1.用于重癥監(jiān)護(hù)轉(zhuǎn)運(yùn)的機(jī)器學(xué)習(xí)創(chuàng)傷分診模型

A Machine Learning Trauma Triage Model for Critical Care Transport

(1) 目的：開發(fā)一種用于創(chuàng)傷性損傷患者院前使用的分診模型，該模型由機(jī)器學(xué)習(xí)（ML）分析連續(xù)生理波形信號(hào)和生命體征的衍生模式提供支持。

(2) 結(jié)論：在這項(xiàng)針對(duì)院前創(chuàng)傷危重患者的隊(duì)列研究中，使用生理特征的ML分診模型為單個(gè)患者提供了挽救生命的干預(yù)實(shí)施的準(zhǔn)確預(yù)測(cè)?？梢栽诂F(xiàn)場(chǎng)部署建模方法，以幫助簡(jiǎn)化和增強(qiáng)院前分診。

2.使用 AI 指導(dǎo)醫(yī)院環(huán)境中艱難梭菌感染預(yù)防工作

Guiding Clostridioides difficile Infection Prevention Efforts in a Hospital Setting With AI

(1) 目的：評(píng)估AI引導(dǎo)的感染預(yù)防集束化與醫(yī)院環(huán)境中艱難梭菌感染（CDI）發(fā)病率的相關(guān)性。

(2) 結(jié)論：在這項(xiàng)質(zhì)量改進(jìn)研究中，人工智能引導(dǎo)的感染預(yù)防集束化的實(shí)施與研究地點(diǎn)已經(jīng)很低的CDI發(fā)病率的顯著降低無(wú)關(guān)，但它與CDI相關(guān)抗菌藥物使用減少有關(guān)。結(jié)果突出了AI在支持抗菌藥物管理方面的潛力。在未來(lái)的應(yīng)用程序中，需要解決實(shí)施的障礙，包括基礎(chǔ)設(shè)施、員工知識(shí)和工作流程集成。

 3.用于皮膚鱗狀細(xì)胞癌風(fēng)險(xiǎn)分層的檢索增強(qiáng)生成支持大型語(yǔ)言模型

Retrieval Augmented Generation–Enabled Large Language Model for Risk Stratification of Cutaneous Squamous Cell Carcinoma

(1) 目的：確定在具有超過(guò)1萬(wàn)億個(gè)參數(shù)的綜合數(shù)據(jù)集上訓(xùn)練并配備相關(guān)聚焦上下文和檢索增強(qiáng)生成（RAG）的定制生成預(yù)訓(xùn)練轉(zhuǎn)換器模型是否可以在聚合和解釋大量數(shù)據(jù)方面表現(xiàn)出色，以開發(fā)一種優(yōu)于當(dāng)前標(biāo)準(zhǔn)的新型基于類別的風(fēng)險(xiǎn)分層系統(tǒng)。

(2) 結(jié)論：這項(xiàng)診斷研究的結(jié)果表明，AIRIS系統(tǒng)優(yōu)于現(xiàn)有的BWH和AJCC8預(yù)后系統(tǒng)，可能為預(yù)測(cè)cSCC的不良結(jié)果提供更有效的工具。本研究說(shuō)明了大型語(yǔ)言模型在改進(jìn)預(yù)后工具方面的潛力，為治療癌癥患者提供了啟示。

1.用于乳腺癌新輔助化療反應(yīng)早期無(wú)創(chuàng)預(yù)測(cè)的 MRI 時(shí)空交互模型的開發(fā)和驗(yàn)證：一項(xiàng)多中心研究

Development and validation of an MRI spatiotemporal interaction model for early noninvasive prediction of neoadjuvant chemotherapy response in breast cancer: a multicentre study

(1) 背景：準(zhǔn)確和早期評(píng)估乳腺癌對(duì)新輔助化療（NAC）的反應(yīng)對(duì)于優(yōu)化治療策略和減少不必要的干預(yù)至關(guān)重要。雖然基于深度學(xué)習(xí)（DL）的方法在醫(yī)學(xué)成像分析中顯示出前景，但現(xiàn)有模型往往無(wú)法全面整合空間和時(shí)間腫瘤動(dòng)力學(xué)。本研究旨在開發(fā)和驗(yàn)證基于縱向MRI數(shù)據(jù)的時(shí)空相互作用（STI）模型，以預(yù)測(cè)乳腺癌患者對(duì)NAC的病理完全反應(yīng)（pCR）。

