基于机器学习算法构建血常规指标肺结核诊断模型

目的基于机器学习算法,利用血常规检验数据构建肺结核诊断模型,并分析其临床应用价值。方法选取2019年1月—2022年12月上海市徐汇区中心医院469例初诊肺结核患者(肺结核组),以年龄、性别相匹配的506名体检健康者作为正常对照组。收集所有研究对象22项血常规检验数据和人口学参数。采用LASSO回归分析评估共线性。将数据集随机分为训练集(75%,用于机器学习模型构建)和测试集(25%,用于模型性能评估)。采用分布式随机森林(DRF)、深度学习、梯度提升机和广义线性模型这4种机器学习算法进行测试,采用5倍交叉法进行验证。采用受试者工作特征(ROC)曲线评估模型的诊断效能。结果基于Logistic回归分析和LASSO回归分析结果进行模型特征重要性排序,共筛选出10个非共线性指标,结果显示,DRF是构建肺结核诊断的最佳机器学习算法。在训练集和测试集中,DRF模型的曲线下面积分别为0.9921和0.8474,敏感性分别为99.16%和92.04%,特异性分别为80.91%和55.22%,准确度分别为89.84%和72.06%。结论基于机器学习算法构建的血常规检验数据肺结核诊断模型是一个有效的诊断工具,但其临床应用价值需要进一步验证。

瞬时弹性成像技术和无创诊断模型诊断原发性胆汁性胆管炎患者肝纤维化效能研究

目的研究瞬时弹性成像技术(TE)和常用的无创诊断模型诊断原发性胆汁性胆管炎(PBC)患者组织学分期的效能。方法2019年1月~2023年8月首都医科大学附属北京佑安医院就诊的PBC患者117例,均接受肝活检、肝脏硬度检测(LSM)和常规实验室检查,计算天冬氨酸氨基转移酶/血小板比值(APRI)、基于4因子的肝纤维化指数(FIB-4)、γ-谷氨酰转肽酶/血小板比值(GPR)、Sheth指数、King’s评分、哥德堡大学肝硬化指数(GUCI)评分、白蛋白-胆红素(ALBI)评分和总胆汁酸-红细胞体积分布宽度(TR)评分。应用ROC曲线分析判断各指标的诊断效能。结果在117例PBC患者中,病理学诊断I期17例,II期59例、III期34例和IV期7例;APRI诊断PBC II期以上的AUC最大,为0.875(0.776~0.974),其敏感性为75.8%,特异性为87.5%,阳性预测值为76.5%和阴性预测值为87.0%,其次是GUCI评分,其AUC=0.871(0.766~0.976),其效能分别为88.7%、75.0%、65.6%和92.4%。结论APRI是一种简便、廉价的非侵入性预测指标,用于判断II以上PBC患者有良好的诊断效能,值得临床扩大验证。

基于声辐射力脉冲成像的诊断模型对胆道闭锁患儿肝纤维化的应用价值

目的分析基于声辐射力脉冲成像(ARFI)定量参数建立的无创诊断模型对胆道闭锁患儿肝纤维化的诊断价值。方法回顾性收集100例接受ARFI检查并行肝门-空肠吻合术(Kasai’s)治疗及肝组织活检的胆道闭锁患儿,男42例,女58例,平均年龄(68.79±8.79)d。根据活检病理结果分为肝纤维化组(71例)和非肝纤维化组(29例)。依据Metavir分级标准将肝纤维化分为5级:F0(29例)、F1(31例)、F2(24例)、F3(11例)、F4(5例)。2组临床资料和ARFI定量参数的比较采用t检验或χ^(2)检验;采用单因素方差分析比较肝纤维化不同分级间的剪切波速度(SWV)。采用多因素Logistic回归分析影响胆道闭锁患儿发生肝纤维化的独立危险因素,并构建基于ARFI定量参数的无创诊断模型。采用受试者操作特征(ROC)曲线评价模型的诊断效能,计算其曲线下面积(AUC)。结果肝纤维化组血清中性粒细胞(NEUT)、总胆红素(TBIL)、层黏蛋白(LN)、透明质酸(HA)、Ⅲ型前胶原(PCⅢ)、Ⅳ型胶原(Ⅳ-Col)浓度,以及SWV均高于非肝纤维化组(均P<0.05)。多因素Logistic回归分析结果显示,SWV、血清TBIL及LN、HA、PCⅢ、Ⅳ-Col浓度高是影响胆道闭锁患儿发生肝纤维化的危险因素(均P<0.05)。基于SWV的无创诊断模型诊断胆道闭锁患儿发生肝纤维化的最佳临界值为1.75 m/s,敏感度、特异度、准确度、阳性预测值、AUC分别为93.15%、70.09%、90.25%、88.80%、0.922。结论基于ARFI定量参数建立的无创诊断模型,可较为准确地诊断出胆道闭锁患儿是否存在肝纤维化,且具有较高的应用价值。

