发布时间： 2025-05-08 13:39:19
JAMA 2025/04/28-2025/05/04
1.医生和大型语言模型生成的出院总结 5.5 JAMA Internal Medicine
2.面向临床医生的环境人工智能文档平台的评估 5.2 JAMA Network Open
3.来自CT的原发肿瘤和转移性颈部淋巴结的深度学习模型用于口咽癌预后预测 5.1 JAMA Network Open
THE LANCET 2025/04/28-2025/05/04
1.通过应用于视网膜图像的深度学习对糖尿病肾病进行无创活检诊断：一项基于人群的研究 4.30 The Lancet Digital Health
2.心力衰竭患者心房颤动导管消融风险分层和共享决策工具的开发和验证：一项多中心队列研 4.28 eClinicalMedicine
3.隐球菌性脑膜炎死亡率的个性化风险预测工具以指导撒哈拉以南非洲的治疗分层：一项基于两项随机对照试验汇总分析的预后建模研究 5月 The Lancet Global Health
Nature 2025/04/28-2025/05/04
1.中国妊娠期糖尿病的遗传结构及风险预测 5.4 Nature Communications
JAMA
1.医生和大型语言模型生成的出院总结
Physician- and Large Language Model–Generated Hospital Discharge Summaries
(1)目的：确定大型语言模型（LLM）生成的出院总结叙述是否与医生的叙述具有相当的质量和安全性。
(2)结论：在这项对100次住院医院医学就诊的横断面研究中，LLM生成的出院总结叙述与医生生成的叙述质量相当，并且同样受欢迎。LLM生成的叙述更有可能包含错误，但总体危害性评分较低。这些结果表明，在临床实践中，在人工审查后使用此类叙述可能为住院医师提供可行的选择。
2.面向临床医生的环境人工智能文档平台的评估
Evaluation of an Ambient Artificial Intelligence Documentation Platform for Clinicians
(1)目的：了解临床医生在实施环境AI之前和之后的体验
(2)结论：本研究发现，环境AI与临床医生笔记中整体体验和时间的改善有关，但因性别和专业而异。未来的研究应该调查这项快速发展的技术大规模扩展后的结果。
3.来自CT的原发肿瘤和转移性颈部淋巴结的深度学习模型用于口咽癌预后预测
Deep Learning Model of Primary Tumor and Metastatic Cervical Lymph Nodes From CT for Outcome Predictions in Oropharyngeal Cancer
(1)目的：开发和验证一种基于计算机断层扫描（CT）的深度学习分类器，该分类器集成了原发性肿瘤（PT）和转移性颈部淋巴结（LN）功能，以预测p16+ 口咽鳞状细胞癌（OPSCC）的结果，并确定可能获得与化疗相关的额外益处的I期疾病患者。
(2)结论：这项p16+ OPSCC的预后研究描述了基于CT的影像学风险评分的开发，该评分结合了PT和转移性宫颈LN特征，以预测复发风险并确定适合治疗的候选人。该工具可以在高度精细的水平上优化p16 + OPSCC的治疗调节。
THE LANCET
1.通过应用于视网膜图像的深度学习对糖尿病肾病进行无创活检诊断：一项基于人群的研究
Non-invasive biopsy diagnosis of diabetic kidney disease via deep learning applied to retinal images: a population-based study
(1)背景：提高筛查糖尿病肾病（DKD）的可及性以及区分孤立性糖尿病肾病与非糖尿病肾病（NDKD）是糖尿病护理领域的两大挑战。我们旨在开发和验证人工智能（AI）深度学习系统，以从视网膜眼底图像中检测DKD和孤立的糖尿病肾病。
(2)解释：在不同的多种族糖尿病人群中，基于视网膜图像的AI深度学习系统显示出其在临床实践中检测DKD和区分孤立性糖尿病肾病与NDKD的潜力。
2.心力衰竭患者心房颤动导管消融风险分层和共享决策工具的开发和验证：一项多中心队列研
Development and validation of risk stratification and shared decision-making tool for catheter ablation for atrial fibrillation in patients with heart failure: a multicentre cohort study
(1)背景：心房颤动（AF）和心力衰竭（HF）共存对风险评估和治疗决策提出了重大挑战。本研究旨在开发一种共享决策工具，有助于风险分层并指导AF和HF患者的射频导管消融术（RFCA）决策。
(2)解释：这种基于机器学习的工具通过在风险分层后识别最有可能从RFCA中受益的患者，在促进AF和HF患者的共同决策方面显示出前景。然而，由于该工具是基于观察性研究数据开发的，因此其有效性需要在干预试验和实际临床实践中进一步验证。
3.隐球菌性脑膜炎死亡率的个性化风险预测工具以指导撒哈拉以南非洲的治疗分层：一项基于两项随机对照试验汇总分析的预后建模研究
Personalised risk-prediction tools for cryptococcal meningitis mortality to guide treatment stratification in sub-Saharan Africa: a prognostic modelling study based on pooled analysis of two randomised controlled trials
(1) 背景：隐球菌性脑膜炎是全球HIV相关死亡率的主要驱动因素，经过验证的死亡风险分层方法可能有助于制定有效的治疗策略。我们旨在开发和验证模型，以预测撒哈拉以南非洲国家HIV相关隐球菌性脑膜炎患者的全因死亡风险。
(2) 解释：这两种模型都准确预测了HIV感染者的2周死亡率，并有可能纳入低收入和中等收入国家的未来治疗分层方法。
Nature
1.中国妊娠期糖尿病的遗传结构及风险预测
Genetic architecture and risk prediction of gestational diabetes mellitus in Chinese pregnancies
(1)摘要：妊娠糖尿病是一种遗传性代谢紊乱，也是最常见的妊娠相关疾病，其遗传结构和使用遗传数据进行早期预测的潜力仍未得到充分研究。在这里，我们利用他们的无创产前检测测序数据和详细的产前记录，对116,144例中国孕妇进行了全基因组关联研究。我们确定了13个妊娠糖尿病新位点和111 个血糖性状新位点，次要等位基因频率为0.01-0.5，绝对效应量为0.03-0.62。这些基因座中大约50%是妊娠糖尿病和妊娠期血糖水平的特异性基因，与东亚人的2型糖尿病和一般血糖水平不同。整合多基因风险评分和产前记录的机器学习模型预测妊娠20周前妊娠糖尿病，受试者工作特征曲线下面积为0.729，准确率为0.835。Shapley 值强调多基因风险评分是关键贡献者。该模型使用临床无创产前检查为早期妊娠糖尿病预测提供了一种经济高效的策略。
上一篇：泼尼松无效反增风险？《JAMA》中国研究：IVF反复失败患者慎用！
下一篇：透析患者心脏瓣膜钙化早期筛查机器学习模型的开发和外部验证：一项多中心研究
