住院电子病历分型分类训练模型构建研究

目的在算子、算力等资源有限的医院环境下,研究构建住院电子病历分型分类训练模型,实现病历检索、辅助诊断等下游应用推理,夯实病历智能化应用基础。方法针对心血管疾病的智能诊疗需求,采用“预训练+微调”策略,通过研究数据预处理技术、病历对比学习方法,以及“医学领域训练、知识增强训练和任务相关训练”三阶段模型递进微调算法,在开源语言模型基础上,对约20万份住院病历进行训练,设计生成1个分型分类训练模型。结果该模型可有效支撑下游应用,病历检索准确率达94.4%。结论本文所提出的建模方法具有高效、安全等特点,对于病历检索、辅助诊断方面的应用具有参考价值。

医疗服务机器人研究进展综述

伴随着科学技术的进步与临床需求的增加,医疗机器人得到迅速发展并对医疗事业起到极大的推动作用。服务机器人是医疗机器人的一个分支,主要面向医疗服务与辅助需求,已经在许多医疗场景下应用并取得了示范效应。该研究先简述医疗服务机器人的发展情况,再概述机器人关键技术与临床应用情况,最后指出医疗服务机器人当前面临的挑战与方向,并对其在医疗领域的进一步发展提出展望。

人工智能大模型医学应用研究

近年来,以自然语言处理和视频图像分析为主的人工智能大模型技术得到快速发展,其基本特征是聚焦相关应用领域的共性需求,通过大数据、强算力和复杂算法的高效协同与深度融合,构建通用预训练模型,广泛适配下游任务,有力提高模型的处理性能与研发效率.因此,大模型技术为医学人工智能高质量发展提供了难得契机.本文通过全面梳理国内外大模型的研究进展、关键技术与核心算法,分析总结生物医学领域一系列标准数据集和预训练模型的发展特点,结合医学人工智能的研发实践,深入剖析医学领域大模型构建的应用需求、解决思路与研发经验,助力推动医学大模型创新发展.

老年射血分数保留的心力衰竭合并贫血患者心脏结构及功能分析

目的分析老年射血分数保留的心力衰竭(HFpEF)合并贫血患者的心脏结构及功能特点。方法选取2008年2月至2019年12月于中国人民解放军总医院第一医学中心住院的≥60岁的老年HFpEF患者2281例,根据是否合并贫血,分为贫血组(n=949)和对照组(n=1332)。分析2组患者的临床特征、心脏超声结构及功能差异。采用EmpowerStats统计软件(3.0版)和R软件进行数据分析。根据数据类型,组间比较分别采用独立样本t检验、Kruskal-Wallis H检验或χ^(2)检验。采用多元线性回归模型分析血红蛋白(HGB)的影响因素,以及HGB与心脏超声指标的相关性。结果老年HFpEF住院患者中41.6%(949/2281)合并贫血。贫血组男性[54.69%(519/949)和47.75%(636/1332)]、年龄[(74.79±7.99)和(73.40±7.72)年]、收缩压[(140.06±23.80)和(136.77±23.05)mmHg(1 mmHg=0.133 kPa)]、院内全因死亡率[3.58%(34/949)和1.50%(20/1332)]、空腹血糖[(7.68±3.35)和(7.02±3.38)mmol/L]、N末端B型利钠肽原(NT-proBNP)[3118.01(1137.21,8976.32)和1333.34(596.32,2777.11)ng/L]及肌钙蛋白T[0.04(0.02,0.08)和0.02(0.01,0.04)μg/L]显著高于对照组,体质量指数[(24.34±4.10)和(24.87±4.05)kg/m^(2)]、HGB[(9.37±1.65)和(13.32±1.45)g/dl]及估算肾小球滤过率[38.85(13.98,73.98)和76.26(57.79,95.87)ml/(min·1.73m^(2))]显著低于对照组,差异均有统计学意义(均P<0.05)。2组间纽约心脏病协会心功能分级和慢性肾脏病(CKD)分期比较,差异均有统计学意义(均P<0.05)。心脏超声结果显示,与对照组相比,贫血组左心扩大更明显,表现为左心房前后径[(41.43±8.13)和(40.64±7.62)mm]、左心房容积指数[29.82(22.55,38.80)和28.38(20.55,38.96)ml/m^(2)]、左心室收缩末期内径[(32.63±4.48)和(31.64±4.89)mm]、左心室舒张末期内径[(46.87±5.78)和(45.75±6.47)mm]、左心室收缩末期容量[(44.98±23.97)和(41.15±15.75)ml]及左心室舒张末期容量[(103.69±30.07)和(97.36±31.03)ml]显著增大;左心室肥厚更显著,表现为左心室质量指数[(120.24±39.99)和(110.14±36.91)g/m^(2)]、左心室后壁厚度[(10.68±1.47)和(10.47±1.52)mm]显著增大;右心负荷加重,表现为右心室内径[(36.74±7.12)和(35.90±7.42)mm]、主肺动脉内径[(22.93±3.40)和(22.51±3.63)mm]及下腔静脉内径[(16.89±4.18)和(16.15±3.93)mm]显著增宽,差异均有统计学意义(均P<0.05)。多元线性回归分析显示,C-反应蛋白、NT-proBNP及CKD≥4期是HGB的独立危险因素。HGB是左心室收缩末期容量、左心室舒张末期容量、左心室收缩末期内径、左心室舒张末期内径、左心室质量指数及左心房容积指数的独立危险因素。结论老年HFpEF住院患者贫血患病率高,合并贫血者心脏结构重构和舒张功能障碍更为显著。炎症、心肾功能差是贫血的独立危险因素,而贫血与心脏结构和功能改变密切相关。

基于极限梯度提升算法的前列腺增生与前列腺癌鉴别诊断

目的利用机器学习方法构建前列腺增生与前列腺癌的鉴别诊断模型,辅助临床医生进行穿刺术决策。方法利用中国人民解放军总医院第一医学中心2009年至2018年的前列腺增生与前列腺癌住院患者基本信息、既往史、临床信息等数据,分别利用Logistic回归和极限梯度(XGBoost)方法构建鉴别诊断模型,并利用灵敏度、特异性、准确率、AUC值和ROC曲线评估模型效果。结果Logistic回归和XGBoost方法构建的模型性能与单因素tPSA(P<0.001)、fPSA(P<0.001)、f/tPSA(P<0.001)分析差异均具有统计学意义。利用前列腺体积、f/tPSA、tPSA、fPSA、尿白细胞、无机磷等15个重要变量构建XGBoost模型,得到测试集的灵敏度、特异性、准确率、AUC值分别为0.835、0.815、0.826、0.903。结论多因素XGBoost模型较单因素(f/tPSA、tPSA、fPSA)预测模型和Logistic回归模型更优,具有更好的鉴别诊断能力,且对tPSA为4~10ng/mL的患者也具有一定的鉴别能力。