探索人工智能在医院传染病预警系统中的应用

目的 构建传染病预警系统,以实现及早及时发现疫情暴发。方法 以流行性感冒为例,利用历史确诊数据以及患者的现住址地理信息,通过构建长短期记忆网络(LSTM)预测模型来预测未来的病例数量,同时运用K-means聚类模型分析病例的空间聚集性,探索人工智能在医院传染病预警系统中的应用。结果 LSTM预测模型可对流行性感冒患者数量进行预测,从而为医院在传染病防治方面提前采取措施提供有力依据。此外,K-means聚类模型可对患者进行聚集性分析,发现不同地区患者的分布情况及可能暴发流行的趋势。结论 借助人工智能技术,可以构建一套高效且精准的传染病预警系统,从而为医院提供及时可靠的传染病预警信息。

宁波地区不同基因型利福平耐药结核分枝杆菌耐药特征

目的 应用全基因组测序技术分析宁波市利福平耐药结核分枝杆菌(RR-TB)耐药特征,为RR-TB感染患者的临床诊疗及疫情防控提供科学依据。方法 选取宁波市耐药肺结核唯一定点诊疗机构(宁波市第二医院)耐药监测期间保存的2018-2019年59株RR-TB临床分离株,提取总DNA后进行全基因组测序。应用Perl脚本处理原始数据,并通过结核分枝杆菌(MTB)耐药基因数据库确定耐药基因相关突变,同时结合表型药敏试验结果综合分析本地区RR-TB临床分离株对异烟肼(INH)、利福平(RIF)、乙胺丁醇(EMB)、链霉素(SM)、阿米卡星(AM)、卷曲霉素(CAP)、左氧氟沙星(LFX)、丙硫异烟胺(PTO)及对氨基水杨酸(PAS)9种抗结核药物的耐药特征。结果 59株RR-TB菌株INH、RIF的耐药率分别为83.05%、100.00%;基于全基因组测序的59株RR-TB菌株共检测到40种耐药相关基因突变类型,其中以katG基因Ser315Thr(62.71%),rpoB基因Ser450Leu(62.71%),rpsL基因Lys43Arg(50.85%)和embB基因Met306Val(30.51%)为主;59株RR-TB菌株分为2个基因型,分别为L2型(89.83%)和L4型(10.17%);其中,L2型菌株又分为2个亚型,分别为L2.1型菌株(1.89%)和L2.2型菌株(98.11%);L4型菌株又分为3个亚型,分别为L4.2型菌株(16.67%),L4.4型菌株(66.67%)和L4.5型菌株(16.67%);9种抗结核药物的耐药基因主要突变类型在L2型菌株中的占比远高于L4型。结论 宁波地区RR-TB临床分离株对9种抗结核药物的耐药形势较为严峻,主要流行基因型为L2型,需进一步加强耐药结核病的防控工作。