基于自动化机器学习建立结肠镜肠道准备失败风险预测模型及评价

目的 鉴于机器学习(ML)在医学模型中的广泛应用,以及其出色的学习和泛化特性,该研究采用自动化机器学习(AutoML)结合患者一般资料和临床状况,早期评估结肠镜前肠道准备的失败风险。方法 回顾性分析2022年1月-2023年1月在该院接受结肠镜检查的患者的临床资料。波士顿肠道准备评分(BBPS)≤5分被定义为肠道准备失败,> 5分为合格。将患者按8∶2的比例随机划分了训练集(n=303)和验证集(n=76)。采用最小绝对收缩和选择算子(LASSO)逻辑回归(LR)模型进行特征选择,构建列线图评分系统,并使用基于5种算法的AutoML建立模型。模型性能通过受试者操作特征曲线(ROC curve)、校准曲线、基于LR (Lasso回归)的决策曲线分析(DCA)、SHAP图和力图进行评估。结果 在379例患者中,105例(27.7%)肠道准备失败(BBPS≤5分)。21个研究变量在经LASSO 5折交叉验证后,获得10个变量,并构建了一款列线图评分系统,通过校正曲线表明了LASSO模型的可靠性。使用H2O平台和5种算法[梯度提升机(GBM)、深度学习(DL)、广义线性模型(GLM)、堆叠集成(Stacked Ensemble)和分布式随机森林(DRF)]开发了67个模型。经比较,Stacked Ensemble表现最佳,其曲线下面积(AUC)为0.871,对数损失值(LogLoss)为0.403,均方根误差(RMSE)为0.354,优于其他模型和传统的LR模型。变量重要性贡献图显示,服完泻药至检查间隔时间、便秘、是否完整服完泻药、年龄和家属陪同等因素对肠道准备失败的预测有重要影响。最后,SHAP图和力图揭示了变量在二分类预测结果中的分布特征,以及各变量对预测结果的影响。结论 基于Stacked Ensemble算法的AutoML模型,对肠道准备失败风险的早期预测有明显的临床实用性。同时,该研究构建了一款可供临床使用的列线图评分工具。

基于饮食管理记录表的阶梯式饮食指导在急性胰腺炎患者中的应用

目的探讨基于饮食管理记录表的阶梯式饮食指导方案在急性胰腺炎患者健指导中的临床应用价值。方法收集2017年1月—2019年1月诊断为急性胰腺炎并收住入院的209例患者,试验组113例、对照组96例,试验组采用基于饮食管理记录表的阶梯式精细化饮食指导方案,对照组采取常规饮食护理宣教方法;采用χ^(2)检验、t检验,对比两组患者的实验室指标(C-反应蛋白、白蛋白、淀粉酶)、急性胰腺炎严重程度床边指数(BISAP评分)、BISAP评分差值(△BISAP)、营养并发症、住院费用、住院时间、患者满意度等资料。结果最常见的胰腺炎类型是胆源性胰腺炎52.6%,急性胰腺炎患者住院期间最常见的营养并发症是腹泻、低蛋白血症、呕吐,发生率分别为28.7%、21.1%、20.1%;两组患者对比结果显示,试验组患者CRP、BISAP评分下降幅度均高于对照组(t=-5.29、-2.14,P均<0.05),△BISAP大于对照组(t=2.70,P<0.01);试验组患者住院费用低于对照组,而满意度高于对照组,差异均有统计学意义(t=-2.90、5.69,P均<0.05);两组的住院时间差异无统计学意义(P=0.33)。结论基于饮食管理记录表的阶梯式饮食指导方案相比常规饮食宣教方法,能更有效的改善AP患者的多项实验室指标及BISAP评分,提高急性胰腺炎患者住院满意度并在一定程度上降低住院费用,值得在临床工作中推广使用。

基于深度学习构建结直肠息肉诊断自动分类模型

目的探讨基于深度学习的结直肠息肉诊断自动分类模型的构建。方法收集2018年1月至2023年1月在苏州市3个内镜中心的不同图像增强内镜(IEE)技术下的结肠镜图像957张(常熟市第一人民医院537张,常熟市中医院359张,苏州大学附属第一医院61张),依据病理结果分为正常组、增生性息肉组和腺瘤性息肉组。利用DenseNet-121、EfficientNet、resnet101和resnet504种卷积神经网络(CNN)框架,构建深度学习模型,并评估其与经验不同的内镜医师的准确率、召回率、精确度、F1值和读片时间。结果EfficientNet在4个模型中最为优越,准确率0.961,召回率0.968,精确度0.959,F1值0.962,在读图用时方面,所有模型完成图像自动诊断任务的平均时间为(4.08±0.63)s,远快于内镜医师所需的平均时间[(291.10±17.68)s],差异有统计学意义(t=-36.22,P<0.01)。将EfficientNet预训练模型经迁移学习后的模型命名为“EffiPolyNet”,其在腺瘤性息肉上有少量误分类,但准确率达0.90,AUC为0.98。t-分布随机邻域嵌入(t-SNE)可视化揭示了腺瘤性和增生性息肉间部分语义特征重叠,解释了模型的误分类。利用梯度加权分类激活映射(Grad-CAM)和沙普利可加性解释(SHAP),揭示了模型决策中的关键图像区域和特征的相对重要性。结论EffiPolypNet模型在多种IEE技术的结直肠息肉性质分类中表现出色,为结肠镜光学诊断提供了高效且可靠的支持。

肠功能恢复状态对判断急性胰腺炎患者肠内营养支持治疗时机的作用

目的探讨肠功能恢复状态对判断急性胰腺炎患者肠内营养支持治疗时机的临床应用价值。方法收集2017年3月至2019年2月诊断为急性胰腺炎且入院时采取禁食治疗的患者156例,试验组84例,对照组72例,试验组通过肠功能恢复状态判断肠内营养治疗时机,对照组根据主诊医师各自临床经验决定肠内营养时机,采用t检验对比2组患者肠内营养开放时间、多项实验室指标[淀粉酶(AMY)、C-反应蛋白(CRP)、白细胞(WBC)]、急性胰腺炎严重程度床边指数(BISAP评分)、住院时间、住院费用、满意度等指标的差异,采用χ^2检验比较不良事件[包括进食不耐受,恶心和(或)呕吐以及复发性腹痛]发生情况,以评估肠功能恢复状态判断肠内营养时机的临床应用价值。结果试验组急性胰腺炎患者禁食后肠内营养开放时间少于对照组[(32.58±14.15)h vs(70.04±30.23)h],差异具有统计学意义(t=-9.65,P<0.01);试验组经治疗后复查CRP、BISAP 7低于对照组[(36.52±26.47)mg/L vs(49.90±24.04)mg/L,(0.44±0.61)分vs(0.90±0.86)分],差异具有统计学意义(t=-3.27、-3.82,P=0.001、<0.001),AMY、WBC的组间比较,差异均无统计学意义(P均>0.05);试验组较对照组住院时间有效缩短[(10.35±2.42)d vs(11.21±2.69)d],患者满意度评分得到提高[(91.71±5.81)分vs(88.94±7.09)分],差异均具有统计学意义(t=-2.11、2.64,P=0.037、0.009);但2组之间不良事件发生率比较,差异均无统计学意义(P均>0.05)。结论通过肠功能恢复状态作为判断依据决定肠内营养开放时机,与根据医师临床经验相比,有效缩短了急性胰腺炎患者肠内营养开放时间,有利于BISAP评分、CRP的下降,缩短了患者住院时间、提高了住院满意度,且未增加不良事件发生率。