急慢性药物性肝损伤的临床特点及慢性化的因素

目的对比分析急慢性药物性肝损伤的临床特点,初步探讨药物性肝损伤慢性化的影响因素。方法收集2017年~2020年在福建医科大学孟超肝胆医院住院并诊断为药物性肝损伤的患者242例,并随访至其发病后半年。收集其基本信息、基础疾病、可疑药物、慢性肝病、影像学资料及实验室检查。所有患者均进行RUCAM评分、按受损靶细胞类型进行临床分型及严重程度分级。计量资料符合正态分布的组间比较采用t检验,不符合正态分布的计量资料组间比较Mann-Whitney U检验;计数资料组间比较采用χ^(2)检验;分析药物性肝损伤慢性化的影响因素应用多因素的二元logistic回归分析。结果在导致药物性肝损伤的药物中,中药占比最高(76例,31.4%),抗结核药物次之(54例,22.3%),抗肿瘤药物(32例13.2%)。与慢性药物肝损伤组相比,是否合并慢性肝病,急性药物性肝损伤组合并慢性肝病共8例(4.4%),而慢性药物性肝损伤合并慢性肝病共8例(13.33%),经差异性检验,χ^(2)=5.838,P=0.016。慢性药物性肝损伤GGT水平(t=2.503),低于急性药物性肝损伤组(P<0.05)。多因素二元Logistic回归分析提示合并慢性肝病基础(OR=3.318,95%CI:1.125-9.788),GGT(OR=0.998,95%CI:0.996-1.000)可能为药物性肝损伤慢性化的独立预测因素。结论中药是导致药物性肝损伤最常见的原因,慢性肝病基础和谷氨酰转肽酶是慢性药物性肝损伤的独立预测因素。有慢性肝病基础的药物性肝损伤更易为慢性化,因此,有慢性肝病基础在需要使用药物治疗时,需要更谨慎,临床需要对慢性肝病基础上发生的药物性肝损伤应该高度重视,早期干预,减少或是阻止药物性肝损伤慢性化可能。

基于可解释人工智能的临床决策支持系统:孟超肝病外脑

近年来,人工智能机器学习与深度学习技术有了飞跃的进步,利用临床决策支持系统进行辅助诊断与治疗是智慧医疗发展的必然趋势。临床医务工作者通常在追求模型高准确性的同时忽略模型的可解释性,导致使用者对系统缺乏信任感,阻碍临床决策支持系统的落地应用。笔者团队从可解释人工智能的角度出发,在构建肝病领域的临床决策支持系统上进行初步探索,在追求模型高准确性的同时,采用数据治理技术、内在可解释性模型、对复杂模型的事后可视化、设计人机交互和提供基于临床指南的知识图谱与数据来源等方法赋予系统可解释性。