(2) 解釋：我們的研究建立了一種新的無(wú)創(chuàng)STI模型，該模型整合了NAC前后MRI的時(shí)空演變，以實(shí)現(xiàn)早期和準(zhǔn)確的pCR預(yù)測(cè)，為個(gè)性化治療提供潛在的指導(dǎo)。

 2.機(jī)器學(xué)習(xí)和人類預(yù)測(cè)的比較以識(shí)別需要出血控制復(fù)蘇的創(chuàng)傷患者（ShockMatrix 研究）：一項(xiàng)前瞻性觀察研究

Comparison of machine learning and human prediction to identify trauma patients in need of hemorrhage control resuscitation (ShockMatrix study): a prospective observational study

(1) 背景：機(jī)器學(xué)習(xí)可以提高對(duì)需要出血控制復(fù)蘇（HCR）的創(chuàng)傷患者的及時(shí)識(shí)別，但實(shí)際性能仍然未知。ShockMatrix研究旨在將機(jī)器學(xué)習(xí)算法的預(yù)測(cè)性能與臨床醫(yī)生在確定HCR需求方面的預(yù)測(cè)性能進(jìn)行比較。

(2) 解釋：前瞻性ShockMatrix時(shí)間驗(yàn)證研究表明，使用真實(shí)和實(shí)時(shí)信息預(yù)測(cè) HCR 需求時(shí)，人類和機(jī)器學(xué)習(xí)的性能相當(dāng)，兩者之間的一致性適中。如果臨床醫(yī)生使用機(jī)器學(xué)習(xí)增強(qiáng)的決策意識(shí)，可能會(huì)提高對(duì)需要HCR的患者的檢測(cè)。

 3.開發(fā)和測(cè)試基于 AI 的語(yǔ)音生物標(biāo)志物模型以檢測(cè)社區(qū)居民成年人的認(rèn)知障礙：日本的一項(xiàng)橫斷面研究

Developing and testing AI-based voice biomarker models to detect cognitive impairment among community dwelling adults: a cross-sectional study in Japan

(1) 背景：聲音是認(rèn)知障礙的潛在生物標(biāo)志物，因?yàn)檩p度認(rèn)知障礙（MCI）會(huì)導(dǎo)致語(yǔ)音模式和節(jié)奏發(fā)生變化。人工智能（AI）可以提供語(yǔ)音生物標(biāo)志物作為預(yù)測(cè)特征，從而及時(shí)、無(wú)創(chuàng)且經(jīng)濟(jì)高效地檢測(cè)認(rèn)知障礙。本研究旨在開發(fā)和測(cè)試?yán)谜Z(yǔ)音生物標(biāo)志物來(lái)檢測(cè)認(rèn)知障礙的預(yù)測(cè)模型，這些模型是AI從日本社區(qū)居民成年人的非結(jié)構(gòu)化對(duì)話的語(yǔ)音數(shù)據(jù)中獲得的。

(2) 解釋：我們使用語(yǔ)音生物標(biāo)志物的認(rèn)知障礙預(yù)測(cè)模型可以提供顯著節(jié)省時(shí)間的 MCI 篩查和高預(yù)測(cè)性能（AUC = 0.89）。語(yǔ)音生物標(biāo)志物對(duì)提高預(yù)測(cè)性能有顯著貢獻(xiàn)。

 4.探索2021年熱穹頂期間藥物與高溫相關(guān)社區(qū)死亡之間的關(guān)系：一種使用機(jī)器學(xué)習(xí)的混合方法

Exploring the relationship between medications and heat-related community deaths during the 2021 heat dome: a hybrid approach using machine learning

(1) 背景：極端高溫事件（EHE）對(duì)全球健康的威脅越來(lái)越大。迄今為止，只有有限數(shù)量的研究將藥物評(píng)估為EHE期間死亡的風(fēng)險(xiǎn)或保護(hù)因素。

(2) 解釋：本研究利用邏輯回歸（LR）和機(jī)器學(xué)習(xí)（ML）來(lái)生成有關(guān)EHE期間藥物和死亡率的見解。這些結(jié)果增加了關(guān)于EHE期間藥物風(fēng)險(xiǎn)的現(xiàn)有證據(jù)，并為進(jìn)一步研究提供了新的途徑。它們可用于幫助開發(fā)更有針對(duì)性的信息，以告知那些在EHE期間因藥物而面臨更大風(fēng)險(xiǎn)的個(gè)人。