关键词： 艰难梭菌感染   风险预测模型   不均衡数据   SMOTE算法   机器学习  

摘要： 采用MIMIC重症数据库中的重症患者数据为数据集，对艰难梭菌感染的发病风险进行预测。针对该数据集的非均衡性，提出一种基于改进SMOTE算法和机器学习的风险预测方法。首先，改进SMOTE算法以实现均衡数据集，通过引入流行病学中常用的参数比值比计算特征权重，改进SMOTE算法中的最近邻样本挑选规则。同时，为避免新合成样本离散特征结构被破坏，对SMOTE算法中的样本合成方法进行改进。其次，采用多种机器学习算法分别构建重症患者艰难梭菌感染的风险预测模型。实验结果表明：采用改进SMOTE算法与CatBoost算法构建的模型对艰难梭菌感染患者的预测效果更佳，该模型在测试集中的曲线下面积（AUC）为0.75，召回率为0.69，在验证集中的AUC为0.73，召回率为0.57。

关键词： 人工智能   医院感染   预防与控制   医院感染管理   机器学习  

摘要： 医院感染预防与控制(IPC)项目对于预防医院感染(HAIs)和确保患者以及医院工作人员健康安全至关重要。如何有效地开展IPC项目提高医院感染管理的效率和质量,是当前医疗面临的重要课题。近年来,人工智能(AI)技术的快速发展为医院感染管理提供了新的思路。本文梳理AI技术如机器学习、自然语言处理和计算机视觉在感染监测、预警、诊断、防控、智能医疗设备和抗菌药物管理等方面的应用和研究进展。同时,指出AI应用也面临技术突破、数据隐私和医护人员接受度等问题和挑战。未来应推进技术研发、构建安全可靠的数据管理体系、增加医护人员体验感和跨学科合作赋能IPC。

关键词： 机器学习   板柱节点   抗剪键   抗冲切承载力   XGBoost模型   SHAP算法  

摘要： 弯矩和剪力共同作用下RC板柱节点冲切破坏影响因素众多，传统基于经验或半经验公式的承载力模型尚面临精度不足难题。本文提出了带抗剪键板柱节点承载力预测的可解释机器学习模型，基于XGBoost模型学习几何、材料等高维特征参数与抗冲切承载力隐式映射关系，结合SHAP解释方法对参数敏感性进行分析。构建了包括235个试件的抗剪键RC板柱节点冲切数据库，将所提方法与其他机器学习模型和规范公式比较，评估了所提出模型的有效性。结果表明：本文提出的模型在预测准确性和稳定性方面表现优越，其预测结果的均值、标准差和变异系数分别为1.00、0.07和7.2%，优于传统模型和规范公式。此外，通过SHAP方法量化了各参数对板柱节点抗冲切承载力的影响，结果发现，构件几何特征对板柱节点的抗冲切承载力具有主导影响，有效高度d为最关键的变量，其次是距离柱1.5d范围内抗剪键的面积，影响约为d的35%左右，而材料特性的影响相对较小。

关键词： 人工智能   计算酶设计   深度学习   蛋白质工程   丝氨酸水解酶  

摘要： 近年来，人工智能技术在蛋白质结构预测与功能设计方面取得了突破性进展，为人工酶的从头设计提供了全新的方法和工具。丝氨酸水解酶因其催化机制明确，成为人工酶设计任务的代表性模型。本文综述了最近开发的重要深度学习算法及其在人工酶设计中的典型应用，并重点介绍了人工丝氨酸水解酶的最新设计成果。这些突破性进展为开发具有更高催化效率和稳定性的人工酶铺平了道路，标志着酶设计领域迈入了新的阶段，有望带来生物制造相关产业的变革。

关键词： 安全工程   变电站系统   抗震韧性   系统模型   机器学习   代理模型   分类器  

摘要： 针对蒙特卡洛模拟在系统韧性评估中计算效率低的问题，提出了一种基于机器学习的变电站快速抗震韧性评估方法。将变电站功能评估转化为包含物理与功能约束的多类别分类问题，采用支持向量机（Support Vector Machine，SVM）和Logistic回归构建损伤–功能映射代理模型，通过生成含设备失效不确定性的随机损伤场景进行监督学习训练。将所提方法应用于220 kV双母线电气主接线系统的韧性评估。结果表明，线性核SVM与Logistic回归模型分别取得96.6%和96.9%的预测准确率，其鲁棒性和快速性分布与蒙特卡洛仿真高度吻合，韧性偏差小于0.009，且代理模型时间复杂度为O(n)。结果证实了所提方法在保证精度的前提下显著提升变电站韧性评估效率。

关键词： 深层煤岩气   随钻测控技术   人工智能   发展趋势  

摘要： 深层煤岩气作为非常规油气资源的重要组成部分，对缓解能源供需矛盾、优化能源结构具有关键意义。随钻测控技术涵盖了钻井过程中随钻测量、井-地传输、导向控制，是保障深层煤岩气安全高效开发的重要工程技术之一。文章围绕深层煤岩气“打长、打快、打好”目标，系统梳理了国内外随钻测控技术关键装备的分类、关键技术的指标、主要产品特征，以及应用实践情况等，总结了深层煤岩气开发过程中随钻测控领域面临的技术挑战与需求，并且从智能化发展角度，提出了深层煤岩气随钻测控技术的未来发展方向，为推动深层煤岩气工程技术升级提供新理念、新思路。