ALT轻度异常的慢性乙型肝炎患者肝组织病理特征及血清学无创诊断模型的价值分析

目的:分析丙氨酸氨基转移酶(ALT)<2倍正常值上限(ULN)慢性乙型肝炎(CHB)患者的肝脏病理特征,并评估不同血清学诊断模型对肝纤维化的诊断价值。方法:回顾性分析2019年10月至2023年5月于江苏省淮安市第四人民医院就诊的ALT<2ULN,且进行肝穿刺检查的CHB患者62例。收集患者临床资料,根据肝穿结果将S2以下者定为无明显纤维化组(35例),S2及以上者定为明显纤维化组(27例)。对两组患者的临床指标进行分析,采用受试者操作特征曲线(ROC)分析国际标准化比值/血小板比值(INPR)、天门冬氨酸氨基转移酶和血小板比率指数(APRI)、肝纤维化4因子指数(FIB-4)、γ-谷氨酰转肽酶和血小板比值(GPR)、S指数对肝脏病理纤维化的诊断效能。采用Spersman检验分析不同的无创诊断模型与肝组织纤维化之间的关系。结果:62例ALT<2ULN且行肝穿刺的CHB患者中纤维化程度分期为S0期16例(25.8%),S1期19例(30.6%),S2期19例(30.6%),S3期8例(12.9%)。分析62例患者的相关临床指标分层与肝脏纤维化的关系,仅HBsAg水平(以3.0×10^(3)IU/ml为界限分层)差异有统计学意义(χ^(2)=4.07,P=0.044);两组患者的凝血酶原时间(PT),血小板计数(PLT)差异均有统计学意义(P<0.05)。FIB-4(r=0.432,P<0.001)、INPR(r=0.426,P=0.001)、APRI(r=0.388,P=0.02)、S指数(r=0.373,P=0.003)、GPR(r=0.307,P=0.015)均与肝组织纤维化程度正相关。INPR诊断肝脏纤维化(S2以上)的曲线下面积最高,为0.739,灵敏度也最高,为66.7%,而FIB-4特异度最高,为94.3%。结论:ALT<2 ULN的CHB患者发生肝纤维化的比例较高,其中HBsAg<3.0×10^(3)IU/ml,PT延长,PLT降低是其危险因素。5种无创诊断模型对肝纤维化的发生具有一定的预测价值,临床实践中可动态监测这几种模型的变化,为临床初步筛查提供依据。

脑脊液与血多指标联合诊断模型对神经外科细菌性脑膜炎早期诊断的价值

目的利用脑脊液与血多项实验室常规检查预测细菌性脑膜炎的脑脊液培养结果。方法回顾性分析首都医科大学北京天坛医院2020~2023年神经外科住院患者细菌性脑膜炎(357例)和无菌性脑膜炎(363例)的10项相关实验室检测结果,探究脑脊液与血多项检查对细菌性脑膜炎早期诊断的临床意义。结果经单因素分析细菌性脑膜炎组与无菌性脑膜炎组脑脊液白细胞计数(C-WBC)、脑脊液单核细胞比例(C-LY)、脑脊液蛋白浓度(C-PRO)、脑脊液乳酸(C-LAC)、血葡萄糖浓度(B-GLU)、血白细胞计数(B-WBC)、血C反应蛋白(CRP)等7项指标差异有统计学意义(P<0.05)。经多因素回归分析,两组间C-WBC与CRP的差异具有统计学意义(P=0.012,P<0.01)。通过对C-WBC和CRP进行联合诊断模型的构建,其诊断AUC=0.727,灵敏度为72.5%,特异性为61.5%。诊断模型为:Y=-1.18×10^(-4)×C-WBC-0.11×CRP+3.118。结论联合C-WBC与CRP对细菌性脑膜炎与无菌性脑膜炎可以进行有效的鉴别诊断。

