摘要：调查我国神经外科医师对动脉瘤性蛛网膜下腔出血后预防痫性发作的认知和决策现况。设计《动脉瘤性蛛网膜下腔出血预防性使用抗癫痫药物的问卷》,通过“问卷星”网络平台进行数据采集。2021年7至10月,共收集有效问卷82份,符合纳入标准的有43份。受访者来自32个省、市、自治区年收治动脉瘤性蛛网膜下腔出血100例以上的医学院附属医院。仅有9.3%(4/43)的受访者不认同预防用药,86.04%(37/43)的受访医师在临床实践中进行预防性用药,丙戊酸钠(94.59%,35/37)是最常用的预防药物。各中心预防性用药的时长从14 d不等,具有很大差异。脑电图的应用率、我国神经外科医师临床观察到的痫性发作比例均较低。调查结果提示,目前我国动脉瘤性蛛网膜下腔出血后预防痫性发作的临床实践尚不够规范,临床医师对相关知识的掌握仍不够全面。开展高质量临床研究将有利于明确预防用药的必要性,并对规范用药产生积极影响。

摘要：目的探索基于卷积神经网络构建前列腺癌术后放疗临床靶区(CTV)及部分危及器官(OAR)自动勾画模型的方法,以提高临床工作效率和靶区勾画统一性。方法回顾性分析由一位放疗医师勾画的117例前列腺癌术后患者CT资料,基于3D UNet设计多分类自动勾画模型CVT-UNet,采用戴斯相似系数(DSC)、95分位豪斯多夫距离(95%HD)和平均表面距离(ASD)评估模型分割能力,比较另外两位医师对测试集自动勾画靶区评估结果的差异。再随机收集78例由其他医生治疗的患者进行模型外部验证,比较两位医师评价的差异。结果测试集前列腺瘤床区(CTV1)、盆腔淋巴结引流区(CTV2)、膀胱和直肠的平均DSC分别为0.74、0.82、0.94和0.79。临床评分显示:两位医师对CTV2和OAR的勾画达成了更多的共识;而对CTV1的勾画则共识较少,故评分差异较大。结论基于卷积神经网络构建用于术后前列腺癌CTV及相关OAR的自动勾画模型可行,但前列腺瘤床区的自动分割仍需改善。

摘要：目的比较分析单双部分弧有无均整器模式容积旋转调强放疗(volume modulated arc therapy,VMAT)与静态调强放疗(intensity modulated radiation therapy,IMRT)对食管癌放疗的剂量学差异,为临床治疗策略提供参考。方法选取2020年5月至9月在四川大学华西医院行放疗的食管癌患者15例,在RayStation计划系统为每例患者设计4组放疗计划:非均整模式双弧间断出束VMAT(VMAT-3F2A)、均整模式双弧间断出束VMAT(VMAT-2F2A)、非均整模式单弧间断出束VMAT(VMAT-3F1A)和非均整模式IMRT(IMRT-3F)。IMRT-3F为临床治疗计划。比较分析4组计划间靶区和危及器官(organs at risk,OARs)的剂量学差异,并比较分析机器跳数(monitor unit,MU)及治疗效率。结果VMAT-3F1A计划在均匀性指数(heterogeneity index,HI)、适形性指数(conformity index,CI)和剂量最大值(maximum dose,D_(max))方面均差于VMAT-3F2A和VMAT-2F2A计划(均P0.05)。IMRT-3F、VMAT-3F2A、VMAT-3F1A和VMAT-2F2A计划MU比较,依次减少(均P<0.05)。IMRT-3F计划治疗时间高于其他计划,VMAT-3F1A计划低于其他计划(均P<0.05)。结论VMAT-3F1A与临床治疗计划IMRT-3F比较能减少肺低剂量受照体积(V_(5))及肺高剂量受照体积(V_(20)),且具有更高的治疗效率。VMAT-3F2A计划与其他3个计划比较,能进一步降低双肺、脊髓和心脏的受量。

摘要：随着计算机技术的发展,人工智能(artificial intelligence, AI)已逐步应用于社会各行各业。医疗卫生行业中,AI为疾病诊断和治疗提供了更多选择,也为临床医学的发展带来了新的生机。为了更好地推动AI技术用于提升耳鼻喉科教学质量,该文对AI在耳鼻喉科中的应用进行简要概述,包括借助神经网络、深度学习开展图像分析、疾病诊治等,也从课程设计、教学实践及效果考核等方面论述了AI应用于耳鼻喉科教学的意义及实施方式。