关键词： 大语言模型   思维链   推理   人工智能  

摘要： 在计算资源不断增强的供给推动下，大语言模型的参数规模持续扩大，其在自然语言处理中的任务表现也更加卓越。但在面临推理问题，尤其是在常识推理或数学问题上，仍然存在一定的局限性。思维链技术通过引导模型生成推理步骤，显著提升了其在不同领域问题的解决能力。本文不仅从训练方式的角度梳理了思维链的理论基础系统和技术演进，还进一步对如政务服务，企业数字化等应用场景作了进一步的讨论。最后，结合人工智能的发展趋势，从人工智能智能化程度的角度论述了思维链在大语言模型走向更高认知水平中必不可少的作用，并指出其在当下面临的挑战与亟需解决的技术瓶颈。

关键词： 潜在湿地分布   机器学习   地理大数据   湿地恢复   东北地区  

摘要： 潜在湿地的分布范围对于湿地的科学规划、有效管理和适当恢复至关重要。在潜在湿地分布模拟制图中，如何选择高精度的机器学习模型以实现高置信度的湿地资源评价仍需开展深入研究。本研究以中国东北地区为研究区，构建了综合考虑水文、土壤、植被和地形因子的潜在湿地模拟指标体系，应用地理大数据和多种机器学习算法（随机森林、支持向量机、深度神经网络和极端梯度提升），模拟东北地区潜在湿地的分布并进行空间格局分析。研究结果表明，4种算法的模型性能均较好，接收者操作特征曲线下的面积（AUC）均大于0.69，其中基于随机森林算法模拟的潜在湿地分布具有最高的精度，总体精度为85.57%,Kappa系数为0.71。东北地区潜在湿地面积为128 790 km2，主要分布在降水量为400～600 mm、土壤类型为半水成土且覆盖有草甸和湿生植物的区域。研究结果可为东北地区乃至中国湿地资源的评价提供重要基础数据。

关键词： 多模态MRI   GA-KPLS   机器学习   脑胶质瘤   影像组学   IDH   MGMT  

摘要： 目的 基于术前多模态MRI影像组学，构建预测脑胶质瘤异柠檬酸脱氢酶（isocitrate dehydrogenase,IDH）突变伴O6-甲基鸟嘌呤-DNA甲基转移酶（MGMT）启动子甲基化状态的联合预测模型。方法 收集2011年12月至2019年12月山西医科大学第一医院和山西省人民医院的246例脑胶质瘤患者的术前MRI图像、临床和基因数据，利用FAE软件提取肿瘤区域图像的影像组学特征。将患者分为IDH突变伴MGMT启动子甲基化（IDHmut&MGMTmet）组和其他分子状态组，样本按8∶2的比例划分为训练集和测试集，采用惩罚Logistic回归进行稳健的特征选择，筛选与目标变量最相关的特征变量。针对IDHmut&MGMTmet的分子状态，应用7种机器学习方法，包括基于遗传算法的核偏最小二乘（GA-KPLS）、随机森林、LASSO、Logistic回归、神经网络、K近邻算法和朴素贝叶斯构建预测模型，并对模型性能进行评价。结果 IDHmut&MGMTmet组与其他分子状态组间胶质瘤患者年龄和病理分级差异有统计学意义（P<0.05）。在对比增强T1加权（T1CE）和T2加权液体衰减反转恢复（T2FLAIR）成像均提取出1 686个影像组学特征，惩罚Logistic回归筛选出115个T1CE和30个T2FLAIR特征。Dunnett多重比较检验结果显示，GA-KPLS相较于其他机器学习模型的预测性能最优，其敏感度为0.752，特异度为0.836，准确率为0.802,ROC曲线下面积（AUC）为0.877,F-measure为0.755,G-means为0.790，马修斯相关系数（MCC）为0.594。结论 基于GA-KPLS的胶质瘤患者IDH突变伴MGMT启动子甲基化预测模型具有良好的鉴别效能，可用于患者分子分型的无创精准诊断、化疗决策和预后评估。

关键词： 人工智能   新时代廉洁文化   新赛道   算力算法   反腐倡廉  

摘要： 人工智能已成为新质生产力,其对新时代廉洁文化建设产生了重要影响,廉洁文化建设进入了新赛道。人工智能形成新质生产力后,从外部、以技术、立高维改造廉洁文化建设。新时代廉洁文化建设进入了人工智能的数据驱动、算法创新、伦理焦虑的新赛道。在新赛道上,廉洁文化的技术建设有瓶颈存在,伦理建设有信任危机,配套制度建设也没跟上。要保持人工智能的技术创新,构建不敢腐的廉洁行动自觉;要以人工智能配套制度护航,构建不能腐的廉洁政治自觉;要做好人机共生的社会协同,构建不想腐的廉洁思想自觉。