基于检验组学及机器学习的乳腺癌诊断模型研究

目的:以常规临床检验大数据为基础,使用机器学习算法构建乳腺癌诊断模型。以探讨临床检验组学在乳腺癌诊断中的应用价值。方法:采用回顾性研究方法,收集6089例乳腺癌患者及6830例乳腺良性疾病患者临床信息和检验数据。分别运用极限梯度提升、神经网络、支持向量机、随机森林、最近邻算法、逻辑回归、线性判别分析算法、朴素贝叶斯、梯度提升机算法和C5.0决策树等机器学习算法建立乳腺癌诊断模型。采用10折交叉验证进行模型训练,应用准确度、AUC、平均准确度、特异度、灵敏度、阳性预测值、阴性预测值及Kappa值评估各模型性能。结果:从28项常规临床检验指标中筛选出GLU、DBIL、RDW-CV、MONO、TG、ALB、RBC、LYMPH、UREA等9项指标再加上age用于模型构建。通过10种机器学习算法进行模型评估,发现梯度提升机算法相较其它算法具有最优的诊断性能。梯度提升机算法诊断乳腺癌准确度为0.80、AUC为0.80、平均准确度为0.80、特异度为0.77、灵敏度为0.82、阳性预测值为0.78、阴性预测值为0.81、Kappa值为0.59。结论:以常规临床检验数据为基础,使用机器学习算法构建乳腺癌诊断模型,可以为乳腺癌的辅助诊断提供决策支持。

面向复杂舆论场景的信息内容风险诊断模型构建与仿真研究

[研究目的]面向复杂舆论场景提取信息内容风险点,构建风险诊断概念模型,为现实工作提供方法参考和工具借鉴。[研究方法]综合SCL、JHA、SWOT及28位风险专家调查列举的统计数据,挖掘复杂舆论场景中的五大信息内容风险点。借助Delphi Method确定风险诊断指标框架后,运用AHP-DEMATEL加权中心度M_(i)和初始权重W^(1)_(i)并作归一化处理而形成诊断方程,结合风险分级标准构建风险诊断I-E-S模型,最后通过案例仿真检验模型性能。[研究结论]风险源和风险处置绩效对诊断指数的影响最大,受众情感反应与行为反应次之,传播力最小。错误内容占比、二次违法违规用户量、重大负面舆情量、线下失范行为量在20个末项操作化指标中的作用明显。多样本仿真检验发现,I-E-S模型诊断结果与用户风险感知契合度超过82.2%,模型实用性和精准性可初步满足风控工作需求。

六种常用血清学诊断模型对成人乙型肝炎e抗原阳性患者肝纤维化的诊断价值比较

目的比较六种常用血清学诊断模型对成人乙型肝炎e抗原阳性患者肝纤维化的诊断价值。方法选取山东省淄博市中心医院和中国人民解放军总医院第六医学中心2018年1月至2023年6月诊断为慢性乙型肝炎并行肝病理组织活检的265例患者为研究对象。采集临床常用的球蛋白与血小板比值(GPR)、纤维化4因子指数(FIB-4)、天冬氨酸转氨酶-血小板比率指数(APRI)、天冬氨酸转氨酶与丙氨酸转氨酶比值(AAR)、纤维化硬化指数(FCI)、S指数(S-index)六种血清学诊断模型的相关指标,以肝组织穿刺活检结果为“金标准”,应用受试者操作特征曲线评估六种模型的诊断效能。结果F1~F4期年龄、血小板计数、丙氨酸转氨酶、天冬氨酸转氨酶、碱性磷酸酶、γ-谷氨酰转肽酶、白蛋白、APRI、FIB-4、GPR、S-index和FCI比较,差异有统计学意义(P<0.05)。区分F_(1)~F_(4)时,GPR、APRI、FIB-4、FCI和S-index模型的曲线下面积均>0.70,AAR模型曲线下面积的95%CI为0.50。区分F_(1)与F_(2)~F_(4)、F_(1)~F_(2)与F_(3)~F_(4)、F_(1)~F_(3)与F_(4)时,GPR、APRI、FIB-4、FCI和S-index模型的曲线下面积均大于AAR模型(P<0.05)。结论FIB-4、GPR、S-index和FCI均能较好地区分乙型肝炎e抗原阳性慢性乙型肝炎患者肝纤维化的严重程度,APRI区分效能则按F_(1)~F_(4)的顺序呈逐渐降低趋势,AAR基本不能对肝纤维化的严重程度作出判断。

