欢迎来到《四川大学学报(医学版)》

专题荟萃更多 >

 

学术动态更多 >

  • 第五届华西国际护理学术大会主题论坛顺利召开

    9月23日,第五届华西国际护理学术大会主题论坛紧扣“聚智精准护理 筑建学科高峰 共促全球健康”大会主题,聚焦科技前沿,论道学科建设,推动护理发展。

  • 建高峰,向未来!2023华西精准护理论坛圆满举办

    蓉城仲夏,万物并秀。为全面贯彻落实党的二十大精神,聚焦人民群众日益增长的多元化护理服务需求,进一步增强人民群众就医体验,四川大学华西医院主办的2023华西精准护理论坛于7月19日-20日在四川成都顺利召开。本次论坛以“精准建高峰·创新向未来”为主题,采用线上和线下相结合的方式,吸引了线下1021名、线上近4万名国内外护理同仁参加,为国内护理高质量发展贡献了集体智慧。

本栏目仅展示本刊经同行评议确定正式录用的部分文章,这些文章目前处在编校过程,尚未确定卷期及页码,但可以根据DOI进行引用。本栏目内容尚未正式出版,未经编辑部许可,不得转载。
摘要:
在医学领域,大数据技术结合大语言模型的应用预计将具有巨大的影响。本文将从几个方面展望医疗大数据结合大语言模型的应用:首先是辅助医生诊断和鉴别诊断方面,其次是在循证医学领域,此外医疗大数据结合大语言模型也可以应用于辅助医生进行临床和医学研究方面。通过将医疗大数据与人工智能大语言模型相结合,可以实现更加精准、高效、智能化的医疗诊断和治疗,并将为人类的健康领域做出更大的贡献。
摘要:
液-液相分离作为一种细胞结构的组织与形成的新机制,在调控细胞命运转变和疾病发病机制中发挥着重要作用,正受到广泛关注。液-液相分离可形成一些具有液态流动性的细胞结构,如生殖颗粒、压力应激颗粒和核仁等经典的无膜细胞器,它们通常由生物大分子通过弱的多价相互作用形成的高浓度液体聚集而来。液-液相分离可参与调节细胞内的多种生命活动,其异常则会导致细胞功能紊乱,从而促进神经退行性疾病、传染病及癌症等疾病的发生发展。本综述通过总结各种无膜细胞器在生理与病理性细胞命运转变过程中的液-液相分离动态,揭示了它们在细胞分化、发育及各种疾病发生过程中的关键作用,为液-液相分离相关研究提供了新的理论框架和潜在的疾病治疗靶点,为未来的研究提供了新的方向。
摘要:
  目的  基于单细胞RNA测序(single cell RNA sequencing, scRNA-seq)挖掘阿尔茨海默病(Alzheimer's disease, AD)外周血免疫特征作为生物标志物,系统性探索AD外周血免疫细胞亚型丰度、基因表达特征和细胞通讯异常。  方法  从GEO数据库中下载AD外周血免疫细胞scRNA-seq数据集GSE168522,于RAD-Blood网页服务器(http://www.bioinform.cn/RAD-Blood/)中分析AD患者血液细胞组成成分变化,利用CellChat分析AD患者血液中异常的细胞间通讯作用。  结果  AD患者和健康人血液中有两种CD8+ T细胞,其中一类高表达颗粒酶K(granzyme K, GZMK)〔伪发现率(false discovery rate, FDR)<0.05〕,另一类高表达GZMAGZMBGZMH(FDR<0.05)。GZMK+ CD8+ T细胞在AD患者血液中含量升高32.9%(P=5.15E-21),与其他细胞类型的交互作用增加,并可能通过主要组织相容性复合体Ⅰ类(major histocompatibility complex class Ⅰ, MHC-Ⅰ)信号转导异常与AD关联,红细胞为GZMK+ CD8+ T细胞MHC-Ⅰ信号通路异常提供了主要配体,即人类白细胞抗原(human leukocyte antigen, HLA)Ⅰ类分子(HLA-AHLA-BHLA-CHLA-E)。血液RESISTIN信号通路仅富集于AD患者血液中,其可能是AD血液特异性信号通路。  结论  外周血GZMK+ CD8+ T细胞含量升高、GZMK+ CD8+ T细胞与红细胞的交互作用增加、RESISTIN通路增强是潜在的AD标志物。
摘要:
