巨噬细胞在缺血再灌注损伤和再生中的机制研究进展
陈元明;武子硕;徐骁;鲁迪;缺血再灌注损伤是一个极其复杂的病理生理过程，广泛发生于器官移植、心肌梗死、卒中等过程。巨噬细胞作为免疫系统核心，在缺血再灌注后损伤和再生中起着至关重要的作用。经典激活的M1型巨噬细胞介导早期炎症风暴与组织损伤，而替代激活的M2型巨噬细胞则主导后期的炎症消退、组织修复与再生。巨噬细胞表型之间的动态平衡对于缺血再灌注损伤的结局十分重要。本文综述了巨噬细胞在缺血再灌注损伤和再生中的作用，包括巨噬细胞在缺血再灌注损伤中的双重角色、调控巨噬细胞动态极化的复杂网络。此外，本文重点评述了缺血再灌注损伤中靶向巨噬细胞的多种潜在治疗策略，旨在为缺血再灌注损伤和再生的相关研究提供参考。
卵巢癌转移灶的智能识别与结构化报告填充：一项多中心研究
赵佳;任静;黄梦琳;丛福泽;王芳;吴哲;何泳蓝;薛华丹;目的 探索人工智能技术在卵巢癌转移灶精准定位和评估中的应用模式。方法 共纳入3个中心273例卵巢癌转移患者腹盆腔增强计算机体层成像（CT）图像，经诊断医师标注，共获得174个膈下转移灶及516个肝周转移灶，随机划分为训练集（n=561）和测试集（n=129），构建基于深度卷积网络的膈下/肝周位置二分类模型，计算其准确率、灵敏度、特异度、精确度、F1值及曲线下面积（AUC）。基于增强CT四期图像及手术病理资料，填充结构化报告并评估其性能。结果 膈下/肝周位置区分模型的AUC为0.78，准确率0.721，灵敏度0.417，特异度0.839，精确度0.500,F1值0.455。结构化报告填充中，对肝周转移灶位置的分类模型表现最佳，AUC为0.83，准确率0.753，灵敏度0.804，特异度0.702，精确度0.725,F1值0.763；其他特征模型的识别能力有待提升。结论 本研究探索并构建了“影像自动分析-关键特征提取-报告结构化填充”的临床辅助工作模式，为优化诊断流程、提升报告标准化水平提供了实践框架。
CT多参数联合临床因素预测胰腺导管腺癌术后新发非酒精性脂肪性肝病
蒋鑫垚;赵楠;赵盈;雷军强;目的 评估计算机体层成像（CT）多参数联合临床因素对胰腺导管腺癌术后新发非酒精性脂肪性肝病（NAFLD）的预测价值。方法 回顾性纳入手术治疗的145例胰腺导管腺癌患者，根据术后6个月肝平扫CT值是否小于40 HU分为NAFLD组和非NAFLD组。比较组间术前两周内细胞外容积分数（ECV）、动脉增强分数、术后1个月内胰腺残余体积（RPV）等CT参数和临床特征，使用二元Logistic回归分析确定NAFLD的独立预测因素并构建模型，绘制受试者操作特征（ROC）曲线评估预测能力。结果 术后6个月，29例（20.00%）患者诊断为NAFLD。性别、ECV、RPV是NAFLD的独立预测因素（P<0.05），相比于非NAFLD组，NAFLD组的女性占比、ECV均更高，RPV更低（P<0.001）。ECV、RPV及临床-影像学联合模型预测NAFLD的曲线下面积（AUC）分别为0.863(95%CI:[0.778,0.948])、0.842(95%CI:[0.767,0.917])、0.937(95%CI:[0.877,0.997])，联合模型的AUC高于ECV(P<0.001)，而与RPV的差异无统计学意义（P=0.061）。结论 基于CT参数ECV、RPV联合性别构建的临床-影像学联合模型可有效预测胰腺导管腺癌术后新发NAFLD。
基于深度学习的前路坐骨神经超声图像分割
贾尚超;常兆斌;陈青峰;赵大成;徐大赓;黄生辉;目的 构建一套超声影像数据集，建立基于深度学习的超声图像识别系统，用以探索前入路区域坐骨神经阻滞区域的识别方法。方法 通过超声采集前路坐骨神经图像，借助ITK-SNAP软件手动标记，建立数据集。采用PyTorch深度学习框架进行训练数据及感兴趣区域分割输出，以平均交并比、平均骰子相似系数作为评价指标评估模型的性能。结果 以获得的3 000张标记超声图像作为数据集，其中，训练集1 800张，验证集600张，测试集600张。测试集坐骨神经的平均交并比为0.675，平均骰子相似系数为0.775，模型平均F1分数为0.718，中位数为0.720。经5折交叉验证，坐骨神经的平均交并比中位数为0.805。结论 基于深度学习模型，在自动识别前入路区域坐骨神经解剖结构时获得了良好效果，可实现局麻药在神经旁间隙的安全、精准注射，具有良好的临床应用价值。
基于机器学习建立老年慢性心力衰竭患者1年全因死亡预测模型