基于杂交水稻叶片SPAD值的氮素营养诊断模型的初步构建

为探明水稻叶片SPAD值的最佳测定叶位和最佳的SPAD值次级指标,并构建基于水稻叶片SPAD值的氮素营养诊断模型,开展以品种为主区,氮肥施用量为副区的双因素裂区设计试验。参试品种为Q优6号和宜香优2115,氮肥施用量设5个水平(纯N 0、75、150、225、300 kg/hm^(2)),分析叶片的敏感性、代表性和稳定性,并探讨SPAD值次级指标与施氮量和叶片含氮量之间,及叶片氮积累量与叶片含氮量和产量之间的关系。结果表明,叶片敏感性、代表性和稳定性大小顺序分别为L4(顶4叶)>L3(顶3叶)>L1(顶1叶)>L2(顶2叶)和L3>L4>L2>L1、L2>L3>L4>L1,可见,L3、L4可作为氮素营养诊断的共同理想指示叶。选择L3、L4的SPAD值几何平均数(GMSI34)作为最佳的SPAD值次级指标。由叶片氮积累量与产量和叶片含氮量的抛物线方程、一元线性回归方程,GMSI34与叶片含氮量的指数方程,求得拔节期、孕穗期、抽穗期的SPAD值次级指标的临界值(GMSI34_(临))分别为48.5、44.3和42.9,与实际获取的GMSI34实相比较,若GMSI34_(实)-GMSI34_(临)<0时,则表明水稻缺氮,需要追氮,若GMSI34_(实)-GMSI34_(临)≥0,则表明水稻氮营养充足,无需追氮。综上,基于杂交水稻叶片SPAD值的氮素营养诊断模型,可为杂交水稻高效氮肥管理提供技术支持。

高血压病患者合并心房颤动的临床诊断模型的建立与验证

目的分析高血压病患者发生心房颤动(房颤)的影响因素,构建列线图模型,并分析该预测模型的准确性和临床有效性。方法分析2018年1月至2021年4月于广安门医院收治的748例高血压病患者的临床资料。按照是否合并患有房颤分为房颤组(n=165)和非房颤组(n=619)。应用Logistic回归分析高血压病患者发生房颤的影响因素,进一步构建列线图模型,通过Bootstrap方法对构建的模型进行内部验证,评价该模型的准确性。结果多因素Logistic回归分析显示,年龄(OR=1.040,95%CI:1.016~1.064,P<0.05)、女性(OR=1.720,95%CI:1.066~2.777,P<0.05)、三酰甘油(OR=0.717,95%CI:0.517~0.996,P<0.05)、胆固醇(OR=2.387,95%CI:1.105~5.159,P<0.05)、左心室舒张功能障碍(OR=0.121,95%CI:0.073~0.201,P<0.001)、左心房直径(OR=1.110,95%CI:1.072~1.149,P<0.001)、β受体阻滞剂的使用(OR=1.881,95%CI:1.177~3.007,P<0.05)和血清胆碱酯酶含量(OR=0.723,95%CI:0.639~0.819,P<0.001)是高血压患者发生房颤的独立危险因素。列线图模型显示,基于临床数据构建的列线图模型在预测高血压病患者发生房颤的风险能力较强。通过Bootstrap方法验证列线图模型发现校准曲线与理想曲线贴合良好。结论基于临床常见数据构建的风险预测模型可以较为准确的判断高血压病患者发生房颤的风险,有助于临床医师判断患者的情况,并提供及时有效的干预措施。

