简介：摘要甲状腺滤泡性肿瘤是一类缺乏甲状腺乳头状癌核特征的滤泡上皮起源肿瘤，主要包括甲状腺滤泡性腺瘤和甲状腺滤泡状癌。甲状腺滤泡性肿瘤的术前诊断具有一定挑战性。超声、细胞学检查、分子检测等单一地用于评估甲状腺结节良恶性的检查方法，难以将甲状滤泡状癌与其他滤泡性病变区分出来。包括临床特征在内的多因素风险评估诊断预测模型可能有助于甲状腺滤泡状癌的术前鉴别诊断。

简介：摘要目的探讨IgA肾病无创早期诊断模型（Nomogram模型）的构建与临床应用价值。方法回顾性收集2010年10月1日至2019年8月31日期间经青岛大学附属医院肾组织病理检查确诊的712例原发性肾小球疾病患者的临床资料，其中IgA肾病241例，非IgA肾病471例。按病例纳入时间分为训练集（n=426，其中IgA肾病156例，非IgA肾病270例）和验证集（n=286，其中IgA肾病85例，非IgA肾病201例）。应用单因素和多因素Logistic回归方程法分析训练集患者IgA肾病诊断的危险因素。根据赤池信息准则（AIC）建立无创诊断IgA肾病的Nomogram模型，并将该模型应用于验证集人群进行验证。采用受试者工作特征曲线（ROC）、校准曲线及决策曲线分析（DCA）验证与评价该模型的区分度、校准度和临床实用价值。结果多因素Logistic回归分析结果显示，原发性肾小球疾病患者的年龄（OR=0.966，95%CI 0.947 ~ 0.985，P=0.001）、IgA/C3比值（OR=1.889，95%CI 1.468 ~ 2.432，P<0.001）、血白蛋白（OR=1.091，95% CI 1.047 ~ 1.136，P<0.001）、血总胆固醇（OR=0.810，95% CI 0.694 ~ 0.946，P=0.008）及肉眼血尿（OR=6.858，95% CI 1.867 ~ 25.189，P=0.004）为IgA肾病诊断的独立危险因素。由上述指标构建Nomogram诊断模型，训练集和验证集的ROC曲线下面积分别为0.880和0.887，校准曲线显示该模型的预测概率与实际概率间的一致性良好，DCA结果表明该模型的安全性及患者的临床净获益较高。结论Nomogram模型诊断IgA肾病的准确度和临床实用性较高，可用于IgA肾病的无创早期诊断。

简介：摘要目的利用多中心数据对本课题组前期单中心大样本的回顾性研究建立的基于多因素逻辑回归的Nomogram模型进行验证及优化。方法回顾性分析国内7家儿童医学中心接受诊治的1 314例新生儿梗阻性黄疸患儿的临床资料。收集患儿的一般资料及术前临床指标，包括性别、体重、直接胆红素(direct bilirubin，DB)、碱性磷酸酶(alkaline phosphatase，ALP)、γ-谷氨酰转肽酶(gamma-glutamyl transferase，GGT)。根据患儿术中胆道造影结果及术后病理学检查结果，将其分为胆道闭锁(biliary atresia，BA)组(BA组)和非BA组，其中BA组1 131例，非BA组183例。另外，在1 314例患儿资料中以其中500例患儿的资料作为模型组，建立优化的、基于多因素逻辑回归的Nomogram模型，余814例患儿资料作为验证组，同时在此次建模的基础上对前期模型及本次优化后的模型进行外部验证。结果采用单因素逻辑回归分析发现，BA组和非BA组在性别、体重、DB和GGT等4个变量上存在显著差异，差异具有统计学意义(P<0.05)，故以此作为预测因子，建立了优化的Nomogram诊断模型，其具有较好的鉴别效能，截断值为0.745，受试者工作特征(receiver operating characteristic，ROC)曲线下面积(area undercurve，AUC)值为0.8 358，灵敏度为80.8%，特异度为71.72%，阳性预测值(positivepredictive value，PPV)为92.55%，优于GGT单项指标的诊断效能。外部验证的结果提示，与前期模型相比，其更稳定，诊断效能更高，灵敏度为81.51%，特异度为90.48%，PPV为98.67%。结论基于多中心的优化Nomogram诊断模型在BA的术前诊断中有更稳定的预测效能，具有很好的临床应用前景，可基于此开发计算工具投入使用，为基层非专科医生提供早期鉴别诊断的新方法。

