03.30-04.06 临床预测模型研究顶刊快报

1、基于远程医疗筛查中血管严重程度定量评估的精准风险模型  04.02 JAMA Ophthalmology

2、利用临床风险评分预测寻常型天疱疮喉部受累情况  04.01  JAMA Dermatology

1、基于智能手机手术切除图像的深度学习模型在临床IA期肺腺癌病理侵袭性预测中的应用（SuRImage）：一项前瞻性、多中心诊断研究  04.01  The Lancet Digital Health

1、基于远程医疗筛查中血管严重程度定量评估的精准风险模型

Precision Risk Model Using Quantitative Assessment of Vascular Severity in Telemedicine-Based Screening

（1）背景：通过人工智能或临床医生评估将血管严重程度纳入考量，是否能提高对需要治疗的早产儿视网膜病变 (TR-ROP) 的短期预测能力，并减轻检查负担？

（2）结论：这项诊断研究纳入了来自两个大型多中心数据集的2103名婴儿，结果表明，与仅使用胎龄和矫正胎龄相比，加入血管严重程度可提高模型的区分度。在确保100%灵敏度的决策阈值下，模拟实施该指标在训练集、验证集和内部子集队列中减少了28%的检查次数，在验证队列中减少了39%的检查次数，且未漏诊TR-ROP；采用临床评估替代该指标后，模型仍保持了良好的性能。

2、利用临床风险评分预测寻常型天疱疮喉部受累情况

Predicting Laryngeal Involvement in Pemphigus Vulgaris Using a Clinical Risk Score

（1）背景：临床参数能否预测寻常型天疱疮的深部喉部受累情况，从而指导喉镜检查决策？

（2）结论：在这项纳入247例寻常型天疱疮患者的队列研究中，采用声音嘶哑、吞咽困难和疾病严重程度评分系统，其受试者工作特征曲线下面积为0.779，阴性预测值为92.6%。评分0至1分的患者喉部受累率为0%，而评分4分及以上的患者的阴性预测值为66.7%。

1、基于智能手机手术切除图像的深度学习模型在临床IA期肺腺癌病理侵袭性预测中的应用（SuRImage）：一项前瞻性、多中心诊断研究

Deep learning model for pathological invasiveness prediction using smartphone-based surgical resection images in clinical stage IA lung adenocarcinoma (SuRImage): a prospective, multicentric, diagnostic study

（1）背景：在临床IA期肺腺癌（LUAD）中，快速准确的术中诊断对于决定是否进行肺段切除或肺叶切除至关重要。冰冻切片分析耗时较长，且其结果并非总是可靠，难以用于LUAD的诊断和分级。我们利用手术切除图像开发了深度学习模型，以辅助IA期LUAD的快速诊断和风险分层，从而帮助制定手术决策。

（2）结论：我们纳入了来自广东省人民医院的1529例患者（共2344张手术切面图像）、来自广东医科大学附属医院的116例患者（共307张图像）以及来自梅州市人民医院的82例患者（共259张图像）。在广东省人民医院，基于手术切除图像的模型（SuRImage）在识别浸润性肺腺癌、诊断浸润性肺腺癌和进行浸润性肺腺癌分级方面的曲线下面积（AUC）分别为0.84（95% CI 0.82–0.86）、0.87（0.86–0.88）和0.85（0.83–0.86）。SuRImage的诊断性能优于冰冻切片。借助 SuRImage，胸外科医生对侵袭性肺腺癌分级的平均诊断准确率可从 63.80%（95% CI 60.57–67.03）提高到 73.44%（67.68–79.19）。