基于LASSO回归的心脏神经官能症刚虚证(肝肾阴亏、肝阳上亢证)关联因素筛选及诊断模型构建

目的:利用LASSO回归联合Nomogram构建心脏神经官能症刚虚证(肝肾阴亏、肝阳上亢证)的诊断模型。方法:采用单中心前瞻性研究,收集141例心脏神经官能症患者的临床资料,纳入分析变量包括年龄、民族、婚姻、教育程度、脑力/体力工作、体质量指数(BMI)、中医症状、中医五态人格量表各因子得分、汉密尔顿焦虑量表-14项、汉密尔顿抑郁量表-24项、症状自测评量表各因子均分。通过LASSO回归筛选与刚虚证诊断显著相关的影响因素,纳入二元多因素Logistic回归分析构建诊断模型,并对模型预测区分度及校准度评价,利用10重交叉验证进行内部验证,最后对模型进行Nomogram可视化,并根据ROC曲线确定诊断阈值。结果:共纳入刚虚证患者70例,非刚虚证患者71例。LASSO回归筛选出与刚虚证诊断相关性最显著的5个变量为女性、年龄、疲乏无力、善嗳气、五态人格中少阳积分。模型AUC为0.85,H-L检验为2.94(P=0.9824),提示模型区分度及校准度较好,10重交叉内部验证结果提示AUC为0.82。结论:LASSO回归联合Nomogram构建的诊断模型可协助诊断心脏神经官能症刚虚证,但研究结果的准确性尚待大样本临床研究进一步验证。

基于机器学习的骨肉瘤双硫死亡基因诊断模型建立与分析

目的通过机器学习算法鉴定与骨肉瘤(osteosarcima,OS)双硫死亡相关的特征基因,构建诊断预测模型,为进一步探索OS早期诊断的潜在生物学标志物和分子机制提供理论支持。方法差异表达分析用于鉴定OS双硫死亡差异表达基因(differential expression disulfidptosis-related gene,DE-DRG),通过最小绝对收缩选择算子(least absolute shrinkage and selection operator,LASSO)、支持向量机(support vector machines,SVM)和随机森林(random forest,RF)算法进一步鉴定具有诊断价值的OS双硫死亡特征基因,通过绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估其诊断价值;同时构建评估疾病风险的列线图,并通过校准曲线和临床决策曲线评估列线图的有效性能。实时荧光定量聚合酶链反应(real-time quantitative polymerase chain reaction,RT-qPCR)检测特征基因在OS组织的表达量。结果共鉴定出2个具有较高诊断价值的OS双硫死亡特征基因(NDUFA11、RPN1),所构建的列线图对预测疾病风险具有较高的可靠性。RT-qPCR检测结果显示,在OS组织中,NDUFA11表达显著降低,而RPN1表达则显著升高(P<0.01)。结论本研究构建的OS双硫死亡基因诊断模型具有一定的诊断价值。

基于血清学指标构建肝细胞癌与肝内胆管癌的鉴别诊断模型

目的借助常规血清学指标,构建肝细胞癌与肝内胆管癌的鉴别模型,并评估其准确性。方法纳入2021-06—2023-06郑州大学第一附属医院收治的380例肝细胞癌或肝内胆管癌患者,回顾性分析相关临床资料。收集肝炎病毒病史、肝功能、肿瘤标志物、穿刺或术后病理等临床数据。使用Lasso回归与逐步回归法筛选出具有肝细胞癌与肝内胆管癌鉴别诊断意义的关键变量,利用logistic回归构建模型、构建列线图并进行模型综合评价。结果通过共线性诊断,筛除VIF>5的变量,并通过Lasso回归筛选出性别、肝炎病毒病史、甲胎蛋白、糖类抗原199、血清谷氨酰转肽酶、血清碱性磷酸酶、血清总胆红素7个关键变量。通过逐步回归法进一步缩小为性别、肝炎病毒病史、甲胎蛋白、糖类抗原199、血清碱性磷酸酶5个核心鉴别变量。所构建的Logistic回归模型的ROC曲线AUC值为0.986,灵敏度为0.942,特异度为0.958。校准图表明模型的预测概率与实际观测值拟合良好,且决策曲线显示模型具有优良的净效益。结论本研究构建的基于常规血清学指标的鉴别模型,在鉴别诊断HCC与ICC方面表现突出,具有广阔的临床应用潜力。