简介：目的:探讨基于微信网络平台的实时教学认知诊断模型在本科护理教学课程中的应用效果。方法:从本校2015级本科护理专业学生中随机抽取1个班级49名作为研究组,采用基于微信网络的实时教学认知诊断模型进行个性化教学;另1个班级46名作为对照组,采用传统教学。比较两组学生期末理论考核成绩、教学效果和教学满意度。结果:研究组期末理论考核成绩、对教学效果的评价及对教学满意度高于对照组(P<0.01,P<0.05)。结论:在本科护理教学上,采用基于微信网络平台的实时教学认知诊断模型的个性化教学优于传统教学,有助于提升学生的理论成绩,促进教学相长。

简介：摘要目的构建面部白癜风人工智能诊断模型，实现面部白癜风的人工智能辅助诊断。方法利用白癜风皮损单反相机图像和YOLO（You Only Look Once）v3算法建立皮损目标检测模型Vit3，比较Vit3模型的检测结果与皮肤科医生的标注结果，评价Vit3模型的性能。在Vit3模型的基础上，利用面部皮肤人工智能图像采集器拍摄的白癜风及非白癜风皮损的普通光学和紫外光图像，采用图像处理技术测量紫外光图像上皮损区域的灰度值，通过白癜风/非白癜风皮损灰度值阈值鉴别白癜风和非白癜风，建立面部白癜风诊断模型Vit4，通过Cochran′s Q检验比较Vit4模型与皮肤科医生的诊断结果，评价Vit4模型的诊断性能。结果对于100张白癜风皮损（167处）和100张正常皮肤的单反相机图像，Vit3模型的诊断敏感性为92.81%（155/167）。对于97组（包括50组白癜风、30组白色糠疹、7组无色素痣、10组正常皮肤）面部皮肤图像，Vit4模型的诊断准确率为88.66%（86/97），敏感性为88.00%（44/50），特异性为89.36%（42/47），与皮肤科医生的诊断准确率92.78%（90/97）差异无统计学意义（χ2=2.323，P > 0.05）。结论建立了面部白癜风人工智能诊断模型Vit4，该模型显示出较好的诊断性能，提供了一种较为客观、便捷的面部白癜风辅助诊断方法。

简介：摘要目的建立适用于广州市成人特发性膜性肾病患者的非侵入式诊断模型，并验证模型诊断效能。方法收集2016年1月至2018年4月于广东省中医院进行肾脏穿刺活检的病例124例（年龄范围为15～82岁，男性70例，女性54例），收集确诊患者的血清学检验结果，包括抗磷脂酶A2受体抗体（PLA2R）、血肌酐（Cr）、血尿素（UREA）、免疫球蛋白（Ig）G、IgM、IgA、24 h尿蛋白总量、尿酸（UA）。用二元logistic回归方法对血清学结果与病理诊断结果进行回归分析，建立诊断模型。随机选取20例为模型诊断效能验证，其余104例用于建立诊断模型。结果（1）分析建立的诊断模型为：lnP/（1-P）=-3.704-0.015×PLA2R+0.030×Cr-0.134×UREA+0.046×IgG+0.547×IgA+0.001×UA，回归分析病例拟合总体符合率为85.2%，显著性为0.033，说明模型建立差异有统计学意义。受试者工作特征曲线（ROC）中的最佳截断点（cut-off值）的特异度为0.841，灵敏度为0.891。（2）在20例验证病例中与临床病理学诊断结果一致病例数为14例，病例验证符合率为70.0%。结论针对成人特发性模型肾病建立了一个有效的非侵入式诊断模型，有效减少该类患者的肾脏穿刺需求。

简介：为早期诊断川崎痛,应用BP神经网络原理建立川崎病的诊断模型.以156例川崎病与非川崎病患者的体温、皮疹、口腔黏膜改变、实验室检查结果等9项指标等作为BP神经网络的输入参数,在MATLAB7程序中对其中随机抽取的90例学习样本进行训练并建模.以剩余的66例作为测试样本进行预测,结果表明该模型对川崎病和非川崎病的预测准确率分别为97.4％、92.9％,提示此模型可有效地判别出川崎病与非川崎病,可用于川崎病的早期辅助诊断.