摘要：目的探讨组蛋白去乙酰化酶抑制剂(HDACi)甲磺酸普依司他(PM)对套细胞淋巴瘤(MCL)细胞系的抗增殖活性,以及对MCL皮下移植瘤小鼠模型的抗肿瘤效果。方法选择MCL细胞系Jeko-1和Granta-519,以及非肥胖糖尿病/重度联合免疫缺陷(NOD/SCID)小鼠为研究对象,采用不同浓度梯度PM原料药(PMF,终浓度分别为0.1、0.3、0.5、1.0、2.0、4.0 nmol/L)和同浓度帕比司他(LBH589)分别处理Jeko-1,采用不同浓度梯度PMF(终浓度分别为0.4、0.8、1.6、3.1、6.3、12.5 nmol/L)和同浓度LBH589分别处理Granta-519。加药孵育120 h后,采用细胞计数试剂盒(CCK)-8法检测细胞增殖活性并计算半数抑制浓度(IC50)值。建立Jeko-1 NOD/SCID小鼠皮下移植瘤模型,按照给药种类和剂量将其分为PM 2.5 mg/kg组(n=7)、PM 5 mg/kg组(n=7)、PM 10 mg/kg组(n=7)、LBH58910 mg/kg组(n=6)和溶剂对照组(n=7)。于给药第21天时,观察各组小鼠的相对肿瘤抑制率(T/C)、瘤重及肿瘤生长抑制率。不同组别间瘤重比较,采用单因素方差分析。同浓度PMF和LBH589的细胞增殖抑制率比较,采用双因素方差分析。动物实验方案的设计获得了四川大学华西医院动物实验中心伦理委员会的批准,符合国际通行的实验动物使用规范。结果①加药孵育120 h后,PMF和LBH589以剂量依赖性方式抑制Jeko-1和Granta-519的细胞增殖。除终浓度为0.1、0.3 nmol/L的PMF与同浓度LBH589相比外,其余各终浓度PMF对Jeko-1的细胞增殖抑制率均高于同浓度LBH589,并且差异有统计学意义(终浓度为0.5、1.0、2.0、4.0 nmol/L PMF比同浓度LBH589:F=311.4、39470.4、1232.7、4575.4,P=0.03、<0.0001、=0.001、<0.0001)。Jeko-1中PMF的IC50值为(366.8±3.4)pmol/L,低于LBH589的(1570.0±51.6)pmol/L,并且差异有统计学意义(F=2367.4,P<0.0001)。不同终浓度PMF对Granta-519的细胞增殖抑制率均高于同浓度LBH589,并且差异均有统计学意义(终浓度为0.4、0.8、1.6、3.1、6.3、12.5 nmol/L PMF比同浓度LBH589:F=15.8、190.0、172.1、314.5、741.5、236.8,P=0.028、=0.001、=0.001、<0.0001、<0.0001、=0.001)。Granta-519中PMF的IC50值为(2.9±0.1)nmol/L,低于LBH589的(7.4±0.4)nmol/L,并且差异有统计学意义(F=686.4,P<0.0001)。②PM 2.5、5、10 mg/kg和LBH58910 mg/kg组小鼠d21(给药9次)时,T/C值分别为58.6%、26.0%、16.6%、24.1%,治疗有效。③d21(给药9次)时,PM 2.5、5、10 mg/kg和LBH58910 mg/kg组小鼠的瘤重分别为(2.1±0.4)g、(0.9±0.2)g、(0.9±0.2)g、(1.4±0.4)g,均低于溶剂对照组的(3.7±0.7)g,并且差异均有统计学意义(F=16.2、78.1、83.4、36.7,P<0.002、0.0001、0.0001、0.0001),PM 5、10 mg/kg组小鼠瘤重均低于LBH58910 mg/kg组,并且差异亦有统计学意义(F=8.3、10.3,P=0.015、0.008)。除PM 2.5 mg/kg组(38.0%)外,PM 5、10 mg/kg和LBH58910 mg/kg组小鼠的肿瘤生长抑制率分别为73.8%、74.4%、58.0%,均治疗有效。结论PM作为一种新型高选择性HDACi,在MCL细胞系的抗细胞增殖作用明显,并优于已上市的LBH589,其在皮下移植瘤模型小鼠体内也表现出显著的抗肿瘤效果。

摘要：目的通过深度学习技术对柯氏音的不同时相进行自动分类,从而提高不同人群血压测量的准确率。方法本研究设计了一种融合注意力机制(Attention)、残差网络(residual network,ResNet)和双向长短时记忆网络(bidirectional long short-term memory,BiLSTM)的柯氏音时相分类模型。首先从一整段柯氏音信号中逐拍提取出单个柯氏音信号,并将每个柯氏音信号转换为梅尔频谱图;然后利用Attention注意力机制和ResNet网络对梅尔频谱图进行局部特征提取,用BiLSTM网络处理特征之间的时序关系,并使用全连接层网络对特征进行降维,最后利用SoftMax函数实现分类。数据集采自于44位志愿者(女24位、男20位,平均年龄36岁),并使用10折交叉验证的方法对模型性能进行验证。结果所建立的模型针对5类柯氏音时相的整体分类准确率为93.4%,相比其它模型具有较好的分类性能。结论深度学习方法可以准确地对柯氏音时相进行分类,为后续设计以柯氏音时相分类为基础的自动血压测量方法奠定了有力的技术基础。