菌阴活动性肺结核的多层螺旋CT影像学特征及诊断模型构建

目的 分析菌阴活动性肺结核的多层螺旋CT(MSCT)影像学特征,并构建诊断模型。方法 选择2020年1月~2023年1月本院收治的肺部疾病患者1016例,按照临床诊断分为菌阴肺结核组(n=478)、非结核肺病组(n=538,其中肺癌200例、肺炎338例),均行MSCT检查,分析两组MSCT影像学特征,以Logistic回归分析明确菌阴活动性肺结核的诊断相关征象,构建菌阴活动性肺结核诊断模型,以ROC曲线下面积评估模型诊断效能。结果 两组间的树芽征、小叶中心结节、空洞、钙化、分叶征等MSCT征象差异有统计学意义(P<0.05)。Logistic回归分析结果显示树芽征、小叶中心结节、空洞是菌阴活动性肺结核的独立危险因素(P<0.05)。根据Logistic回归获得联合诊断模型方程式:Log(P)=-1.256+1.455×树芽征+0.982×小叶中心结节+1.023×空洞,该模型曲线下面积为0.825,诊断敏感度、特异性分别为93.94%、70.97%。结论 以MSCT影像学特征构建的菌阴活动性肺结核诊断模型具有较高诊断价值,可为临床诊疗菌阴活动性肺结核提供可靠依据。

融合特征分析及机器学习的可演进变压器故障诊断模型

变压器是大型电力系统中的关键重要设备,其机理复杂且影响面广,对变压器的状态检测与故障诊断是传统电力系统中的关键问题,也是智能化时代下智能算法应用的重要方向。为解决现有的智能化故障诊断研究受限于故障样本稀缺、诊断结果可解释性差、模型更新困难等问题,提出一种基于时序流数据动态分析的变压器故障诊断模型。首先通过人工辅助标注和数据增强方法,构建具有序列特征的高置信故障数据样本库;然后使用由融合时序特征分析器和多分类器构成的神经网络模型作为训练及分析的模型基础,构造基于相似案例的推理方式,通过距离相似性、模式相似性、形状相似性等多维度距离度量方法,对实时检测到的流数据进行故障诊断及分类预警,以指导运维人员结合历史经验及智能技术开展故障分析。实验结果表明,所提方法在故障诊断的准确性与可解释性上显著提升,可应用于变压器故障在线诊断真实场景中。

基于随机森林和人工神经网络构建种植体周炎的诊断模型

目的 本研究旨在揭示种植体周炎发生发展过程中参与调控的关键基因,并通过随机森林(RF)和人工神经网络(ANN)构建种植体周炎的诊断模型。方法本研究从GEO数据库中获取GSE33774、GSE106090和GSE57631数据集。对GSE33774和GSE106090数据集进行差异表达和功能富集分析,通过蛋白质互作网络(PPI)和RF筛选出关键基因,利用ANN建立种植体周炎的诊断模型,并在GSE33774和GSE57631数据集中进行验证。同时,构建转录因子-基因相互作用网络和转录因子-微小RNA (miRNA)调控网络。结果 本研究共筛选出124个参与调控种植体周炎的差异表达基因(DEGs)。富集分析结果表明,DEGs主要和免疫受体活性蛋白及细胞因子受体活性相关,主要参与白细胞和中性粒细胞迁移的过程。PPI和RF筛选出6个关键基因,分别为CD38、CYBB、FCGR2A、SELL、TLR4和CXCL8。受试者操作特征曲线(ROC)表明ANN模型具有较好的诊断性。本研究还发现FOXC1、GATA2和NF-κB1可能是种植体周炎中重要的转录因子,hsa-miR-204可能是关键的miRNA。结论 RF和ANN构建的种植体周炎的诊断模型可信度高,CD38、CYBB、FCGR2A、SELL、TLR4和CXCL8是潜在的诊断标志物。FOXC1、GATA2和NF-κB1可能是种植体周炎中重要的转录因子,hsa-miR-204作为关键的miRNA在其中扮演着重要角色。