  目的  通过大数据分析6月龄PS19小鼠体内异常选择性剪切(AS)事件是否在tauP301S诱导的神经退行性表型之前出现。  方法  采用axel从ENA数据库下载GSE182170数据集原始测序文件,通过STAR软件与ENSEMBL数据库参考基因组进行比对,rMATS和rmats2sashimiplot R包进行常见AS事件分析和结果可视化展示。RSEM软件进行基因转录本定量,Deseq2、edgeR、limma R包进行差异分析,采用clusterProfiler R包对差异基因进行GO富集分析。String和Cytoscape软件用来进行蛋白质间相互作用分析。采用ggcorrplt R包进行基因表达相关性分析。PCR结合琼脂糖电泳验证AS事件。  结果  通过rMATS鉴定出了8079个AS事件,并最终筛选出117个显著AS事件(ΔPSI>0.1,测序覆盖度>1)。外显子跳跃(SE)是最常见的AS事件(50.43%),其次是外显子3'端可变剪切(A3SS)和外显子互斥(MXE)。GO富集分析发现,突触组织基因发生异常SE事件,而剪切体基因主要发生异常A3SS事件。蛋白相互作用和相关性分析发现Snrpn剪切因子与最多数量的转录本表达显著相关。琼脂糖电泳证实PS19小鼠中Lrp8基因的异常AS事件。  结论  异常的剪切因子可能参与了tauP301S引起的异常AS改变。本研究扩展了tau蛋白病中tau蛋白循环和剪切因子的知识。
摘要:
  目的  为提高潜在不适当用药(potentially inappropriate medication, PIM)预测的准确率,提出一种结合知识图谱和机器学习的PIM预测模型。  方法  首先,基于2019版Beers标准,以知识图谱为基本结构,构建具有逻辑表达能力的PIM知识表示体系,实现从患者信息到PIM的推理过程。其次,利用分类器链算法建立每个PIM标签的机器学习预测模型,从数据中学习潜在特征关联。最后,根据样本量阈值,将知识图谱的部分推理结果作为分类器链上的输出标签,增加低频PIM预测结果的可靠性。  结果  实验采用来自成都地区9家医疗机构的11741份处方数据,对模型有效性进行评估。实验表明,该模型对于PIM数量预测的准确率为98.10%,F1值为93.66%,对于PIM多标签预测的汉明损失为0.06%,macro-F1为66.09%,与现有模型相比有着更高的预测精度。  结论  该PIM预测模型具有更好的潜在不适当用药预测性能,并且对于低频PIM标签识别效果提升显著。
摘要:
  目的  发现影响肺癌发病的生活行为相关危险因素,并构建肺癌风险预测模型,识别人群中的高风险个体,帮助肺癌早期筛查。  方法  本研究数据来源于英国生物样本库(UK Biobank)2006年3月–2010年10月收集的502389名参与者。参考国内外肺癌筛查指南和高质量肺癌危险因素研究文献,确定本研究高危人群识别标准。采用单因素Cox回归分析及逐步回归筛选出肺癌的危险因素,通过Cox比例风险回归构建多因素肺癌风险预测模型,根据比较赤池信息准则以及Schoenfeld残差检验结果,最终选择等比例假设的最优拟合模型。多因素Cox比例风险回归考虑生存时间,将人群按7∶3的比例随机分为训练集和验证集,使用训练集建立模型,并用验证集对模型性能进行内部验证。受试者工作特征曲线(ROC)曲线的曲线下面积(AUC)被用于评估模型的效能。将人群按照发病概率的0%~<25%、25%~<75%、75%~100%分为低风险、中风险及高风险人群,分别计算其中的发病人数占比。  结果  本研究最终纳入453558人,在累计随访5505402人年期间,共诊断出2330例肺癌。Cox比例风险回归分析筛选出10个自变量建立模型:年龄、体质量指数(body mass index, BMI)、学历、收入、体力活动情况、吸烟状态、饮酒频率、新鲜水果摄入量、癌症家族史、烟草暴露。该模型通过内部验证结果显示8个自变量(除BMI和新鲜水果摄入量外)均是肺癌的影响因素( P<0.05)。该模型训练集预测肺癌发生的一年、五年、十年AUC分别为0.825、0.785、0.777;验证集预测肺癌发生的一年、五年、十年AUC分别为0.857、0.782、0.765。筛查高风险人群可发现68.38%的未来肺癌发病个体。  结论  本研究建立了大规模人群生活行为方式相关的肺癌风险预测模型,其在判别能力方面表现出良好的性能,为制定肺癌标准化筛查策略提供了工具。
摘要:
  目的  利用GEO(Gene Expression Omnibus)数据库联合机器学习筛选骨关节炎(osteoarthritis, OA)特征性的长链非编码RNA(lncRNA)分子标志物。  方法  纳入185例OA及76例正常健康人样本,GEO数据库筛选数据集得出差异表达lncRNA,通过随机森林(randomforest, RF)、最小绝对收缩和选择算子(LASSO)逻辑回归、支持向量机递归特征消除(SVM-RFE)3种算法筛选候选的lncRNA模型,绘制受试者操作特征曲线评价模型。收集临床OA患者30例和正常对照15例的外周血,测定免疫炎症指标,RT-PCR定量分析外周血单核细胞lncRNA分子标志物的表达,Pearson分析lncRNA与免疫炎症指标的相关性。  结果  LASSO得出14个关键标志物,SVM-RFE算法确定6个基因,RF算法确定24个基因。Venn图筛选得出3种算法的重叠基因,包括HOTAIRH19、MIR155HGNKILA。受试者工作特征曲线显示这4个lncRNA的曲线下面积均大于0.7。RT-PCR法发现与正常对照组相比,HOTAIRH19、MIR155HG在OA患者外周血单核细胞中相对表达量升高,NKILA表达量下降(均P<0.01),结果与生物信息学预测结果相一致。Pearson相关性分析表明选定的lncRNA与临床免疫炎症指标相关。  结论  HOTAIRH19、MIR155HGNKILA可作为OA临床诊断分子标志物,且与临床免疫炎症指标相关。
