12.30-01.05 临床预测模型研究顶刊快报

1. 基于中国体检记录的COVID-19后病情比较队列研究

A comparative cohort study of post-COVID-19 conditions based on physical examination records in China

(1) 背景：2019年冠状病毒病（COVID-19）是由SARS-CoV-2病毒感染引起的是一种多系统疾病，可能在多个层面对各种器官产生多方面的影响。截至2022年底，由于疫情防控政策的调整，超过90%的中国人口在35天内感染了SARS-CoV-2。这种短期变化为大规模人群中COVID-19感染的比较研究提供了前所未有的机会。

(2) 解释：这些发现强调了COVID-19对心血管健康的影响及其与慢性病的潜在相互作用。

 2. 开发和验证预测创伤性脑损伤患者认知障碍的模型：一项前瞻性观察研究

Development and validation of a model to predict cognitive impairment in traumatic brain injury patients: a prospective observational study

(1) 背景：创伤性脑损伤（TBI）是全球范围内的一个重大的公共卫生问题，每年影响数百万人。认知障碍是TBI最常见的长期后果之一，严重影响生活质量。我们旨在开发和验证TBI患者认知障碍的预测模型，目的是早期识别和支持那些在入院时有发生认知障碍风险的人。

(2) 解释：这种预测TBI后认知障碍的模型对于促进临床医生的早期预测具有潜在价值，有助于早期开始认知障碍的预防性干预。

 3. 前瞻性部署的基于深度学习的自动化质量保证工具，用于肿瘤姑息性脊柱放射治疗

A prospectively deployed deep learning-enabled automated quality assurance tool for oncological palliative spine radiation therapy

(1) 背景：姑息性脊柱放射治疗容易在错误的解剖水平进行治疗。我们开发了一种基于深度学习的全自动脊柱靶向质量保证系统（DL-SpiQA），用于检测错误解剖水平的治疗。DL-SpiQA根据脊柱放射治疗和前瞻性临床部署的回顾性检查进行评估。

(2) 解释：低假阳性率、低假阴性率和标记错误的高精度表明DL-SpiQA是一种有效的、人工智能驱动的自动化质量保证工具，可用于识别解剖脊柱变异和解剖学水平的靶向错误。因此，该工具可以帮助提高脊柱放疗的安全性。需要进一步的外部验证和定制。

 4. 利用人工智能预测儿童膜周室间隔缺损的自发闭合：一项在中国的多中心回顾性研究

Leveraging artificial intelligence for predicting spontaneous closure of perimembranous ventricular septal defect in children: a multicentre, retrospective study in China

(1) 背景：膜周室间隔缺损（PMVSD）是一种普遍的先天性心脏病，在预测自发性闭合方面存在挑战，这对于治疗决策至关重要。现有模型主要依赖于结构化超声心动图参数或受限数据。本研究介绍了一种基于人工智能的模型，该模型使用自然语言处理（NLP）和机器学习，旨在提高PMVSD中的自发闭合可预测性。

(2) 解释：这种基于人工智能的模型用于预测PMVSD患者的自发闭合，代表着一项重大进步，有可能改善患者管理，降低延迟或不适当治疗的风险，并改善临床结果。

 5. 生成式预训练Transformer 4（GPT-4）分析三种不同语言的医疗记录的潜力：一项回顾性模型评估研究

The potential of Generative Pre-trained Transformer 4 (GPT-4) to analyse medical notes in three different languages: a retrospective model-evaluation study

(1) 背景:患者记录包含大量信息，但由于格式非结构化，计算机难以分析。大型语言模型（LLM），例如生成式预训练Transformer 4（GPT-4），已经改变了我们处理文本的能力，但我们不知道它们处理医疗记录的效率如何。我们旨在评估GPT-4在阅读三种不同语言的医疗记录后回答预定义问题的能力。

(2) 解释:我们的模型评估研究结果表明，GPT-4在分析三种不同语言的医疗记录时是准确的。未来，研究应探索如何将LLM整合到临床工作流程中，以最大限度地利用它们在医疗保健中的使用。