基于人工神经网络骨关节炎诊断模型的建立与分析

背景:生物信息学领域的快速发展为骨关节炎的诊断提供了新的方法。人工神经网络具有强大的数据计算能力和分类能力,研究表明其在诊断疾病方面表现出了较好的性能。目的:旨在使用人工神经网络建立一种新的骨关节炎诊断预测模型,并通过外部数据集验证其在骨关节炎中的诊断价值。方法:通过GEO数据库搜索下载符合要求的骨关节炎相关数据集,将其分为Train组与Test组。对Train组的基因表达矩阵进行差异分析,筛选差异表达基因。对差异基因进行GO、KEGG富集分析;通过Lasso回归模型、支持向量机模型、随机森林树模型从差异基因中进一步鉴定骨关节炎关键基因。随后使用R软件“neuralnet”包构建基于人工神经网络的骨关节炎诊断模型,5折交叉验证评估模型表现;使用Test组中2个独立的数据集来验证其诊断效果。结果与结论:通过差异分析共得到90个与骨关节炎相关的差异基因,其中33个下调,57个上调。GO富集分析显示其生物过程主要参与白细胞介导的免疫、骨髓白细胞迁移、趋化因子产生等过程;KEGG富集显示差异基因主要富集在类风湿关节炎、白细胞介素17信号通路、破骨细胞分化等通路。通过3种机器学习方法筛选并取交集后共得到5个诊断骨关节炎的关键基因,分别为HMGB2、GADD45A、SLC19A2、TPPP3、FOLR2。Train组中5个关键基因建立的人工神经网络模型显示其准确率为96.36%,曲线下面积(AUC)为0.997,对神经网络模型的5折交叉验证表明其平均AUC>0.9,具有一定的稳健性;Test组中2个独立的数据集结果显示其AUC分别为0.814和0.788。提示:建立的人工神经网络骨关节炎诊断模型具有一定的诊断价值。

基于实验室检查建立儿童细菌性脑膜炎的联合诊断模型

目的基于实验室检查建立儿童细菌性脑膜炎的多项检验指标联合诊断模型。方法回顾性分析2018—2023年惠州市中心人民医院及深圳市儿童医院收治的细菌性脑膜炎(56例)和非细菌性脑膜炎(75例)患儿的16项实验室检验指标。对细菌性脑膜炎与非细菌性脑炎患儿的人口学资料(性别、年龄)、临床表现及16项实验室检验指标进行单因素分析。选取单因素分析差异有统计学意义的检验指标进行ROC分析,以曲线下面积(areas under curve,AUC)>0.7作为检验标准,根据β系数的大小对与细菌性脑膜炎独立相关的变量进行排名,利用Logistic线性回归分析将相应变量进行线性拟合,获得新的诊断模型,并选取16例脑膜炎患儿的数据评估模型的诊断效能。结果细菌性脑膜炎和非细菌性脑膜炎患儿的16项检验指标中,12项的差异均有统计学意义(P<0.05)。其中,8项指标的AUC>0.7,包括脑脊液白细胞计数(C-WBC)、脑脊液多核细胞占比(C-PNC%)、脑脊液多核细胞计数(C-PNC)、脑脊液蛋白(C-Pro)、脑脊液乳酸脱氢酶(C-LDH)、血降钙素原(B-PCT)、血清C反应蛋白(B-CRP)、脑脊液葡萄糖/血葡萄糖比值(C/B-Glu)。通过线性拟合获得的诊断模型为:Y=-0.351×C/B Glu+0.561×C-PNC%+0.005×B-PCT+0.001×B-CRP+0.24。拟合模型诊断细菌性脑膜炎的AUC为0.87,灵敏度、特异度均>75%。结论由C/B-Glu、C-PNC%、B-PCT、B-CRP组成的联合模型对儿童细菌性脑膜炎具有良好的诊断价值。

