近日，我校醫(yī)學(xué)信息與工程學(xué)院李書艷教授團隊在ERCP術(shù)后膽囊炎的智能輔助診療方面取得重要進展。相關(guān)研究成果發(fā)表在國際權(quán)威期刊《柳葉刀》子刊《EClinicalMedicine》(JCR Q1，IF = 17.033) ，題目為“A novel machine learning model and a public online prediction platform for prediction of post-ERCR-cholecystitis(PEC)”。相關(guān)成果是與蘭州大學(xué)第一附屬醫(yī)院、中山大學(xué)第七附屬醫(yī)院合作取得的，李書艷教授為該論文的共同通訊作者。

經(jīng)內(nèi)鏡逆行性胰膽管造影術(shù)(ERCP)是膽總管結(jié)石患者的優(yōu)秀治療方案，該技術(shù)因其微創(chuàng)優(yōu)勢廣受患者青睞，但ERCP仍存在并發(fā)癥風(fēng)險，包括ERCP術(shù)后胰腺炎(PEP)、膽囊炎(PEC)等。PEC發(fā)病原因復(fù)雜，病程進展迅速，臨床治療比常規(guī)膽囊炎更為棘手。該研究設(shè)計了一項隊列研究，應(yīng)用機器學(xué)習(xí)中隨機森林 (RF) 算法建立膽總管結(jié)石患者 ERCP 術(shù)后PEC的預(yù)測模型。利用患者的基線臨床參數(shù)、術(shù)前實驗檢查、影像學(xué)結(jié)果、ERCP操作參數(shù)和術(shù)后實驗室數(shù)據(jù)構(gòu)建RF模型來篩選關(guān)鍵特征并預(yù)測PEC。此外，該實驗還納入系列獨立外部驗證數(shù)據(jù)對模型進行驗證，并證實該模型預(yù)測敏感度及特異度高，具有較高的臨床價值。為了進一步推廣應(yīng)用，研究團隊建立了國際公開預(yù)測平臺—數(shù)字疾病預(yù)測平臺(Central Prediction Platform of Digital Disease，CPPDD)，該模型預(yù)測平面向國際學(xué)者開放臺 http://www.cppdd.cn/PEC/，可免費公開訪問，用于幫助臨床醫(yī)生預(yù)測PEC。

本研究是一項典型的醫(yī)學(xué)與人工智能相結(jié)合的研究成果，是醫(yī)學(xué)信息與工程學(xué)院堅持以醫(yī)工結(jié)合為特色，立足“醫(yī)學(xué)+AI”的重要體現(xiàn)。

以上是有昭昭考研團隊老師為準(zhǔn)備考研的小伙伴整理的重要信息，如果對您有幫助請繼續(xù)支持我們，或者關(guān)注我們昭昭教育考研公眾號“昭昭醫(yī)學(xué)考研”獲取更多上岸經(jīng)驗，最后祝大家。

免責(zé)聲明：本站所提供的內(nèi)容均來源于網(wǎng)絡(luò)，如涉及侵權(quán)問題，請聯(lián)系本站管理員予以更改或刪除。