简介：摘要目的拟开发一种基于MRI深度学习的自动精准检测骨质疏松性椎体压缩骨折（OVCF）的诊断模型。方法回顾性收集2019年1月至2021年10月广州市第一人民医院诊断为OVCF的500例患者资料。男396例，女204例；年龄（74.5±6.0）岁；骨密度T值为-2.9±0.8;骨折节段：L1 128例，L2 113例，L3 109例，L4 115例，L5 108例。选择多模态分层融合网络进行训练、测试及验证，应用grad-cam可视化方法，构建基于脊柱MRI图像的深度学习模型。随机抽取30例诊断为OVCF患者的MRI图像，比较深度学习的精准辅助诊断模型与高年资脊柱外科医师对OVCF的诊断价值。结果建立的基于MRI图像深度学习的精准辅助诊断模型对OVCF的诊断准确度为96.7%，灵敏度为93.5%，特异度为88.9%，阳性预测值为100.0%，阴性预测值为76.9%，均高于2名高年资脊柱科医师（70.0%、72.7%、28.6%、82.1%、28.6%），差异均有统计学意义（P<0.05）。结论本研究成功建立了的基于MRI图像的深度学习的OVCF精准辅助诊断模型，其诊断效能高于脊柱外科医师。

简介：摘要目的基于胸痛中心数据库，构建急性主动脉夹层（acute aortic dissection，AAD）的早期诊断模型。方法回顾性收集2020年1-12月于济宁医学院附属医院急诊科胸痛中心就诊的患者临床资料，按照是否诊断为AAD将患者分为AAD组和非AAD组，对两组患者的临床相关指标进行比较，将两组间有统计学差异的研究指标纳入多因素Logistic回归分析，并建立AAD早期诊断列线图模型；绘制模型的受试者工作特征（receiver operating characteristic，ROC）曲线以评估预测准确度，利用Homser-Lemeshow统计量对模型进行拟合优度检验，另收集2021年1-3月就诊的胸痛患者资料共630例对模型进行外部验证。正态分布的计量资料组间比较采用独立样本的t检验，偏态分布的计量资料组间比较采用非参数检验；计数资料组间比较采用χ2检验。结果共纳入2 738例患者，AAD患者占4.09%（112/2 738）。单因素分析显示AAD组患者男性发病率［74.11%（83/112）］、高血压病史患者占比［70.54%（79/112）］、主动脉疾病史患者占比［10.71%（12/112）］、主动脉疾病家族史患者占比［4.46%（5/112）］、症状突发患者占比［76.79%（86/112）］、撕裂样疼痛患者占比［38.39%（43/112）］、伴背痛患者占比［66.07%（74/112）］、伴腹痛患者占比［16.96%（19/112）］、收缩压［（159.44±30.94）mmHg］、双侧血压/脉搏不对称［23.21%（26/112）］、合并神经体征发生率［7.14%（8/112）］以及D-二聚体［3.57（2.10，6.62）mg/L］均明显高于非AAD组患者［59.56%（1 564/2 626）、46.23%（1 214/2 626）、0.23%（6/2 626）、0.08%（2/2 626）、35.99%（945/2 626）、0.08%（2/2 626）、3.08%（81/2 626）、3.81%（100/2 626）、（142.46±27.90）mmHg、0.15%（4/2 626）、0.27%（7/2 626）、0.31（0.20，0.50）mg/L］，年龄［（57.95±14.35）岁］、CK-MB［1.50（0.90，3.25）μg/L］均明显低于非AAD组患者［（61.94±15.77）岁、2.50（1.24，4.81）μg/L］，差异均有统计学意义（统计量值分别为χ2=9.47、χ2=25.46、χ2=180.80、χ2=81.11、χ2=76.17、χ2=975.60、χ2=798.00、χ2=44.72、t=6.28、χ2=527.20、χ2=93.22、Z=14.09、t=2.61、Z=3.51；P值分别为0.002、<0.001、<0.001、<0.001、<0.001、<0.001、<0.001、<0.001、<0.001、<0.001、<0.001、<0.001、0.009、<0.001）。多因素分析显示，高血压病史（OR=3.088，95%CI：1.294~7.374）、主动脉疾病史（OR=20.771，95%CI：2.132~202.361）、主动脉疾病家族史（OR=266.425，95%CI：17.610~4 030.851）、症状突发（OR=3.538，95%CI：1.643~7.619）、撕裂样疼痛（OR=1 771.971，95%CI：204.048~15 387.935）、伴背痛（OR=61.550，95%CI：27.987~135.367）、伴腹痛（OR=12.325，95%CI：4.201~36.161）、收缩压（OR=1.026，95%CI：1.013~1.039）、双侧血压/脉搏不对称（OR=338.357，95%CI：60.704~1885.949）和D-二聚体（OR=1.241，95%CI：1.176~1.309）是胸痛患者诊断AAD的独立影响因素（P值分别为0.011、0.009、<0.001、0.001、<0.001、<0.001、<0.001、<0.001、<0.001、<0.001），进一步构建了列线图模型，ROC曲线分析显示，曲线下面积为0.976（P<0.01），特异度为94.52%，灵敏度为91.96%。采用Homser-Lemeshow进行拟合优度检验，表明该模型可以很好的拟合（χ2=2.928，P=0.939）。利用外部验证数据对预测模型进行验证，ROC曲线下面积为0.934（P<0.01），认为该模型有较好的预测性能。结论高血压史、主动脉疾病史、主动脉疾病家族史、症状突发、撕裂样疼痛、伴背痛、伴腹痛、收缩压、双侧血压/脉搏不对称和D二聚体是急性胸痛患者诊断AAD的独立因素，基于上述因素构建的AAD早期诊断列线图模型有较好的预测性能。