基于超声图像及尿液细胞学构建膀胱癌多模态人工智能诊断模型

目的本研究旨在探究是否可以基于超声图像及尿液细胞学构建多模态人工智能诊断模型,提升诊断敏感性,并辅助减少膀胱镜的使用。方法本研究是一项单中心回顾性研究,纳入了从2018年1月至2023年9月份同时行膀胱超声检查及尿液细胞学检查的2056名患者进行模型训练及验证。金标准基于患者的组织病理结果进行确定,阴性患者需要进行6个月的随访以确定未患癌。基于ResNet(残差神经网络)模型以及超声影像构建了膀胱癌人工智能(AI)诊断模型,使用在ImageNet数据集上预训练的权重作为模型权重的初始化,并采用随机梯度下降和交叉熵损失进行网络权重调整和算法优化,当超声AI模型输出诊断评分后,将其与尿液细胞学诊断结果及临床危险因素基于Logistic回归构建多模态诊断模型并为每个个体输出最终诊断概率。最终在验证集以及亚组(包括不同分期、分级、临床场景)中验证模型的有效性。最终的多模态模型将命名为BCaUSNet(膀胱癌超声残差神经网络模型)。结果BCaUSNet模型在验证集中的诊断敏感性为0.896(95%CI:0.839~0.938),曲线下面积为0.917(95%CI:0.891~0.942)。在复发监测场景中,模型的敏感性可达到0.821(95%CI:0.631~0.939),阴性预测值可达到0.896(95%CI:0.773~0.965),这可以在有较高把握的程度上辅助减少60%的膀胱镜使用。在尿液细胞学难以诊断的低度恶性潜能肿瘤及低级别肿瘤中,BCaUSNet模型敏感性分别提高至71.4%及93.3%。在超声较易漏诊的非肌层浸润性肿瘤以及小肿瘤(<1.5 cm)中,BCaUSNet模型敏感性分别提高至89.5%及87.5%。结论基于超声图像及尿液细胞学构建膀胱癌多模态人工智能诊断模型具有较高的诊断敏感性,有助于降低膀胱癌的漏诊、减少膀胱镜的使用,具有较好的临床效用以及创新意义。

基于超声检查、肿瘤细胞因子构建儿童肾母细胞瘤的Nomogram诊断模型

目的:基于超声检查、肿瘤细胞因子构建儿童肾母细胞瘤的Nomogram诊断模型,以提高对肾母细胞瘤的临床诊断效能。方法:选取2019年1月至2023年1月我院收治的82例肾母细胞瘤患儿为研究组,另选取同期82例囊肿性肾病患儿为对照组,均经手术病理证实。术前均行超声检查,比较两组超声特征、临床资料。通过Logistic分析肾母细胞瘤发生的影响因素,根据影响因素构建肾母细胞瘤的Nomogram诊断模型。采用受试者工作特征(ROC)曲线、校准曲线进行Nomogram诊断模型验证。结果:两组肿块性质、内部回声、邻近结构侵犯及转移、伴下腔静脉瘤栓、伴同侧肾静脉血栓、动脉期峰值流速、血流阻力指数、肾体积局部增大、基质金属蛋白酶-9(MMP-9)、血管内皮生长因子(VEGF)比较,差异有统计学意义(P<0.05);LASSO回归分析显示,可使模型性能优良且影响因素最少的最佳惩罚系数λ下诊断肾母细胞瘤的变量数为6个:即肿块性质、内部回声、邻近结构侵犯及转移、伴同侧肾静脉血栓、VEGF、MMP-9;Logistic回归分析显示,肿块性质、内部回声、邻近结构侵犯及转移、伴同侧肾静脉血栓、VEGF、MMP-9是肾母细胞瘤的相关危险因素(P<0.05);运用R语言绘制肾母细胞瘤诊断模型显示,其C-index为0.939,诊断肾母细胞瘤的AUC为0.939。结论:肿块性质、内部回声、邻近结构侵犯及转移、伴同侧肾静脉血栓、VEGF、MMP-9与肾母细胞瘤发生有关,基于超声检查和肿瘤细胞因子所构建的诊断模型具有较高区分度、校准度以及诊断效能,可为肾母细胞瘤临床诊断提供参考。