基于常规血液指标的可解释机器学习模型用于牙周炎严重程度分层及外部验证
作者报告,基于年龄、性别、吸烟状态与13项血液指标的堆叠模型在已确诊牙周炎成人中区分III–IV期与I–II期,外部验证AUC为0.774,判别能力中等但校准欠佳;属回顾性模型研究层面的证据支持,尚不足以支持临床直接使用。 研究为两中心回顾性研究,开发队列1321例、外部验证队列
作者报告,基于年龄、性别、吸烟状态与13项血液指标的堆叠模型在已确诊牙周炎成人中区分III–IV期与I–II期,外部验证AUC为0.774,判别能力中等但校准欠佳;属回顾性模型研究层面的证据支持,尚不足以支持临床直接使用。 研究为两中心回顾性研究,开发队列1321例、外部验证队列
结论:在放射资源有限场景下,基于胸片的深度学习模型ShuffleNetV2对活动性肺结核的识别具有较好的判别能力,回顾性外部队列与前瞻性队列AUC分别为0.917与0.896,证据支持其作为分诊辅助工具,但不足以单独用于启动治疗。 设计:诊断准确性研究,属回顾性加前瞻性多中心设计
该初步观察研究提示,消化内镜操作会产生可量化的焚烧相关CO2排放,其中ESD单次操作排放量最高,ERCP与EGD按每分钟计的排放强度最高;证据档位为C,属描述性基线数据,不足以下因果或普遍化结论。 设计为双中心观察性研究,纳入2024年6月至2025年1月的EGD、结肠镜(CS)
在422例患者、7442条MR波谱数据上,将全谱视为代谢指纹并采用多示例学习建模,最佳配置在独立内部留出测试集上区分肿瘤性与非肿瘤性脑病变的AUC为0.82(敏感度0.76、特异度0.80),提示该方法具有中等判别能力;证据档位为C。 研究设计与做法:回顾性分析单中心(材料未明确
提示:基于编码区罕见变异的机器学习分类器可区分家族性与散发性梅尼埃病,并提示部分散发病例存在隐藏的隐性遗传成分;该结论来自单一遗传学建模研究,尚需独立队列验证。 研究设计为病例分类建模研究,材料未报告具体样本量与队列来源;以家族性与散发性梅尼埃病病例的编码区罕见变异为输入,构建整
结论:比较综述认为欧盟在AI辅助医学影像的透明性与披露义务上比澳大利亚更明确、更全面,澳大利亚框架仍处发展中且分散;证据档位为B,属提示性。 设计:比较性叙述综述,聚焦澳大利亚与欧盟在AI辅助医学影像中透明度、披露与知情同意的法律与监管路径;材料未报告检索数据库、检索时间、纳入文
该综述认为,计算科学与机器学习为儿童失调性精神病理及注意缺陷多动障碍的早期识别与预后预测提供了改进诊断与资源配置的机会,但当前证据尚不足以下结论,模型走向临床仍需系统验证。 为叙述性综述(证据档位B),未开展原始数据分析;材料未报告纳入文献数量、检索策略与随访时长,亦未报告具体样
结论:该系统综述与Meta分析提示,全自动深度学习模型在超声心动图多类任务中表现较高,部分任务或可减少对专家判读的依赖并提升流程自动化,但临床效用与真实场景验证不足,证据档位为C。 设计与做法:系统检索PubMed、CENTRAL与Web of Science,初检16248篇,
结论:人工智能与数字病理在成人中枢神经系统肿瘤诊疗中显示出改善诊断一致性、缩短周转时间并整合多模态信息的潜力,但作者将其定位为有前景的方向,临床落地仍受多重障碍制约,尚不足以下结论认为可常规替代现有流程。 设计:叙述性综述,检索PubMed中2021年WHO中枢神经系统肿瘤分类第