人工智能语音分析系统在帕金森病诊断中的一项探索性临床研究

目的通过人工智能技术构建汉语的帕金森病(Parkinson’s disease,PD)语音辅助诊断系统,并应用临床上新收集的数据验证该系统在PD患者尤其是在轻症PD患者中的诊断效能。方法连续收集2018年1~12月解放军总医院PD专病门诊临床确诊的PD患者100例(PD1组),并以Hoehn-Yahr(H-Y)分级2.5级为界将PD1组分为轻症72例,中重症28例,另选择同期健康对照者100例(对照1组)。连续收集2019年1~10月解放军总医院PD专病门诊临床确诊的PD患者76例(PD2组),并以H-Y 2.5级为界分为轻症54例,中重症22例;另选择同期健康体检者77例(对照2组),所有研究对象分别采集持续5 s的元音[a]、[o]、[i]语音数据,并提取每种语音的特征参数及人工智能机器学习训练,最终优化建立PD语音识别模型,并对该模型的诊断效果进行评价。结果 PD1组轻症与中重症患者年龄和性别比较,差异无统计学意义(P>0.05)。在判断PD2组与对照2组发音[o]构建模型的AUC明显高于[a]和[i]构建模型的AUC(P<0.01)。在判断PD2组轻症与对照2组发音[o]构建模型的AUC明显高于发音[a]和[i]构建模型的AUC(P<0.01)。PD2组与对照2组发音[o]的准确性明显高于[a]和[i](86.3%vs 74.5%、75.2%,P<0.01);PD2组轻症与对照2组发音[o]的准确性明显高于[a]和[i](86.2%vs 71.5%、73.9%,P<0.01)。PD2组与对照2组发音[o]的敏感性明显高于[i](90.8%vs 75.0%,P<0.05);PD2组轻症与对照2组发音[o]的敏感性明显高于[i](92.5%vs 71.7%,P<0.05)。结论汉语人群中构建的PD人工智能语音辅助诊断系统,通过临床验证表明该系统有着很高的敏感性及较高的准确性,有助于在初级医疗机构全科医师的日常工作中开展PD的筛查和早期诊断。

评估肥胖的四种指标与缺血性心脑血管病的关系

目的评价肥胖的4种指标与缺血性心脑血管病(ICCVD)风险关系。方法从国家卒中防治工程委员会2014年度对我国31省整群抽样建立的"脑卒中筛查和干预项目"数据库中,筛选年龄≥60岁的老年人111 472例,以是否发生ICCVD分为病例组17 420例和对照组94 052例,记录入选者体质量指数(BMI),腰围(WC),腰臀比(WHR),腰围身高比(WHtR)等,用BMI、WC、WHR、WHtR的现有标准评价肥胖,并比较4种指标评价肥胖与ICCVD风险关系,用非条件logistic回归模型和ROC曲线评价4种指标对中、高危ICCVD的风险效果。结果病例组BMI、WC、WHR、WHtR高于对照组(P<0.05)。在全因素校正logistic模型中,男女性超出正常体质量(18.50 kg/m^2≤BMI<24.00 kg/m^2)时,ICCVD风险增加,但仅女性相关显著(P趋势<0.01);男性肥胖(WC≥85.00 cm、WHR≥0.90、WHtR≥0.50),女性肥胖(WC≥80.00 cm、WHR≥0.85、WHtR≥0.50)时,ICCVD风险增高(P<0.01)。男性WC≥89.00 cm、WHtR≥0.515,女性WC≥84.00 cm、WHtR≥0.535时,与ICCVD风险呈正相关(OR>1.0,P<0.05),趋势效应优于BMI、WHR。ROC曲线分析显示,WHtR预测中、高ICCVD风险时,男性和女性ROC曲线下面积分别为[0.629(95%CI:0.623~0.634)、0.637(95%CI:0.632~0.640)],且均优于另外3种指标。结论 WC和WHtR对老年人群中、高危ICCVD风险均具有较好的预测效果,其中WHtR更具优越性。