基于机器学习的经皮肾镜碎石取石术结石残留研究

本研究基于随机森林(random forests,RF)、XGBoost和支持向量机(support vector machine,SVM)等多种机器学习方法建立预测模型,探讨其对肾结石患者行经皮肾镜碎石取石术(percutaneous nephrolithotomy,PCNL)术后结石残留情况的预测价值。通过准确率、特异度及灵敏度等指标评价模型性能,绘制受试者工作曲线(receiver operating characteristic curve,ROC),计算曲线下面积(area under curve,AUC),RF为0.838,XGBoost为0.818,SVM为0.839,均高于传统结石评分系统。由RF和XGBoost建立的预测模型得到不同变量预测重要性占比,筛选出结石负荷、结石数量、结石CT值等是影响肾结石PCNL术后残留的重要预测因素。本研究对改善患者术后预后结果,提升临床治疗水平具有积极意义。

基于本体的膀胱癌临床诊疗决策支持知识库的构建

膀胱癌作为泌尿系统最常见的恶性肿瘤,其复杂的诊断分级、治疗手段及应用指征限制了临床诊疗的决策有效性及高效性。从临床需求分析出发,进行了科学而全面的知识采集,基于本体建模原理并借助Protégé工具构建了膀胱癌专病知识库。在此基础上绘制知识图谱以进行膀胱癌知识的可视化,实现知识的查询、管理及共享等功能。通过对知识的结构化表示,达成了辅助医疗工作者进行膀胱癌临床诊疗的目的,为提高膀胱癌的医疗服务水平提供了坚实的保障。

医院专病数据治理实践

随着临床业务的快速发展,医院积累了海量的多源医疗数据,这些数据分散在多个业务系统中,数据的利用较复杂。本文以专病数据平台建设为例,促进医疗数据全生命周期数据互联互通,构建标准化统一的数据平台,用以支撑大数据临床经验模型的构建并指导医学实践。