简介:摘要目的采用血清代谢指纹采集方法筛选肺癌相关差异调控代谢物,为肺癌诊断提供候选标志物。方法在上海长海医院开展队列入组工作,共纳入2021年1月27日至6月4日的228例受试者,其中包括初诊确认肺癌患者97例和健康体检人群131名。根据标准流程采集入组队列血清样本,并通过分层随机抽样,将入组队列分为训练集和完全独立的验证集。采用纳米辅助激光解吸电离质谱对血清样品进行代谢指纹图谱采集。对训练集样本年龄、性别进行质量控制后,通过机器学习算法构建基于血清代谢指纹图谱的诊断模型,并采用受试者工作特征(ROC)曲线评价模型的分类效能。结果通过新型纳米辅助激光解吸电离质谱,可在1 min内完成血清样品的代谢指纹提取,过程仅需消耗1 μl原始血清。针对训练集,基于此构建的分类器诊断肺癌的ROC曲线下面积(AUC)为0.92(95%CI 0.87~0.97),敏感度为89%,特异度为89%。在独立验证队列中,AUC为0.96(95%CI 0.90~1.00),敏感度为91%,特异度为94%,没有表现出性能损失。确定了由5个代谢物组成的标志物组合,展示了肺癌患者的独特代谢模式。结论本研究结合血清代谢指纹图谱和机器学习建立了肺癌的诊断模型,用于区分肺癌患者以及健康对照,可用于临床的体外诊断。
简介:摘要兴趣是学生学习积极性中很现实、很活跃的一种心理成分,它在学习活动中起着十分重要的作用,是人才培养的“起点”,本文就课堂实践中的具体案例初步探讨了中医养生教学中引用经典故事、成语典故、音乐诗歌、名人效应调动学生学习兴趣的方法。
简介:复旦大学附属儿科医院康复中心和哈尔滨市儿童医院康复科联合主办国家级继续医学教育项目"儿童临床康复标准化测试学习班"(国20121600068),将于2012年4月27-30日在黑龙江省哈尔滨市举办,学习班将邀请有关专家介绍国内#FJL童康复界使用广泛的相关标准化测试方法与体系,包括高危儿的早期筛查与随访评估。
简介:摘要近年来,大数据、人工智能和云计算等技术的快速发展给医疗健康领域带来巨大机遇和挑战。以深度学习(deep learning,DL)为代表的人工智能研究方法在耳鼻咽喉头颈外科疾病诊疗、预后分析及病因研究等方面发挥日益重要的作用。DL不仅与专家诊断水平相当,而且节约时间和经济成本,但也存在获取高质量大数据和临床推广运用等多方面难题。本文对其相关研究进行回顾分析,探讨其临床运用价值及面临的挑战。