关键词： 阻塞性睡眠呼吸暂停   治疗后中枢性睡眠呼吸暂停   持续气道正压通气   预测模型   机器学习  

摘要： 目的 基于不同机器学习算法构建治疗后中枢性睡眠呼吸暂停（TECSA）预测模型，并比较模型性能，为临床预判此类患者的疾病风险、无创呼吸机的模式选择及治疗效果提供参考依据。方法 回顾性分析行多导睡眠监测（PSG）和持续气道正压通气（CPAP）治疗的阻塞性睡眠呼吸暂停（OSA）患者419例，根据患者进行CPAP压力滴定后是否出现TECSA将患者分为TECSA组和非TECSA组，并对影响因素进行单因素分析，然后将P<0.05的因素纳入构建模型。训练集使Logistic回归（LR）、随机森林（RF）、支持向量机（SVM）和极端梯度提升（XGBoost）四种算法构建TECSA预测模型。内部验证使用bootstrap法。验证集利用受试者工作特征（ROC）曲线下面积（AUC）、准确度、灵敏度、特异度、Kappa值、F1值等指标评价模型预测性能。结果 单因素分析发现年龄、体重指数（BMI）、基线PSG诊断的呼吸暂停低通气指数(AHIPSG)、中枢性呼吸暂停指数(CAIPSG)、混合性呼吸暂停指数(MAIPSG)、觉醒指数（ArI）、平均血氧饱和度（MSpO2）、最低血氧饱和度（MinSpO2）、SpO2<90%时间占总睡眠时间的百分比（T90%）、非快速眼动（NREM）睡眠N1、N2、N3占总睡眠时间的百分比（N1%、N2%、N3%）、CPAP治疗后的呼吸暂停低通气指数(AHICPAP)、中枢性呼吸暂停指数(CAICPAP)、治疗压力和平稳呼吸状态下的经皮二氧化碳分压（TcpCO2）与发生CSA时的TcpCO2的差值在两组间均具有统计学意义。基于LR、RF、SVM和XGBoost四种算法构建的TECSA预测模型性能良好，以XGBoost模型预测性能最佳。结论 基于XGBoost构建的TECSA预测模型有助于临床预判此类患者的疾病风险，并为其选择适宜的治疗方案提供有效的预测工具。

关键词： 肺腺癌   气腔播散   影像组学   机器学习  

摘要： 目的探讨基于CT影像组学的机器学习模型预测肺腺癌（lung adenocarcinoma，LUAD）气腔播散（spread through air spaces，STAS）的价值，并确定最佳瘤周分析区域。方法回顾性分析2013年1月至2017年1月浙江省肿瘤医院接受非小细胞肺癌手术治疗的378例LUAD患者资料，构建肿瘤边缘外扩0、3、6、9、12 mm区域的逻辑回归、随机森林和XGBoost模型。结果6 mm区域的XGB模型在测试集上表现最佳，其次为AUC-ROC达0.855（95%CI：0.756～0.950），9 mm区域的XGB模型。DCA分析显示6 mm和9 mm区域XGB模型临床净收益较高。特征分析显示部分小波变换特征对STAS预测贡献较大。结论本研究初步表明基于CT影像组学的机器学习模型对预测STAS具有一定的预测价值，其中基于6 mm瘤周区域的XGB模型表现最优，有望辅助术前评估。

关键词： 人工智能   社会工作   新本土化   应用场景  

摘要： 我国已经开启了中国式现代化新阶段，社会工作需参与其中并在新领域更高层面实现本土化，人工智能技术可以通过新的方式方法参与到社会工作理论与实践研究中来。基于技术与社会互构理论，人工智能在提升基本公共服务、助推共同富裕、促进基层社会治理、助力乡村振兴、改善城镇化社会融合及提高社会救助水平等六大应用场景有广泛的实践基础。人工智能应用于社会工作领域的核心在于以社工为主体、技术为辅助的协同模式，将技术融入本土实践，提高服务效率的同时尊重中国特有的文化价值和专业伦理。技术应用过程中也存在系统性风险，因此从制度、专业、技术和实践四个维度，可以构建中国特色的监管体系，创新社会工作的教育体系，推动技术本土化开发与建立人机协同实践模式，促进社会工作“新本土化”发展。

