02.17-02.23 临床预测模型研究顶刊快报

1. 通过机器学习预测精神分裂症或双相情感障碍的诊断进展

Predicting Diagnostic Progression to Schizophrenia or Bipolar Disorder via Machine Learning

(1) 目的：探讨在电子健康记录（EHR）的常规临床数据上训练的机器学习模型是否可以预测因其他精神疾病接受精神病学服务治疗的患者是否会发展为精神分裂症或双相情感障碍。

(2) 结论：这些发现表明，可以从EHR中提取的常规临床数据中预测向精神分裂症和双相情感障碍的诊断转变，其中精神分裂症明显比双相情感障碍更容易预测。 

2. 8个吸烟指标对头颈部鳞状细胞癌生存建模的性能

Performance of 8 Smoking Metrics for Modeling Survival in Head and Neck Squamous Cell Carcinoma

(1) 目的：确定哪种吸烟指标最能模拟头颈部鳞状细胞癌（HNSCC）患者吸烟暴露与总生存期（OS）之间的线性关联。

(2) 结论：在这项队列研究中，吸烟持续时间和对数烟年最好地模拟了HNSCC患者与OS的线性关系。这两个指标在特定的临床人口学亚组和解剖亚位点中都保持了稳健的表现。尽管大多数HNSCC生存模型使用吸烟状况或包年控制吸烟暴露，但持续时间和对数烟年可能是解释吸烟对生存影响的更好指标。

1. 人工智能通过智能手机应用程序辅助识别新生儿耳廓畸形

Artificial intelligence assisted identification of newborn auricular deformities via smartphone application

(1) 目的：本研究提出了一种新的人工智能（AI）模型，用于使用移动设备拍摄的照片来识别和分类耳廓畸形的常见亚型。

(2) 结论：开发的系统为临床应用提供了高效且具有成本效益的解决方案，包括新生儿耳廓畸形的早期诊断、监测治疗进展和教育目的。

 2. 机器学习检测大肠杆菌中的异质耐药性

Machine learning detection of heteroresistance in Escherichia coli

(1) 目的：本文旨在研究了全基因组序列（WGS）数据和机器学习（ML）是否可用于检测细菌异质耐药性（HR）。

(2) 结论：WGS和ML的组合可以以完美的灵敏度和高特异性识别细菌中的HR。这种改进的检测将有助于做出更明智的治疗决策，并可能减少与HR相关治疗失败的发生。

 3. 利用近乎实时的患者和人群数据来整合严重COVID-19的波动风险：个性化风险预测工具的开发和前瞻性验证

Leveraging near-real-time patient and population data to incorporate fluctuating risk of severe COVID-19: development and prospective validation of a personalised risk prediction tool

(1) 目的：本研究的目的是开发和前瞻性验证一种工具，用于预测严重COVID-19的绝对风险，并结合患者和人群水平的动态参数，可用于为临床护理提供信息。

(2) 风险预测工具使用一种简单的方法来调整时间变化，并且可以实施以促进循证疗法的采用。该研究提供了概念验证，用于利用实时数据来支持风险预测，其中包括不断变化的人群水平趋势和患者水平风险的变化。

 4. 开发基于MRI的人工智能模型，用于识别缺血性卒中后潜在的心房颤动：多中心概念验证分析

Development of an MRI based artificial intelligence model for the identification of underlying atrial fibrillation after ischemic stroke: a multicenter proof-of-concept analysis

(1) 目的：创建一种新的端到端人工智能（AI）模型，该模型使用磁共振成像（MRI）数据快速识别急性缺血性中风患者的高心房颤动（AF）风险。

(2) 我们的研究表明MR图像上的脑缺血病变模式与潜在的AF之间存在潜在关联。此外，通过额外的验证，我们开发的AI模型可以作为卒中单元临床实践中AF的快速筛查工具。

 5. 开发和验证定量正痘病毒免疫测定法，以评估和区分对猴痘感染和疫苗接种的血清学反应

Development and validation of a quantitative Orthopoxvirus immunoassay to evaluate and differentiate serological responses to Mpox infection and vaccination

(1) 目的：我们旨在开发一种定量免疫测定法，以区分感染和疫苗接种诱导的免疫力，并探索对猴痘感染和疫苗接种的血清学反应。

(2) 结论：该测定在量化和区分对猴痘病毒（Mpox）感染和疫苗接种的抗体反应方面表现出高灵敏度和特异性。猴痘后抗体反应高于接种疫苗后，尽管两者都随着时间的推移而减弱。

1. 基于DNA甲基化的脑肿瘤诊断的可解释人工智能

Explainable artificial intelligence of DNA methylation-based brain tumor diagnostics

(1) 目的：开发了一种机器学习分类器，可以根据临床广泛使用的全基因组DNA甲基化图谱对脑肿瘤进行快速、准确和经济实惠的分类。

(2) 结论：预计该分类器将在临床环境中建立对机器学习的信任，促进生物标志物的发现和紧凑的即时检测的开发，并实现脑肿瘤的进一步表观基因组研究。

 2. 从组织学图像中系统推断超分辨率细胞空间图

Systematic inference of super-resolution cell spatial profiles from histology images

(1) 目的：在这项研究中报道了一种弱监督深度学习方法HistoCell，该方法从单核水平的组织学图像中直接推断由细胞类型、细胞状态及其空间网络组成的超分辨率细胞空间图谱。

(2) 结论：HistoCell将成为一种强大的多功能工具，可用于仅组织学图像队列中的癌症研究。