。此外，为了比较深度学习模型与影像科医生对胃SMT影像诊断的准确性，3位工作经验分别为3、9、19年的影像科医生、在隐藏临床病理信息的情况下，对测试集中的样本进行判断，将3位医生的准确率与GISTNet模型相对比。结果GISTNet模型在测试集上获得了0.900（95% CI：0.827~0.973）的AUC，当阈值为0.345时，GISTNet模型的灵敏度为100%，特异度为67%，阳性预测值为75%，阴性预测值为100%。GISTNet模型的准确率为83%，优于GIST-Risk模型（75%）和两位低年资影像科医生（60%和65%），并与工作经验为19年的影像科医生接近（80%）。结论基于增强CT的深度学习算法对术前鉴别直径≤5 cm的胃GIST和其他胃SMT具有良好、可靠的诊断准确率。

简介：摘要目的探讨人工智能算法模型在创伤患者下肢静脉血栓栓塞症（VTE）诊断中的预测效能。方法回顾性收集1992年12月至2017年11月中国人民解放军总医院信息系统数据库中骨折手术患者资料，共15 856例。按照患者有无血栓将其分组，并进行数据预处理和特征提取。选择随机森林（RF）、贝叶斯（Bayes）、决策树（DTC）及梯度提升树（GBDT）4种常用算法构建VTE风险预测模型，根据院内患血栓与否进行随机分层抽样，将原始数据按8∶2的比例分为训练集和测试集。通过比较上述方法中受试者工作特征曲线（ROC）下面积（AUC）、真阳性率（TPR）和精确度，评估不同模型在VTE临床诊断中的效能。根据研究特征在模型中的贡献程度进行重要特征排序，筛选VTE的重要预测特征。结果RF、Bayes、DTC和GBDT模型AUC分别为0.89，0.86，0.68，0.71，TPR分别为0.29，0.44，0.38，0.66，精确度分别为0.97，0.94，0.95，0.76；其中RF模型AUC最大，精确度最高。对各VTE人工智能预测模型的重要特征分析表明，血栓病史可以作为不良结局的首要预测因素。RF模型重要临床特征排序为：血栓病史、依诺肝素钠注射液剂量、最后一次葡萄糖测定结果、术后首次葡萄糖测定结果等。结论RF模型在创伤患者VTE风险预测中的精确度最高，能够为VTE预防策略制订提供参考依据。