陈东升;周泓屹;姜帆;目的 基于机器学习建立老年慢性心力衰竭（CHF）患者1年全因死亡预测模型。方法 回顾性分析902例老年CHF患者（782例训练集和120例验证集） 1年全因死亡的影响因素，随访1年，根据是否全因死亡分为死亡组和存活组，并建立5种机器学习预测模型。采用受试者操作特征（ROC）曲线、校准曲线、决策曲线对模型进行验证。结果 训练集782例老年CHF患者1年全因死亡率为12.28%；验证集120例老年CHF患者1年全因死亡率为10.83%。LASSO回归和多因素Logistic回归分析显示：体重指数增加、左室射血分数升高为老年CHF患者1年全因死亡的独立保护因素，纽约心脏协会心功能分级Ⅳ级、C反应蛋白升高、D-二聚体升高、氨基末端脑钠肽前体（NT-proBNP）升高为独立危险因素（P<0.05）。ROC曲线显示，训练集和验证集极端梯度提升（XGBoost）预测模型的曲线下面积（AUC）分别为0.897、0.864，均优于多因素Logistic回归（0.860、0.822）、决策树（0.767、0.761）、随机森林（0.875、0.818）、支持向量机（0.859、0.788）预测。验证集校准曲线显示，XGBoost预测模型的预测概率与实际曲线贴合，预测概率>0.10可为临床带来净收益。结论 体重指数、纽约心脏协会心功能分级、左室射血分数、C反应蛋白、NT-proBNP为老年CHF患者1年全因死亡的独立影响因素，基于此建立的XGBoost预测模型的预测效能最佳。
基于CT影像学评估的颌面颈部间隙感染并发症预测模型及临床应用
侯大为;苟学立;边勤疆;刘瑞敏;目的 构建并验证一个结合计算机断层扫描影像特征与临床指标的预测模型，用于早期评估颌面颈部间隙感染患者发生严重并发症的风险。方法 回顾性纳入2022年6月—2024年6月于甘肃省人民医院口腔颌面外科收治的96例颌面颈部间隙感染患者。收集患者的影像学资料（包括由于感染累及的间隙数量、病灶体积、强化特征等）与临床指标（包括年龄、糖尿病史、C反应蛋白、白细胞计数）。比较并发症组与非并发症组患者各项指标的差异。将单因素分析中差异具有统计学意义的变量纳入多因素Logistic回归分析，筛选独立危险因素并构建预测模型。采用受试者操作特征曲线及曲线下面积评估模型的区分效能。结果 并发症组患者在年龄、糖尿病患病率、C反应蛋白、白细胞计数、多间隙感染比例、感染灶体积、病灶强化程度，以及影像学上气体生成与液气平面出现的比例等方面，均显著高于非并发症组。多因素Logistic回归分析显示，年龄、合并糖尿病、C反应蛋白升高、白细胞计数升高、多间隙感染、感染体积增大，以及病灶强化是并发症发生的独立危险因素。结论 整合计算机断层扫描影像特征与临床指标的预测模型，有助于早期识别颌面颈部间隙感染中易发生并发症的高危患者。
代谢紊乱与原发性胆汁性胆管炎的因果关系：基于双向双样本孟德尔随机化分析
赵瓒;王春霞;张彦清;米莹莹;郑亚;郭庆红;目的 采用双向两样本孟德尔随机化（MR）探讨代谢紊乱与原发性胆汁性胆管炎的因果关系。方法 基于全基因组关联研究数据库选取代谢紊乱数据集和原发性胆汁性胆管炎数据集。以逆方差加权法（IVW）、MR-Egger回归、简单模式、加权模式、加权中位数法、最大似然比法分析两者之间是否存在因果关联。采用Cochran's Q检验单核苷酸多态性（SNP）的异质性，MR Egger回归截距分析SNP水平多效性。为确保结果稳健，采用留一法分析敏感性。采用MR-多效性残差和离群值检测（PRESSO）所纳SNP是否有离群值。结果 最终纳入8个与代谢紊乱高度相关的SNP,39个与原发性胆汁性胆管炎紧密关联的SNP。在正向MR分析中，以代谢紊乱作为暴露因素，IVW结果显示，代谢紊乱会增加原发性胆汁性胆管炎的发病风险（OR=1.258,95%CI:[1.016,1.559],P<0.05），表明代谢紊乱会增加原发性胆汁性胆管炎的发病风险。而在反向MR分析中，当暴露因素为原发性胆汁性胆管炎时，IVW结果显示，其可增加代谢紊乱的风险（OR=1.022,95%CI:[1.003,1.041],P<0.05），说明其可增加代谢紊乱的风险。Cochran's Q检验显示，与代谢紊乱或原发性胆汁性胆管炎相关的SNP，均未发现异质性（P >0.05）。同时MR-Egger回归的截距项分析表明，这些SNP之间不存在水平多效性（P > 0.05）。留一法通过逐一剔除单个SNP后，MR分析结果均未见明显改变。MR-PRESSO未见离群值。结论 代谢紊乱与原发性胆汁性胆管炎发生风险存在双向因果关联，二者互为风险因果。
AI辅助CT在肺结节良、恶性诊断中的系统评价
张蕾;杨嘉琪;辛小霞;符文杰;张常青;樊景春;目的 评价人工智能（AI）辅助计算机断层扫描（CT）诊断肺结节良、恶性的价值。方法 通过检索PubMed、The Cochrane Library、Embase、Web of Science、中国知网、中国生物医学文献服务系统，搜集AI结合CT评估肺结节良、恶性的相关研究。对符合纳入、排除标准的文献使用QUADAS-2量表进行方法学质量评估。运用RevMan5.3和Stata18.0进行数据整合与分析。分组比较AI与临床医师在肺结节性质判别中的诊断效能，用Z检验比较2组的差异，并构建综合受试者操作特征曲线；用异质性检验分析研究间差异的影响因素，以AI系统类型分组进行亚组分析，比较不同系统间敏感度、特异度等指标的差异。结果 AI辅助CT诊断与医生阅片的合并诊断效能指标敏感度、特异度、阳性似然比、阴性似然比、诊断比值比，及综合受试者操作特征曲线下面积，差异均无统计学意义（P > 0.05）。结论 AI辅助CT在肺结节性质判别中展现出与传统医生阅片相当的诊断效能，敏感度略高，提示AI辅助CT在降低漏诊率方面或有潜力，但需大规模临床验证。
公告栏
网站访问量
今日访问量: 561