简介：摘要目的基于功能磁共振成像（functional magnetic resonance imaging，fMRI）数据构建深度学习分类模型，以辅助诊断双相障碍患者，并分析双相障碍关键影像学特征，提高双相障碍识别率。方法收集符合 DSM-Ⅳ诊断标准的双相障碍患者146例（患者组）以及健康对照者234名（对照组），进行fMRI扫描。采用局部一致性（regional homogeneity，ReHo）和低频振幅2种方法分析fMRI数据。基于ReHo和低频振幅指标分别采用深度神经网络（deep neural networks，DNN）和双通道卷积神经网络（dual-channel convolution neural networks，DCNN）构建分类模型，并通过比较分类准确率、受试者工作特征曲线曲线下面积获得最佳分类模型；采用准确率较高的影像指标对基于自动解剖标记图谱（anatomical automatic labeling，AAL）的90个大脑区域使用支持向量机（support vector machine，SVM）算法构建基于单个脑区的分类模型，并通过比较准确率指标，识别双相障碍的关键影像学特征。结果基于ReHo和低频振幅指标构建的DCNN分类模型的准确率分别为75.3%和72.6%，优于同指标下准确率分别为67.1%和65.1%的DNN分类模型，且使用ReHo指标构建的分类模型准确率相对优于低频振幅指标；同时基于SVM分类模型使用ReHo指标显示枕叶（枕中回、枕上回、舌回）、海马、丘脑等为识别双相障碍的关键脑区，且准确率均高于65.0%。结论基于ReHo指标的DCNN分类模型可用于双相障碍的辅助诊断；同时枕叶、海马、丘脑可能是辅助识别双相障碍的关键影像学特征脑区。

简介：摘要目的通过分析患者临床信息及甲状腺病灶多模态超声图像特征构建定量诊断列线图模型，以期术前准确预测可疑结节恶性概率，为临床决策提供有效参考。方法收集在2020年9月1日至2021年6月10日于哈尔滨医科大学附属第二医院行手术治疗的甲状腺结节超声恶性危险分层中国指南(C-TIRADS) 3~5类的933例患者共计1 121个结节，按照8∶2随机分为训练集897个，测试集224个。基于逻辑回归分析筛选甲状腺结节良恶性相关因素构建列线图，并以曲线下面积(AUC)评估其诊断效能。结果①经单因素分析初筛后，多因素分析显示年龄、回声、方位、局灶强回声、边缘、后方回声特征、弹性评分与结节良恶性显著相关(均P<0.001)，良恶性结节的声晕差异有统计学意义(P＝0.012)；②列线图在测试集AUC为0.903(95%CI＝0.862~0.944)，并在最大径≤10 mm或>10 mm的结节中分别达到0.889(95%CI＝0.832~0.946)、0.960(95%CI＝0.925~0.994)，显示出较高的诊断性能。结论该列线图能够术前有效鉴别甲状腺结节良恶性，对最大径>10 mm的结节具有较高的诊断性能，可有效减少不必要的穿刺活检和手术。