关键词： 冬小麦   蒸散发   模型   机器学习   可解释性   贝叶斯优化算法  

摘要： 【目的】降低南京地区冬小麦蒸散发(ETc)估算的不确定性并提高农业水资源管理水平。【方法】采用机器学习方法优化冬小麦ETc的估算，并与蒸渗仪实测数据进行对比分析。研究基于2011至2018年南京地区冬小麦蒸渗仪实测蒸散发（ET）数据及相关气象数据，利用贝叶斯优化（Bayesian Optimization， BO）算法优化Lasso回归、自适应增强（AdaBoost）、随机森林（RF）和梯度提升决策树（GBDT）4种机器学习模型的参数。通过与实测数据对比，评估模型在ETc估算中的表现。【结果】GBDT模型和RF模型的估算效果最佳，R2分别为0.951和0.926，GBDT模型的平均绝对误差（MAE）和均方根误差（RMSE）分别为0.370 mm/d和0.541 mm/d，RF的MAE和RMSE分别为0.506 mm/d和0.694 mm/d。SHAP可解释性分析显示，叶面积指数（LAI）、太阳辐射（Rs）和净辐射（Rn）是ETc估算中的关键因素。此外，基于Logistic模型的LAI估算方法，能够通过生长天数和有效积温准确估算LAI，从而实现对ETc的间接估算。【结论】通过优化机器学习模型参数，显著提高了南京地区冬小麦ETc的估算精度。GBDT模型和RF模型在ETc估算中表现最佳，能够有效预测冬小麦的蒸散发量。基于机器学习的ETc估算方法，不仅减少了对高成本设备和复杂气象数据的依赖，还为农业水资源管理提供了科学支持。

关键词： 机器学习模型   影像组学特征   浸润性乳腺癌   分子分型  

摘要： 目的 探讨根据MRI影像组学特征建立的机器学习模型在术前预测浸润性乳腺癌分子分型中的价值。方法 回顾性分析2023年1月～2024年6月在我院接受手术治疗的浸润性乳腺癌患者155例，根据术后病理及免疫组化结果将患者分为Luminal型（Luminal A型和Luminal B型）、HER2过表达型以及三阴型乳腺癌。比较3组患者临床病理及MRI征象资料；对所有患者MRI第2期图像进行手动分割病灶，提取ROI影像组学特征变量，采用LASSO回归对特征变量进行降维、筛选。对所有样本数据按照7∶3比例分为训练集和测试集；采用随机森林、逻辑回归、支持向量机3种机器学习模型对筛选出的影像组学特征变量进行建模，绘制ROC曲线评估不同机器学习模型在术前评估浸润性乳腺癌分子分型中的效能。结果 3组一般临床病理资料及影像指标的差异无统计学意义（P>0.05）；混淆矩阵显示，随机森林模型的诊断敏感度为96.55%，特异度为93.33%，准确度为93.62%，高于逻辑回归和支持向量机模型（P<0.05）;ROC曲线分析显示，随机森林模型预测的AUC为0.903(95%CI:0.815～0.958)，高于逻辑回归模型0.680(95%CI:0.565～0.782)和支持向量机模型0.693(95%CI:0.579～0.793)(P<0.05)。结论 通过基于MRI影像组学特征及机器学习算法构建的随机森林模型在术前预测浸润性乳腺癌分子分型方面具有较高的效能。

关键词： 中医药   人工智能   大数据   CiteSpace   大语言模型  

摘要： 目的 基于CiteSpace知识图谱对中医药与人工智能融合领域的国内外研究文献进行系统的可视化分析，探讨该领域的研究现状、热点和发展趋势。方法 选取Wed of Science Core Collection和中国知网建库至2025年1月期间发表的相关文献，利用CiteSpace 6.1.R6软件对发文趋势、作者与机构合作、关键词共现、聚类及时间线进行分析，揭示中医药与人工智能融合领域的研究特点与前沿动态。结果 关键词共现分析显示，数据挖掘、大数据、辨证论治、药物识别等是主要研究热点，中文文献侧重于智能诊疗系统与中医理论的现代化应用，英文文献则更强调中药成分筛选、药物机制研究与新药开发。聚类分析揭示了多个核心方向，包括中医药智能诊疗、数据驱动方法、网络药理学与药物设计等。时间线分析展示了该领域在不同阶段的发展路径与演化趋势。结论 中医药与人工智能融合领域的研究已逐步向多模态数据融合与精准医疗方向转型。未来研究应持续关注基于大语言模型与多模态数据的智能化应用，结合国际前沿与我国实际需求，构建适合中医药特色的智能诊疗体系。

