基于Web平台的帕金森智能辅助诊断系统

本项目旨在提高帕金森病的医疗诊断效率和服务水平、降低误诊漏诊率、减轻医务工作者的工作负担。该项目采用Python的自然语言处理技术、分层的javaWeb设计模块,量表评估算法,设计一款基于Web平台的帕金森病智能辅助诊断系统,采用数据库、电子病历、Java编程、网页编辑技术等技术,构建集帕金森自主评估量表、个人健康档案、案例库、医患对接功能为一体的智能辅助诊断系统。从而达到了提高医疗诊断的效率和服务水平,降低误诊漏诊率的目的。

医院虚拟专用网络研究与仿真设计

目的:在区域医疗信息化平台的建设过程中,建立医院之间具备稳定性与拓展性的虚拟专用网络平台,提供数据安全传输与隐私保护。方法:以徐州市某医院网络架构为例,使用EVE-NG(Emulated Virtual Environment-NextGeneration)进行网络架构设计与仿真。结果:仿真实验通过MPLS(Multi-Protocol Label Switching)VPN技术与IPsec(Internet Protocol Security)VPN技术实现医院之间的内网融合与数据安全。结论:虚拟专用网络平台实现了便捷、安全的数据共享,满足了医院信息系统中各项业务的医疗服务需求。

支气管哮喘疗效预测模型构建的研究

目的 利用咳喘停穴位贴敷治疗支气管哮喘(简称“哮喘”)患者的数据,探讨中医药疗效预测模型构建方法及要点。方法 在哮喘慢病管理科研平台上,选择2018—2021年的6—8月于江苏省中医院针灸康复科接受咳喘停穴位贴敷治疗6周的支气管哮喘患者的数据资料,共303例。统计分析使用Python 3.10软件,对影响因素进行初步筛选,将保留的影响因素采用Logistic回归、支持向量机、K-均值聚类算法、贝叶斯算法、随机森林法和轻量梯度提升机算法(LightGBM)分别构建模型,以哮喘控制测试评分(ACT)、第1秒用力呼气量(FEV1)及呼出气一氧化氮(FeNO)是否改善为结局指标,对各模型进行比较分析。然后,采用较优的模型,通过在训练集上建模、在验证集上验证,得到准确率,并筛选出重要的影响因素。结果 LightGBM模型被采用。通过LightGBM模型建立的咳喘停穴位贴敷治疗哮喘的疗效预测模型准确率均超过70%;最终筛选出烟酒嗜好、过敏病史、贴敷时间、治疗前ACT及治疗前FeNO共5个重要的影响因素。重要影响因素的分级分组与因变量关系的分析结果显示,咳喘停穴位贴敷对无过敏史、无烟酒嗜好和治疗前哮喘控制水平很差(ACT 5~15分)人群的ACT改善更明显(P<0.05);对于贴敷时间超过3年的患者FeNO改善较贴敷时间小于等于3年的更明显(P<0.05)。但咳喘停穴位贴敷仅对哮喘控制水平很差(P<0.05)和气道炎症严重(FeNO>50×10^(-9))的少数患者FeNO(P>0.05)起改善作用。结论 穴位贴敷对哮喘控制水平的改善作用较明显,对气道炎症的改善作用有限;利用哮喘慢病管理科研平台的数据进行预测模型构建具有一定可行性;根据本研究的数据所建立的预测模型经过优化和测试后有可能为临床针对性治疗提供有效的测评工具。