关键词： GEO   eQTL   机器学习   抑郁症   免疫浸润  

摘要： 抑郁症是一种普遍的心理障碍,影响着全球数以百万计的人群。其疗效不稳定和高复发率。近年来,基因表达数量性状位点(expression quantitative trait loci, eQTL)研究为理解抑郁症的遗传基础提供了新的视角。本研究从eQTLGen联盟获取了顺式eQTL数据(ukb-d-F5_DEPRESSIO、ebi-a-GCST003769和ebi-a-GCST005902),并结合GEO数据库中的五个基因表达数据集(GSE98793、GSE19738、GSE44593、GSE54568和GSE54570),筛选出与抑郁症相关的差异表达基因。选择合适的工具变量进行MR分析,采用多种统计方法综合评估eQTL与抑郁症之间的因果关系。随后,利用受试者工作特征(Receiver Operating Characteristic, ROC)曲线分析突出诊断潜力的基因。基因本体(Gene Ontology, GO)和KEGG通路分析生物过程。LASSO回归分析进一步筛选核心基因。构建转录因子(TF)-miRNA-枢纽基因调控网络,识别miRNA和转录因子。最终,通过CIBERSORT算法分析抑郁症患者与健康对照组之间的免疫细胞浸润差异,并探讨核心基因与免疫细胞浸润之间的相关性。结果LASSO回归分析保留了4个关键基因(LTF、OLFM4、AKR1C3、WEE1),排除了EVI2A,因为其AUC值低于0.5。我们构建了一个转录因子(TF)-miRNA-枢纽基因调控网络,识别出48个miRNA和56个转录因子。免疫细胞浸润分析显示抑郁症组与对照组之间存在显著差异,记忆性CD4+ T细胞和巨噬细胞的比例发生了改变。这些发现强调了识别出的基因和免疫细胞作为治疗靶点的潜力。未来的研究应专注于这些发现的临床应用和机制探索,以改善抑郁症的早期诊断和治疗。

关键词： 人工智能   实验室   安全管理   风险识别   应急处理  

摘要： 本文旨在探讨人工智能在实验室安全管理中的应用与实践。研究通过分析实验室安全管理现状及需求,阐述人工智能应用的必要性。在应用意义方面,指出其能精准识别与预警风险、优化管理与决策、增强应急响应与处置能力。应用策略上,提出构建智能监测体系实现全方位实时感知,开发智能预警系统提高预警能力,强化智能应急管理提升处置效率,加强人员培训与管理保障系统运行。研究表明,合理应用人工智能技术可有效提升实验室安全管理水平,降低事故发生概率与损失,为实验室安全稳定运行提供有力保障。

关键词： 结直肠癌   微卫星不稳定性   影像组学   深度学习   机器学习  

摘要： 目的基于增强CT影像组学联合深度学习方法构建结直肠癌微卫星不稳定(MSI)状态的预测模型。方法回顾性收集上海市第一人民医院2016年1月至2023年12月期间接受结直肠癌根治术并经免疫组织化学(IHC)检测的患者211例。其中微卫星稳定组(MSS)130例,MSI组81例。按7∶3比例随机分为训练组和验证组(训练组MSI 57例及MSS 91例;验证组MSI 24例及MSS 39例)。在静脉期增强CT图像上手动勾画肿瘤三维感兴趣区(VOI),使用PyRadiomics提取1458个影像组学特征,使用ResNet50获取512个深度学习特征,并组合生成融合特征。通过类内相关系数、Pearson相关性分及LASSO回归筛选特征,采用支持向量机(SVM)、逻辑回归(LR)、随机森林(RF)、自适应增强(AdaBoost)及k近邻算法(KNN)等5种机器学习算法分别构建基于影像组学、深度学习及融合特征的预测模型。使用受试者工作特征曲线下面积(AUC)和决策曲线分析评估模型性能。结果最终筛选出25个关键特征(15个影像组学特征、10个深度学习特征)。验证组中,基于影像组学特征的KNN模型最优,AUC为0.761(95%CI 0.603~0.877);基于深度学习特征的RF模型最优,AUC为0.772(95%CI 0.639~0.886),而基于融合特征的AdaBoost模型性能最优,AUC为0.862(95%CI 0.756~0.949)。结论基于增强CT影像组学与深度学习特征的融合模型预测结直肠癌MSI状态具有较高的诊断价值,有望为个体化免疫治疗决策提供支持。