关键词： 有色溶解有机物(CDOM)   遥感反演   机器学习   可解释性   芙蓉江流域  

摘要： 有色溶解有机物（colored dissolved organic matter,CDOM）在水生态系统中发挥着重要作用，影响着河流营养物的循环与污染物质的迁移。本研究针对喀斯特地区芙蓉江流域CDOM进行遥感反演，结合地面实测数据和Sentinel-2A遥感影像，采用AdaBoost算法与LIME算法构建CDOM反演模型。结果表明，模型反演精度较高，测试集R2为0.86,RMSE为0.495/m。CDOM在旱季和雨季具有空间分异性，其中雨季CDOM吸光系数普遍高于旱季。此外，基于可解释性技术揭示了不同的波段比值特征对模型反演的贡献差异，研究发现波段比值B4/B3、B6/B4及B5/B2对模型反演的影响较大。旱季与雨季CDOM受驱动因素影响作用不同，较高的气温和较少的降水量易导致CDOM吸光系数降低，土地利用对河流CDOM影响显著，人口密度与CDOM的负相关可能与该区域地下水系统的稀释作用及环保措施相关。

关键词： 兴安落叶松   净生态系统二氧化碳交换(NEE)   碳通量   机器学习   模拟  

摘要： 机器学习已经广泛用于生态系统研究。基于2014年1月1日至2018年12月31日兴安落叶松生态系统碳通量（NEE）观测数据，分析了其动态变化特征，并采用多种机器学习方法进行模拟。结果表明：（1）生长季兴安落叶松生态系统NEE日动态呈“U”变化，整体表现为碳汇，7月份碳汇能力最强，达67.57 g C m-2月-1,9月至次年5月表现为碳源。（2）结构方程模型分析表明，兴安落叶松生态系统NEE的主要影响因子为潜热通量（LE）、净辐射（Rn）、叶面积指数（LAI）、空气温度（Ta）、相对湿度（RH）、饱和水汽压差（VPD）和土壤含水量（SWC），其中潜热通量和净辐射是影响NEE变化的最主导因素。（3）四种机器学习方法（RF、XGBoost、SVM、ANN）均能较准确地模拟兴安落叶松生态系统NEE，其中XGBoost和RF的模拟结果最为相近，但XGBoost在模拟精度和计算效率方面优于RF。研究结果为应用机器学习方法估算生态系统碳通量提供了依据。

关键词： 甲状旁腺肿瘤   超声检查   人工智能   鉴别诊断  

摘要： 目的 观察超声组学机器学习（ML）模型术前鉴别非典型甲状旁腺肿瘤（APT）/甲状旁腺癌（PC）与甲状旁腺腺瘤（PA）的价值。方法 回顾性纳入接受手术治疗的330例原发性甲状旁腺功能亢进症患者，依据手术病理及临床随访结果分为APT/PC组（n=78）及PA组（n=252），同时按7:3比例划分训练集（n=231）与测试集（n=99）。基于术前超声提取545个影像组学特征，采用递归特征消除（RFE）、Kruskal-Wallis或方差分析法进行筛选，并分别以支持向量机（SVM）、线性判别分析（LDA）、最小绝对收缩和选择算子逻辑回归(LRLASSO)、随机森林（RF）及决策树（DT）算法构建鉴别APT/PC与PA的ML模型；以训练集训练ML模型、以测试集验证模型效能，采用5折交叉验证筛选其中较优者。结果 相比Kruskal-Wallis或方差分析法，基于RFE法筛选特征构建的SVM、LDA、LRLASSO、RF及DT模型在训练集（AUC=0.870、0.878、0.850、0.847、1.000）及测试集（AUC=0.856、0.842、0.827、0.847及0.704）的鉴别效能均较高；其中SVM、LDA、LRLASSO及RF模型（分别包括25、23、17、23个特征）的AUC均高于DT模型（8个特征）(P均＜0.001)，SVM、LRLASSO及RF模型的AUC均与LDA模型差异无统计学意义（P均＞0.05），而SVM及RF模型的AUC均高于LRLASSO模型（P均＜0.05），SVM的AUC与RF模型差异无统计学意义（P＞0.05），即SVM、LDA及RF为较优模型。结论 超声组学SVM、LDA、LRLASSO、RF及DT ML模型均可于术前有效鉴别APT/PC与PA，尤以SVM、LDA及RF模型诊断效能较好。

