MedDRA在中国药品监测应用实施的现状分析及建议

目的介绍《监管活动医学词典》(MedDRA)在我国药品监管应用实施中的问题和挑战,以期为更好地实施MedDRA提供参考和建议。方法阐述MedDRA的基本情况,系统分析探讨产品本身的特点、管理机制、用户培训和用户社区建设等方面的问题与挑战,并从完善管理机制、扩展中文版结构、构建编码共享案例库、持续审查和改进MedDRA中文版、补充和完善定义、扩展中医部分内容等方面针对性地提出建议。结果与结论在各方努力下,MedDRA的引入、推广和落地实施已经取得了很好的开局。由于MedDRA产品本身的特点、现有机制等因素,带来了若干问题和挑战,需要各方力量协调一致,共同努力改善和克服相关问题和挑战,更快更好地实现与国际接轨和互认升级,推动中国创新药高质量发展。

注意力密集连接网络的早期AD脑形态学表征与分类

针对阿尔茨海默病(Alzheimer’s disease,AD)这种神经退行性疾病早期阶段难以被及时发现,无法进行诊断与干预的问题,提出基于注意力密集连接网络的早期AD脑形态学特征提取与分类方法。采用密集连接网络为主干架构、多视角三维图像信息作为网络输入的设计策略,引入注意力机制使得网络能够捕获对AD分类具有重要贡献的脑区。实验结果表明,提出算法对认知正常(cognitively normal,CN)与轻度认知障碍(mild cognitive impairment,MCI)、MCI与AD、CN与AD的分类正确率依次达到了98.37%、97.63%、98.60%,在AD分类领域处于较高水平。此外,通过对注意力机制得到的注意力图进行分析,可发现AD患者脑形态学演变轨迹,由CN转化为MCI涉及皮层下结构的脑形态学异常改变,再转化为AD则进一步涉及皮层结构的脑形态学异常改变。

基于时延嵌入式隐马尔科夫模型的癫痫脑电分类算法

癫痫脑电的分类识别能够为癫痫的预警和病程的发展监测提供强有力的技术支持。传统的癫痫脑电分类识别方法需要从较长的时间序列中提取特征,难以刻画大脑的瞬态变化,检测低效且耗时,降低了癫痫预警的有效性。针对上述问题,提出一种基于隐马尔科夫模型的癫痫脑电分类算法。该方法通过时延嵌入式隐马尔科夫模型(time-delay embedded hidden Markov model,TDE-HMM)对脑电进行状态估计,并提取状态序列中的状态切换特征,通过多层感知机(multiple layer perceptron,MLP)实现对不同癫痫发作阶段脑电的有效辨识。实验结果表明,相较于小波变换、微分熵等传统特征,所提方法准确率高,能够有效刻画癫痫不同阶段的大脑状态变化,为癫痫脑电的分类识别和状态分析提供了新的备选方案。

乳腺癌脑转移差异表达基因的生物学功能分析

乳腺癌脑转移(breast cancer brain metastasis,BCBM)的发病机制尚未明确。为了探究BCBM的发病机制,对BCBM差异表达基因的生物学功能进行研究并筛选关键调控基因。从基因表达综合数据库(gene expression omnibus,GEO)下载4个BCBM基因表达谱数据(GSE12237、GSE100534、GSE125989以及GSE43837),采用R语言筛选差异表达基因,采用富集分析包括基因本体分析(gene ontology,GO)和京都基因与基因组百科全书分析(Kyoto encyclopedia of genes and genomes,KEGG)进行生物学功能分析,采用STRING和Cytoscape分析蛋白质相互作用网络,采用Kaplan-Meier进行生存分析。结果表明,同时存在于2个及以上基因表达谱数据中的差异表达基因261个,GO分析主要涉及细胞外基质组织、细胞外结构组织等生物过程,细胞外基质结构组成、胶原结合等分子功能,含有胶原的细胞外基质、胶原蛋白三聚物等细胞组分;KEGG分析主要涉及蛋白质消化和吸收、局部黏附等通路。蛋白质相互作用网络分析得到9个关键调控基因,其中,DCN、COL6A1与BCBM的生存率显著相关,可作为潜在的BCBM关键调控基因,并为BCBM分子机制的研究提供思路。

微流控离子浓差极化芯片研制及其生化检测中的应用

离子浓差极化(ion concentration polarization,ICP)现象是在外加电场作用下发生在微纳交界面处的一种电富集现象,将ICP现象与微流控分析技术相结合,可广泛应用于生化分析中带电粒子预富集、目标物分离、靶标物检测等领域。本文首先对ICP原理及微流控ICP芯片进行了简要介绍,梳理总结了ICP芯片的制备技术和方法,其中重点关注了微流道结构设计、纳米结构制备与设计等方面的研究现状与进展。首先对基础单通道ICP芯片的结构进行分析,进而对并行通道ICP芯片结构以及集成多功能的微流控ICP芯片进行了总结和讨论,列举了ICP芯片中纳米结构的制备方法及其优缺点。进而,讨论了优化ICP芯片的富集效能途径,可通过引入多场耦合、阀门控制等多种手段,实现对靶标物的富集效能优化。最后,针对ICP芯片在多种带电生化样本分析检测中的应用进行综述,指出ICP芯片在匹配检测目标生物特性方面面临挑战,需要提高富集效率和选择性,解决流体控制、混合及传输问题。可以看到,微流控ICP芯片具有处理样本流量低、分离富集效果好、检测效率高以及易于集成化和小型化等优势,在生化检测领域展示出很好的研究意义和实用前景。