简介：摘要目的用机器学习算法建立IgA肾病与非IgA肾病鉴别诊断模型。方法采用回顾性研究的方法，收集2019至2020年昆明医科大学第一附属医院、云南省第一人民医院和昆明市延安医院肾脏内科经肾脏病理确诊的患者共260例，其中原发性IgA肾病130例，非IgA肾病130例。收集包括性别和年龄等在内的28项临床资料和实验室常规检测结果，IgA肾病组与非IgA肾病组的男女构成比分别为59∶71和 64∶66，年龄分别为37.20（21.89，53.78）、43.30（27.77，59.18）岁。将260例患者随机地分为训练集（70%，182例）和测试集（30%，78例）。分别使用决策树、随机森林、支持向量机、极限梯度提升算法建立原发性IgA肾病与非IgA肾病的鉴别诊断模型。以真阳性率、真阴性率、假阳性率、假阴性率、准确率、受试者特征工作曲线下面积（AUC）、精确率、召回率和F1评分综合评估各模型的效能并选择性能最佳的模型。采用 SPSS 25.0对数据进行分析，P<0.05为差异有统计学意义。结果采用决策树、支持向量机、随机森林和极限梯度提升算法建立鉴别诊断模型的准确度分别为67.95%、70.51%、80.77%和83.33%；AUC值分别0.74、0.76、0.80和0.83；判断为原发性IgA肾病的F1评分分别为0.73、0.72、0.80和0.83。综合以上评价指标极限梯度提升算法模型的效能最高，该模型诊断为IgA肾病的敏感度、特异度分别为89%、79%，其变量重要性由高到低分别为血白蛋白、IgA/C3、血肌酐、年龄、尿总蛋白、尿白蛋比、高密度脂蛋白、尿素。结论成功建立IgA肾病与非IgA肾病的鉴别诊断模型。采用极限梯度提升算法建立的模型临床性能最佳。

简介：摘要目的评价基于深度学习卷积神经网络（convolutional neural networks，CNN）的肺结核CT辅助诊断模型在临床中的应用价值。方法收集2017年3月至2018年3月河北省胸科医院影像科菌阳并接受胸部高分辨率CT平扫检查的1 764例患者的病例资料，其中男937例，女827例，年龄17～73岁，平均年龄38.4岁。由4名影像科医师对含病变的20 139幅CT图像进行分类标注（17种影像特征），以此作为训练数据集，构建肺结核CT图像CNN诊断模型。训练数据集数量最多的前5种影像特征依次为：浸润型肺结核、空洞型肺结核、胸膜增厚、干酪性肺炎和胸腔积液。从已标注图像中随机抽取302幅图像作为测试数据集，以2名高级职称医师的诊断为“金标准”，比较CNN诊断模型和医师在肺结核CT诊断中敏感度和准确率的差异，统计CNN诊断模型分类错误的类型、数量，并绘制自由响应受试者工作特征（FROC）曲线，以测量该模型的最大诊断效能。结果CNN诊断模型对测试数据集中浸润型肺结核、空洞型肺结核、胸膜增厚、干酪性肺炎和胸腔积液的诊断准确率分别为：95.33%（10 982/11 520）、73.68%（2 151/2 920）、73.07%（1 128/1 544）、83.33%（1 020/1 225）和94.11%（814/865）；CNN诊断模型的总体诊断敏感度和准确率分别为95.49%（339/355）和90.40%（339/375），医师的对应数值分别为：93.80%（348/371）和92.80%（348/375），CNN模型和医师诊断比较差异无统计学意义（敏感度χ2=1.022，P=0.312；准确率χ2=1.404，P=0.236）；FROC曲线显示，当敏感度为78%，假阳性区域个数为2.48时，该模型诊断效能最大。CNN诊断模型诊断结核病变的分类错误主要集中于纤维条索灶、空洞型肺结核、干酪性肺炎与浸润型肺结核的混淆上。结论基于深度学习CNN的肺结核CT辅助诊断模型有较高的诊断敏感度和准确率，该模型可辅助影像科医师的肺结核诊断工作，值得在临床工作中推广应用。