摘要:
  目的  探讨深度学习算法在角膜荧光染色分级评估中的应用价值。   方法  采用横断面研究,共纳入四川大学华西医院隐形眼镜门诊就诊患者的角膜染色图片600张。其中500张用于构建算法,其余100张用于验证算法有效性并比较人工智能(artificial intelligence, AI)与视光初学者间评级准确性(accuracy, ACC)及诊断时长的差异。在完成初次评级1个月后,进行第二次评估,比较两次评估的一致性指数(kappa值)。3位经验丰富的视光师综合分级的结果作为本研究的“金标准”。   结果  通过全集、训练集、测试集交叉验证4种深度学习模型,ResNet34模型预测准确性最高。ResNet34深度学习模型在角膜染色分级上的准确性为93.0%,敏感性为89.5%,特异性为89.6%。AI与两位初学者比较,AI的准确性较高(ACCAI=87.0%、ACCS1=78.0%、ACCS2=52.0%,PACC=0.001),同时AI的平均诊断时长短于视光初学者(tAI=1.00 s,tS1=11.86 s,tS2=13.25 s,Pt=0.001)。在两次评级的一致性比较中,AI(kappaAI=0.658,PAI=0.001)的一致性程度高于视光初学者(kappaS1=0.575, PS1=0.001; kappaS2=0.609,PS2=0.001)。  结论  将深度学习算法应用于角膜染色分级评估具有一定的可行性及临床价值。在与初学者的比较中,AI表现出了较高的准确性和较好的一致性,能够指导视光师在临床工作中快速准确地评定角膜染色分级。
摘要:
  目的  为提高超声图像中甲状腺结节目标检测精度,提出一种基于Faster R-CNN的甲状腺结节目标检测改进算法。  方法  该算法采用结合了可变形卷积(deformable convolution, DC)的ResNeSt50作为主干网络,提高对形状不规则结节的检测效果。并在主干网络后方引入特征金字塔网络(feature pyramid networks, FPN)和感兴趣区域对齐,前者用于减少甲状腺结节漏检误检现象,后者用于提高小尺寸结节的检测精度。此外,在算法训练的反向传播过程中,使用由锐度感知最小化(sharpness-aware minimization, SAM)改进优化器进行参数更新,提高算法的泛化能力。  结果  实验采用来自徐州医科大学附属医院及南京市第一医院6261张甲状腺超声图像,对改进算法的有效性进行对比评估。实验表明,该算法具有一定的优化效果,最终在测试集的AP50高达97.4%,AP@50:5:95较原始模型也提升了10.0%。与原始模型和现有模型相比改进算法有着更高的检测精度,能更精准地检测甲状腺结节,特别在较低的检测框精度要求下有着较高的召回率。  结论  本研究提出的改进方法是有效的甲状腺结节目标检测算法,能精准地检测出甲状腺结节。
摘要:
  目的  近年来由于加速康复外科及日间手术在外科领域的发展,使得患者平均住院日缩短,术后手术切口需居家康复,为及时发现伤口存在的问题,预防或减轻患者出院后的焦虑,本研究利用深度学习的方法对手术切口常见并发症的特征进行分类,期望实现以患者为主导的手术切口常见并发症的早期识别。  方法  收集2021年6月−2022年3月某三甲医院手术后患者的切口图像1224张,根据并发症特征进行分类整理,并将其按8∶1∶1的比例分为训练集、验证集和测试集,使用4种卷积神经网络分别进行模型的训练与测试。  结果  通过多种卷积神经网络的训练,并在基于300张手术切口图像测试集的基础上进行模型性能的测试,4种ResNet分类网络模型SE-ResNet101、ResNet50、ResNet101、SE-ResNet50的手术切口分类平均准确率分别为0.941、0.903、0.896、0.918,精确率分别为0.939、0.898、0.868、0.903,召回率分别为0.930、0.880、0.850、0.894,其中以SE-Resnet101网络模型切口特征分类平均准确率最高,达到0.941。  结论  将深度学习和手术切口图像相结合的方式,能通过手术切口图像对手术切口的问题特征进行有效识别,最终有望实现患者智能终端手术切口自检。