不锈钢供水管材的土壤外腐蚀特性试验

试验以砖红壤中Cl^(-)和含水率为研究要素,借助电化学工作站,开展3种不锈钢供水管材(304、304L、316L)外腐蚀试验。结果表明:3种不锈钢在不同Clˉ和含水率的砖红壤中均有不同程度腐蚀倾向(304>304L>316L);当砖红壤Clˉ质量分数在10~1 250 mg/kg时,3种不锈钢腐蚀电流增幅(ΔI_(corr低))较大,为304L>316L>304,当Cl_(ˉ)质量分数在1 250~2 500 mg/kg时,其Δ_(Icorr高)较小,为304L>304>316L,即腐蚀减缓,Clˉ在一定范围内促进不锈钢管材腐蚀。与此同时,当砖红壤含水率在5%~35%时,3种不锈钢ΔI_(corr)为304L>316L>304,其中,当含水率在15%~25%时,其ΔI_(corr中)较大,为304L>316L>304,即腐蚀加快,含水率在一定范围内使不锈钢管材腐蚀加快。

基于改进非洲秃鹫优化算法的脑MRI图像分割

针对非洲秃鹫优化算法(African vulture optimization algorithm,AVOA)在开发能力与探索能力之间存在的失衡问题,提出了一种多策略改进的非洲秃鹫优化算法(improved African vulture optimization algorithm,IAVOA)。采用佳点集初始化种群以增强多样性,引入混合对立学习以强化开发与探索,实施自适应信任度策略以动态调整搜索过程,应用高斯变异来进一步平衡算法的开发和探索能力。仿真结果显示,在12个典型测试函数上,IAVOA相较于对比算法,在收敛速度、求解精度和稳定性方面均显著提升。提出了IAVOA-FCM算法用于小样本数据集的脑磁共振成像(magnetic resonance imaging,MRI)图像分割,通过IAVOA算法强大的全局寻优能力对FCM算法进行优化。在脑MRI图像分割实验中,与其他5种先进的结合算法相比,IAVOA-FCM在分割精度、稳定性等方面均表现出显著优势。

基于CODAE方法的脑膜炎疫苗相关不良反应图谱研究

基于美国疫苗不良反应报告系统(vaccine adverse event reporting system,VAERS)的数据,对Menactra、Menveo、MenQuadfi、Trumenba和Bexsero这5种上市脑膜炎疫苗接种相关不良反应(adverse event,AE)进行综合分析与评价。截至2023年3月31日,从数据库中分别检索下载5种疫苗相关不良反应数据,采用整合本体学(combinatorial ontology-based detection of vaccine adverse events method,CODAE)方法挖掘筛选出共计94种有统计学意义的不良反应,其中23种属于严重不良反应;通过制定本体逻辑关系上的不良反应图谱,显示行为和神经学病变是最为富集的不良反应类别;通过汇总死亡案例的临床信息,统计分析可能影响死亡发生的接种过程变量,发现接种者年龄等变量对死亡发生有一定的影响,然而可用数据信息相对较少,相关结果有待进一步论证。针对不良反应的分析与评价表明,当前上市的5种脑膜炎疫苗是相对安全的,对于特定严重不良反应与疫苗接种以及接种者自身状况之间的确切关系值得在未来的工作中进行更为深入的研究。

基于Swin Transformer网络与Adapt-RandAugment数据增强方法的小肠胶囊内镜图像分类方法研究

目的:为提高小肠病变分类识别的准确性,提出一种基于Swin Transformer网络与Adapt-RandAugment数据增强方法的小肠胶囊内镜图像分类方法。方法:基于RandAugment数据增强子策略和增强小肠胶囊内镜图像时不丢失特征、不失真的原则提出Adapt-RandAugment数据增强方法。在公开的小肠胶囊内镜图像Kvasir-Capsule数据集中,基于Swin Transformer网络,采用Adapt-RandAugment数据增强方法进行训练,以卷积神经网络ResNet152、DenseNet161为基准,验证Swin Transformer网络和Adapt-RandAugment数据增强方法组合对小肠胶囊内镜图像分类识别的性能。结果:提出的方法宏平均精度(macro average precision,MAC-PRE)、宏平均召回率(macro average recall,MAC-REC)、宏F1分数(macro average F1 score,MAC-F1-S)分别为0.3832、0.3148、0.2905,微平均精度(micro average precision,MIC-PRE)、微平均召回率(micro average recall,MIC-REC)、微平均F1分数(micro average F1 score,MIC-F1-S)均为0.7553,马修斯相关系数(Matthews correlation coefficient,MCC)为0.4523,均优于ResNet152和DenseNet161网络。结论:基于Swin Transformer网络与Adapt-RandAugment数据增强方法的小肠胶囊内镜图像分类方法具有较好的小肠胶囊内镜图像分类识别效果和较高的识别准确率。

基于脑电网络的情绪识别研究进展

情绪识别使计算机系统具备感知人类情感的能力,它已成为计算机科学、心理学、社会学、生物医学工程等多个学科的研究热点。脑电(Electroencephalography, EEG)网络分析方法是神经影像领域常用的神经认知分析方法,它通过捕获脑区间交互关系构建脑网络,以此描述大脑不同区域的信息流动状态和功能协作状况。由于情绪功能本身涉及多脑区协作,脑电网络的分析方法凭借其出色的脑区信息交互捕获能力在情感识别领域发挥重要作用。该文对脑电网络情绪识别的研究背景、原理方法和研究现状进行详细介绍,并讨论了基于脑电网络分析的情绪识别研究目前存在的问题和未来发展趋势。