简介：摘要： 目的  探讨使用临床常用的血常规指标构建对老年社区获得性肺炎( CAP) 有较好预测价值的列线图模型。方法  回顾性纳入 2022年1月至12月牡丹江国际旅行卫生保健中心（牡丹江海关口岸门诊部）及黑龙江省第二医院共88例老年CAP患者及80例健康对照人群,采用单因素及多因素logistic回归分析筛选老年CAP发生的独立危险因素并构建列线图模型。采用受试者工作特征(ROC)曲线评估列线图模型的诊断效能 。结果  白细胞计数、红细胞计数、淋巴细胞比率、单核细胞比率、平均血小板体积及血小板分布宽度为老年CAP发生的独立危险因素，并基于此构建列线图模型，其ROC曲线下面积为0.869(95%CI:0.808~0.916)。结论  本研究基于临床血常规指标构建的列线图模型可较为准确的筛选出老年CAP患者，可对老年患者进行CAP风险评估，指导临床精准管理。

简介：摘要目的应用血浆蛋白质组学方法建立诊断模型，探索诊断和识别肾移植临床几乎耐受的新方法。方法收集2011年11月至2012年11月来自华中科技大学同济医学院附属同济医院等多家医疗机构的43例受试者血浆样本。分为临床几乎耐受组(18例)、排斥反应组(12例)以及健康对照组(13例)。应用表面增强激光解吸离子化飞行时间质谱(SELDI-TOF-MS)技术对血浆样本进行蛋白质组学分析。使用Biomarker Wizard及Biomarker Patterns软件筛选差异质谱峰，建立诊断模型。通过检索SWISS-PROT及TrEMBL数据库，对模型节点质谱峰进行鉴定。结果获得差异蛋白质谱峰21个(P<0.05)。建立由M2 565.15、M1 966.28、M6 674.78、M1 103.27，M1 716.69、M1 966.28五个质谱峰构成的诊断模型。模型诊断临床几乎耐受的敏感性为83.3%、特异性为92.0%、ROC曲线下面积为0.951。模型节点质谱峰的生物信息学鉴定结果为：B型利钠肽(ANFB)、黑色素浓集激素(MCH)、三叶因子1(TFF1)、强啡肽原(PDYN)、蛋白酶体激活亚3(PSME3)。结论通过血浆蛋白质组学方法建立诊断模型能够有效识别肾移植临床几乎耐受者。

简介：摘要目的建立基于实验室指标的肝内胆管癌(ICC)与肝细胞癌(HCC)的术前鉴别诊断模型。方法回顾性分析2016年1月至2020年5月在南京医科大学第一附属医院确诊的833例原发性肝癌患者的资料，包括男性652例，女性181例，年龄(59.0±11.1)岁，649例HCC，184例ICC。依据纳入时间的先后，将患者分为建模组(577例)和验证组(256例)。收集患者的临床资料，使用单因素和多因素logistic回归分析ICC的独立危险因素，确定用于鉴别模型的预测变量并绘制列线图，使用一致性指数(C-index)和校准图对模型的区分度和校准度进行评价。结果女性(OR＝4.989，95%CI：2.547~9.772)、乙肝表面抗原阳性(OR＝0.144，95%CI：0.074~0.279)、甲胎蛋白(21~399 ng/ml，OR＝0.142，95%CI：0.072~0.283；≥400 ng/ml，OR＝0.023，95%CI：0.006~0.095)、癌胚抗原>4.7 ng/ml(OR＝2.667，95%CI：1.352~5.261)以及肿瘤糖类抗原199>39 ng/ml(OR＝11.019，95%CI：5.739~21.159)是ICC的独立鉴别因素。将这5个变量纳入模型，绘制列线图，建模组和验证组的C-index分别为0.942(95%CI：0.919~0.965)和0.949(95%CI：0.914~0.985)，校准图中校准曲线拟合良好。结论本研究成功建立了ICC与HCC术前鉴别诊断模型，该模型可为临床术前决策提供依据。

简介：摘要在中国，以冠心病为代表的心血管疾病是目前最主要的死亡原因之一，对患者的健康带来严重的危害，对社会造成严重的经济负担。冠心病的早期诊断模型的建立，能显著减轻冠心病的危害，最大程度降低急性冠脉综合征的发生率，本文就新型诊断模型研究进展综述如下。

