1.用于比較網(wǎng)絡(luò)認知行為療法與抗抑郁藥物療效的機器學(xué)習(xí)模型  11.06  JAMA Network Open

1.一項病例對照研究表明，人工智能驅(qū)動的呼吸活檢有助于早期發(fā)現(xiàn)兒童腦腫瘤  11.07  The Lancet Primary Care

1.用于比較網(wǎng)絡(luò)認知行為療法與抗抑郁藥物療效的機器學(xué)習(xí)模型

Machine Learning Model for Response to Internet-Delivered CBT vs Antidepressant Medication

（1）目的：本文開發(fā)一個機器學(xué)習(xí)模型，用于預(yù)測網(wǎng)絡(luò)認知行為療法（iCBT）的早期療效。在開發(fā)出表現(xiàn)最佳的模型后，研究的關(guān)鍵目標(biāo)之一是測試其對不同治療的泛化能力和治療特異性。本文旨在確定一個在自然臨床環(huán)境中，基于大規(guī)?；€自我報告和認知數(shù)據(jù)，能夠準(zhǔn)確預(yù)測iCBT反應(yīng)的多變量模型，并探究該模型是否能專門預(yù)測iCBT的療效。

（2）結(jié)論：這項在自然臨床環(huán)境中進行的預(yù)后研究得出結(jié)論：基于自我報告數(shù)據(jù)對iCBT療效的預(yù)測優(yōu)于認知數(shù)據(jù)。最終的27個預(yù)測因子模型在外部驗證中解釋了約19%的抑郁改善方差，并且泛化性良好，對接受抗抑郁藥物治療的患者也展現(xiàn)出相似的預(yù)測性能，這可能歸因于患者中存在治療重疊。然而，重要的是，當(dāng)模型僅用接受iCBT且未服用抗抑郁藥物的患者數(shù)據(jù)重新訓(xùn)練后，它在預(yù)測iCBT療效方面表現(xiàn)良好，但在預(yù)測僅服用抗抑郁藥物且未接受心理治療的患者療效時性能顯著下降，證明了治療特異性的存在。這一發(fā)現(xiàn)表明，在一個僅接受iCBT的患者群體上訓(xùn)練的模型，能夠特異性地預(yù)測iCBT的療效，而非抗抑郁藥物的療效。研究的數(shù)字性質(zhì)使其易于在日益增長的在線心理治療領(lǐng)域進行快速的臨床轉(zhuǎn)化和部署。

1.一項病例對照研究表明，人工智能驅(qū)動的呼吸活檢有助于早期發(fā)現(xiàn)兒童腦腫瘤

AI-driven breath biopsy from a case-control study assists in the early detection of paediatric brain tumours

（1）背景：兒科腦腫瘤（PBT）是兒童時期最致命的癌癥之一，診斷延遲通常是限制早期干預(yù)的關(guān)鍵因素 。目前的診斷方法，如MRI和CT掃描，存在成本高、可及性有限和輻射暴露等挑戰(zhàn) 。同時，基于組織活檢的診斷是侵入性的，不適合兒童重復(fù)使用 。盡管液體活檢顯示出潛力，但它們的非侵入性和臨床應(yīng)用的能力仍顯不足 。因此，臨床上迫切需要一種高精度、生物學(xué)相關(guān)且具有臨床實用性的新型非侵入性策略來進行早期PBT檢測 。呼出氣體代謝組學(xué)（Exhaled volatilomics）作為一種新興的非侵入性策略，已被證明對多種疾病的早期檢測和監(jiān)測有效 ，它通過分析呼出氣體中源自代謝過程的揮發(fā)性有機化合物（VOCs）來提供對生理和病理變化的見解 。然而，針對PBT患者的呼出氣體揮發(fā)物、生物標(biāo)志物篩選及其來源的全面研究仍然有限 。本研究正是在此背景下展開，旨在探索呼出氣體中的揮發(fā)性代謝物作為PBT的潛在生物標(biāo)志物，并利用人工智能（AI）技術(shù)識別診斷標(biāo)記，開發(fā)預(yù)測風(fēng)險評估模型。

（2）解釋：這項病例對照研究通過對161名PBT患者和140名非腫瘤對照者的呼出氣體樣本進行非靶向揮發(fā)性代謝組學(xué)分析，發(fā)現(xiàn)了PBT患者與對照組之間在呼出氣體揮發(fā)物代謝組學(xué)上存在顯著差異 。研究利用機器學(xué)習(xí)和單變量分析，成功識別出一個包含12種VOCs的生物標(biāo)志物組合 ，該組合在支持向量機（SVM）分類器上的AUC（曲線下面積）表現(xiàn)最佳，達到0.81（95% CI: 0.72-0.91），所有分類器的AUC均大于0.70，顯示出強大的診斷潛力 。研究進一步整合了外周血單核細胞（PBMCs）的轉(zhuǎn)錄組數(shù)據(jù)進行多組學(xué)分析，揭示了VOCs的變化與免疫失調(diào)相關(guān) 。機制探索表明，吲哚作為關(guān)鍵的VOC生物標(biāo)志物，其濃度降低與NOX組分NCF1/2的表達增加呈負相關(guān) ，這提示了功能基因可能通過腫瘤驅(qū)動的免疫逃逸機制來調(diào)節(jié)呼出氣體中的VOCs 。最后，研究開發(fā)了一個AI輔助的風(fēng)險評估模型，該模型通過整合VOC生物標(biāo)志物和免疫炎癥臨床指標(biāo)（如NLR、PLR、LMR） ，實現(xiàn)了高靈敏度（0.90）、高特異性（0.86）和高準(zhǔn)確性（0.85），性能比傳統(tǒng)診斷模型提升了近20% 。這些發(fā)現(xiàn)強調(diào)了AI驅(qū)動的呼出氣體揮發(fā)物分析在識別PBT生物標(biāo)志物方面的潛力，并提出結(jié)合VOCs和臨床指標(biāo)的呼氣活檢作為一種非侵入性的早期診斷和風(fēng)險分層有價值的臨床工具。