关键词： 脑出血   血液指标   高密度脂蛋白胆固醇   机器学习   预后不良  

摘要： 目的 筛选并使用机器学习算法探讨血液指标在预测脑出血(ICH)预后不良中的效能。方法 回顾性分析2023年1至12月湖州市中医院收治的460例ICH患者临床资料,根据出院90 d后改良Rankin评分分为预后良好组(220例)和预后不良组(240例);以2024年1至6月本院收治的279例患者为外部独立测试队列。比较两组患者一般临床资料,使用最小绝对收缩和选择算子(LASSO)回归分析筛选ICH预后不良的影响因素。使用9种机器学习算法预测ICH预后不良风险,通过ROC曲线、校准曲线和决策曲线分析来评估它们的效能。结果 两组患者年龄、淋巴细胞计数(L)、高密度脂蛋白胆固醇(HDL-C)、中性粒细胞计数/(白细胞计数-L)(dNLR)、单核细胞计数/L(MLR)、单核细胞计数/HDL-C(MHR)、中性粒细胞计数/HDL-C(NHR)比较,差异均有统计学意义(均P<0.05)。LASSO回归分析确定L、MLR、HDL-C、MHR是ICH预后不良的影响因素。使用LightGBM算法构建的分类模型是表现最佳的模型。在验证队列中,使用该模型预测预后的AUC为0.939,而在测试队列中,该模型的AUC为0.990。校准曲线显示实际概率和预测概率之间具有良好的一致性,决策曲线表明该模型具有显著的临床益处。该模型预测外部独立测试队列患者预后的AUC为0.958。结论 LightGBM是表现最佳的一种预测性机器学习算法,使用L、HDL-C、MLR、MHR等指标构建的预测模型,能准确预测ICH患者不良预后的发生概率,具有临床应用价值。

关键词： 人工智能   智能养老   风险   生成机理   协同治理  

摘要： 通过对东中西部地区18个省份的调查发现,人工智能技术应用于养老具有多维风险,包括安全性风险、隐私泄露风险、归责主体不明风险、自主性被剥夺风险、孝养分离风险、自我效能感衰减风险、技术信任缺失风险、设备闲置风险等。智能养老风险的生成是内部和外部牵引机制共同作用的结果,科技本身的不确定性,老年人自我发展的脆弱性,以及智能技术应用和管理中存在的不完善性共同促成风险的生成和传播。应构建内外协同治理框架:外部协同治理机制应发挥政府主导作用,引导养老服务市场和养老服务行业规范运行;内部协同治理应以老年人为中心,家庭、社区、养老机构和社会组织联动。通过协同治理,阻断智能养老风险的放大。

关键词： 人工智能   乳腺癌   乳房重建   远程康复   风险预测  

摘要： 当前,乳腺癌发病率居高不下,乳房重建作为乳腺切除术后的重要环节,对患者身心健康意义重大,但传统手术受医生经验、个体差异等影响,存在精度不足、风险难控等问题。人工智能的应用改善了乳腺癌患者乳房重建目前面临手术精度要求高、风险预测管理不足以及医患远程康复指导等复杂问题,进而提升患者的生活质量及满意度,减轻医护人员的负担,促进了临床医疗技术水平的进步。本文通过总结人工智能的概述、归纳其在乳腺癌患者乳房重建中的应用现状以及目前面临的挑战与不足,旨在为未来人工智能在乳房重建中的临床应用提供新的思路与参考。

关键词： 5G通信技术   智能制造   供应链管理   应用研究  

摘要： 针对5G通信技术在供应链管理中的应用进行了深入研究,分析了其在物流配送、生产制造和供应链协同环节的具体应用,并探讨了5G通信技术在提高数据传输速度、降低通信时延和增强网络连接能力方面的优势。同时,还阐述了5G通信技术在供应链管理教学中的意义,通过案例分析和技术实训,培养学生应用5G通信技术解决实际问题的能力。研究结果表明,5G通信技术对提升中国供应链管理水平具有重要意义,有望推动智能制造领域的发展。

关键词： 人工智能   AI通识教育   中小学课程体系建设  

摘要： 为推动人工智能通识教育的发展,清华大学计算机系、附属中学、附属小学和出版社组建研究项目组,构建了大中小贯通的人工智能通识教育课程体系。该体系呈“Y”字形结构,基础教育阶段聚焦人工智能的基础素养,按小学、初中、高中形成螺旋上升的子体系,分别侧重兴趣认知、知识体系构建、深度探究与跨学科应用;高等教育阶段则培养学科交叉创新能力。本文介绍了清华大中小学人工智能通识教育课程体系的设计思路、具体方案、体系特色,并探讨人工智能通识教育的未来发展路径,为我国乃至全球人工智能通识教育的发展提供有益借鉴。

关键词： 智能制造技术   汽车发动机   零部件   生产模式  

摘要： 汽车发动机零部件传统生产模式存在自动化程度低、生产灵活性欠缺、设备维护不合理等问题。为此,基于智能制造技术,提出涵盖智能加工系统构建、柔性制造技术应用、增材制造创新应用以及智能检测与质量追溯体系建立的优化方案。以某汽车发动机制造企业为案例分析对象,进行实际生产数据对比及生产仿真验证。结果表明,优化后的生产模式能够显著提升加工精度、生产效率,降低次品率,优化方案切实可行且效果显著,能够为汽车发动机零部件生产企业智能化转型提供参考。

关键词： 试点项目   制造业   柯桥区   人工智能  

摘要： 近日,浙江省人工智能赋能制造业的首批试点名单正式公布,绍兴市柯桥区凭借人工智能赋能制造业(印染)试点项目成功入选。作为首批试点区域,柯桥区将承担起探索人工智能与制造业深度融合的重任,推动印染行业的智能化转型和升级。据了解,柯桥区人工智能赋能制造业(印染)试点项目的建立依托于其作为全国纺织印染产业核心集聚区的雄厚基础。