关键词： 黄芪桂枝五物汤   自噬   类风湿关节炎   肌少症   骨骼肌稳态   机器学习  

摘要： 目的：基于网络药理学、生物信息学、机器学习及动物实验探讨黄芪桂枝五物汤通过调控细胞自噬改善骨骼肌稳态治疗类风湿关节炎（RA）肌少症的作用机制。方法：利用中药系统药理学平台（TCMSP）、PubChem与SwissTargetPrediction数据库筛选黄芪桂枝五物汤活性成分及靶点；通过GEO数据库检索RA相关数据集并筛选差异基因，GeneCards与比较毒理学数据库（CTD）检索肌少症相关靶点，人类自噬数据库（HADb）下载自噬相关基因集，三者与药物靶点取交集得到自噬相关治疗靶点，并进行富集分析；利用STRING数据库构建PPI网络并采用多重方法筛选关键靶点，借助机器学习对交集靶点相应表达谱进行模型预测构建，并基于关键靶点构建列线图模型；应用AutoDockVina对度值排名前4的活性成分与关键靶点进行分子对接。采用牛Ⅱ型胶原构建CIA大鼠模型，分为空白组、模型组、黄芪桂枝五物汤低(2.44 g·kg-1)、中(4.88 g·kg-1)、高(9.76 g·kg-1)剂量组，连续给药5周。记录并分析造模后关节评分，腓肠肌质量；苏木素-伊红（HE）和Masson染色观察肌肉组织病理学变化；免疫荧光染色观察骨骼肌肌球蛋白重链（MYHC）、胰岛素样生长因子1（IGF-1）蛋白表达水平；蛋白免疫印迹法（Western blot）检测肌肉组织中自噬相关蛋白5（ATG5）、自噬相关蛋白（Beclin1）、微管相关蛋白1轻链3B（LC3B）及肌肉环指蛋白1（MuRF1）、肌肉萎缩F盒蛋白（MaFbx）、MYHC蛋白表达水平；实时荧光定量逆转录PCR（Real-time PCR）检测肌肉组织中ATG5、Beclin1、LC3B、MuRF1、MaFbx、MYHC mRNA表达水平。结果：网络药理学显示，黄芪桂枝五物汤与RA肌少症自噬相关基因共有25个交际靶点，PPI与机器学习鉴定得到6个关键靶点，主要涉及自噬与炎症等相关通路。动物实验结果显示，与空白组相比，模型组的关节评分显著升高（P<0.01），腓肠肌指数显著降低（P<0.01），HE染色结果显示模型组腓肠肌肌纤维横截面积显著减小，有明显的炎性细胞浸润及肌萎缩现象，Masson染色显示模型组腓肠肌中胶原纤维增生、沉积明显，有显著的肌纤维化病变；模型组大鼠ATG5、Beclin1、LC3B、MuRF1、MaFbx蛋白表达水平及mRNA表达水平均明显升高（P<0.01），MYHC、IGF1蛋白表达水平显著下调（P<0.01）；与模型组相比，黄芪桂枝五物汤高剂量组ATG5、Beclin1、LC3B、MuRF1、MaFbx蛋白表达水平及mRNA表达水平均明显降低（P<0.01），MYHC、IGF1蛋白表达水平显著上升（P<0.01）；肌纤维横截面积有所增大，肌肉细胞形态趋向正常，腓肠肌病理学异常明显改善，胶原纤维增生现象明显减轻（P<0.01）。结论：黄芪桂枝五物汤能够通过调控ATG5、Beclin1、LC3B与IGF1的表达介导自噬，进而降低骨骼肌分解，改善骨骼肌稳态发挥治疗RA肌少症的作用。研究结果为黄芪桂枝五物汤治疗RA肌少症的作用机制提供了方向，并为其更好的应用于临床提供可参考依据。