简介：摘要目的构建基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型。方法收集700例甲状腺液基细胞学涂片，扫描成数字图像，经良、恶性标注后按比例分成训练集和测试集，噪声滤除后提取有效区域分别在10×和40×分割成512×512的小图像块，构建分类模型对训练集深度学习并对测试集自动判读，经数据增强和参数迭代优化，统计辅助诊断模型的准确率、灵敏度、特异度、阳性预测值和阴性预测值等评价指标。结果训练集560例含4 926个细胞团的11 164个图像块，测试集140例含977个细胞团的1 402个图像块，选取YOLO网络构建细胞团检测模型，用ResNet50作为分类模型，经过40轮迭代训练，10×倍率下准确率为90.01%，灵敏度89.31%，特异度92.51%，阳性预测值97.70%，阴性预测值70.82%，曲线下面积高达0.97，平均判读时间不足1 s。40×时虽极为灵敏（98.72%）但特异性较差，提示10×放大倍率下辅助诊断模型更为可靠。结论该辅助诊断模型与病理医师水平基本相当，且诊断效率远远超出。可大大提高阅片一致性和效率，降低漏诊率。未来可继续扩大样本量获取更多病变形态，提高准确率，达到临床应用水平。

简介：【摘要】目的 浅析血清无创诊断模型在中药治疗乙型肝炎病毒（HBV）肝纤维化疗效评估中的价值，以便为日后临床制定治疗方案提供参考。方法 抽取2019年1月1日至2021年12月31日在新乡医学院第三附属医院确诊为乙型肝炎肝硬化患者，选取单纯应用抗病毒药物的患者30例纳入对照组（A组），应用中成药和抗病毒药的联合用药患者纳为联合治疗组，将其随机分为三种治疗方案组：在抗病毒基础上，服用安络化纤丸的患者30例纳入B1组，服用扶正化瘀胶囊的患者30例纳入B2组，服用肝爽颗粒的患者30例纳入B3组，应用多种血清诊断模型公式进行数据计算，同时拟选用最新构建的模型公式Forns指数、RPR进行公式计算，所得数据运用统计学方法进行分析，横向比较在治疗过程中血清诊断模型指标变化情况，并且比较常用血清诊断模型和最新研究建模的模型在评价疗效动态变化过程中的敏感性及特异性。结果 患者治疗前后HBV-DNA定量、ALT、AST、PLT、GGT、RDW、CHO、门静脉内径、脾脏厚度、肝硬度值、Forns指数、RPR指数相比，差异有统计学意义（P＜0.05）；治疗后各组间AST、脾脏厚度、RPR指数相比，差异有统计学意义（P＜0.05）。结论 针对HBV肝纤维化中医治疗效果使用血清无创诊断模型可有效评估，有利于制定针对性治疗方案。

简介：摘要目的基于血清小分子核糖核酸（microRNA，miRNA）构建阿尔茨海默病（Alzheimer′s disease，AD）预测诊断模型。方法从高通量基因表达数据库下载1 021例AD患者和288名健康对照者血清miRNA芯片数据，共1 309个样本。按年龄匹配AD患者和健康对照者，筛选出494例样本用于训练和验证诊断模型。将miRNA表达值从高到低排序选取前1 000个探针进入下一步研究。按照7∶3的比例将494例样本分为训练组和验证组。采用LASSO回归筛选miRNA，结合性别、载脂蛋白E4基因型和miRNA数据，采用逐步回归进一步筛选自变量并构建多因素诊断模型。采用受试者工作特征曲线（receiver operating characteristic，ROC）和校准曲线，在训练组、验证组、训练组+验证组以及1 309例总样本中验证模型的准确性，并绘制诺莫图进行实际案例预测。结果多因素诊断模型在训练组、验证组、训练组+验证组以及1 309例总样本的ROC曲线下面积分别为0.870、0.831、0.842和0.826，具有较高的预测效力。诺莫图显示，1例男性患者的预测值总分521分（P=0.022 8），提示该样本为AD，和实际结果一致。结论基于11个血清miRNA、性别以及载脂蛋白E4 基因型的诊断模型能较好地预测AD。