基于冠状动脉CT血管成像影像组学的稳定型心绞痛痰瘀互结证与气虚血瘀证鉴别研究

目的应用影像组学技术构建稳定型心绞痛痰瘀互结证与气虚血瘀证鉴别诊断模型。方法收集2021年1月—2022年1月辽宁中医药大学附属医院91例行冠状动脉CT血管成像的稳定型心绞痛患者,其中痰瘀互结证47例、气虚血瘀证44例,采用分层随机抽样方法将患者按照7∶3的比例分为训练集(64例)与测试集(27例),使用3D-slicer软件提取冠状动脉周围脂肪组织(PCAT)图像影像组学特征。使用主成分分析可视化痰瘀互结证与气虚血瘀证影像组学特征分布情况。采用最小绝对收缩和选择算子回归分析及支持向量机递归特征消除进行特征筛选,使用Logistics多因素回归算法构建鉴别诊断模型,在训练集与测试集中应用接受者操作特征(ROC)曲线对模型进行验证,评价影像组学特征鉴别痰瘀互结证与气虚血瘀证的效能。使用Spearman相关分析进行鉴别特征与临床理化数据的相关性分析。结果3D-slicer软件共提取出837个PCAT图像影像组学特征。主成分分析中第一主成分和第二主成分分别解释了77.9%和8.1%的总体变异,两证候组间存在较为明显的分离趋势。经过特征筛选,7个影像组学特征用于构建痰瘀互结证与气虚血瘀证的鉴别诊断模型。训练集中鉴别诊断模型的ROC曲线下面积(AUC)为0.844,测试集中AUC为0.834。Spearman相关性分析表明,鉴别特征与心肌肌钙蛋白I、中性粒细胞、甘油三酯、总胆固醇及白细胞具有明显相关性。结论基于PCAT的CT影像组学模型对稳定型心绞痛痰瘀互结证与气虚血瘀证具有较高的鉴别作用。

基于综合生物信息学和单细胞测序方法揭示红花-丹参治疗冠心病的生物学和免疫学机制

本文基于生物信息学、网络药理学与单细胞测序探讨红花-丹参治疗冠心病(CAD)的机制。采用Comparative Toxicogenomics Database、Swiss target prediction、Binding Database Home、TargetNet四个数据库筛选出羟基红花黄色素、丹参酮、丹酚酸、丹参素的靶向基因。基于GEO数据库所筛选的3个CAD数据集,通过差异分析及加权基因共表达网络(WGCNA)筛选与CAD相关的基因。融合药物与疾病基因,通过cytoscape中mcode插件筛选出药物-疾病调控网络核心亚群。使用ssGSEA算法分析38种免疫细胞与mcode核心亚群基因的浸润情况。使用单细胞RNA测序明确mcode核心亚群所分布的细胞亚群。最后,分别对药物靶点基因、疾病基因以及mcode核心亚群基因进行GO、KEGG富集分析。结果发现,四个数据库共得到485个药物靶点基因。通过差异分析及WGCNA得到617个疾病基因。mcode插件获得1个药物-疾病的核心调控亚群,包括99个基因。ssGSEA算法结果表明TGFβ家族成员、趋化因子、白介素受体可能是红花-丹参治疗CAD核心调控的免疫细胞。单细胞RNA测序结果表明巨噬细胞与单核细胞可能是核心细胞亚群。GO、KEGG富集分析结果表明内膜结合的细胞器与细胞核可能是核心细胞成分。红花-丹参可能通过调控TGFβ家族成员、趋化因子、白介素受体、巨噬细胞、单核细胞、内膜结合的细胞器与细胞核发挥治疗CAD的作用。

基于数字孪生技术的中医智能辅助诊疗系统构建研究

研究在厘清中医临床辅助决策系统研制进展与现存问题的基础上,借鉴人工智能对物理世界的智能管控经验,提出构建以中医经典著作原创思维为核心,以中医知识图谱和领域本体构建为肇始,将临床全域多场景数字化原态保护和中医经典著作“数字孪生”活态传承突破作为重点,着力于实现临床决策、流程管控、人机交互全面智能化的中医智能辅助诊疗系统。该系统将在中医辨证的辅助决策过程中,基于病机演变特点,融合中医经典著作、图像资料、影音资料、心理行为等多模态数据,充分还原中医病机链变化的脉络和前人的临床思维模式,进一步解决辅助决策系统信息采集界面操作繁琐和临床医生问诊思路混乱的问题。数字孪生仿真功能将模拟多复诊多模态的患者情况,尤其聚焦于复诊时患者病情数据的动态变化,最终实现多模态时序数据的集成与融合来为临床判别提供参考,完成合作博弈下的中医智能诊疗过程。研究期望为构建中医辨证论治智能辅助诊疗系统提出新的思路,进一步促进中医药的智能化应用与传承。