XiaoMi-AI文件搜索系统
World File Search SystemConcordance
作者更正：人工智能干预随机对照试验与 CONSORT-AI 报告指南的一致性
本文原始版本从作者列表中删除了第二和第三作者 Carrie D. Llewellyn 和 Richard O. de Visser。Carrie D. Llewellyn 和 Richard O. de Visser 来自英国布莱顿和苏塞克斯医学院初级保健和公共卫生系。因此，在作者贡献中添加了以下内容：“ CDL，ROdV：监督、撰写（初稿、审阅和编辑）”；和“ LFR，RG，GSC，DM，MM，LOR，SCR，MC，CK，CDL，CY，AWC，PK，AB：撰写（审阅和编辑）”。此外，在致谢中还添加了以下内容：“我们要感谢 Michael D. Howell 审阅我们的手稿，并感谢 Viknesh Sounderajah 对本次审阅的投入”。该问题已在本文的 PDF 和 HTML 版本中得到纠正。
一致性索引分解
一致性指数（C-Index）是用于评估预测模型性能的生存分析中的常用度量。在本文中，我们提出将C索引分解为两个数量的加权谐波平均值：一个用于排名观察到的事件与其他观察到的事件，另一个用于排名观察到的事件与审查案例。这种分解可以对不同生存预测方法之间的相对强度和劣势进行更细粒度的分析。通过基准比较与经典模型和最先进的方法以及本文提出的新的基于神经网络网络的方法（Surved），通过基准比较来证明这种分解的有用性。使用四个公开可用的数据集评估模型的性能，其审查水平不同。使用C-指数分解和合成审查，分析表明，深度学习模型比其他模型更有效地利用了观察到的事件。这使他们可以将稳定的C索引保持在不同的审查级别。与这种深度学习方法相反，当审查水平降低，因为它们无法改善对事件的排名与其他事件，因此经典的机器学习模型会恶化。
一致的一致性来自常规收集的医院入院数据和全身抗癌治疗（SACT）数据集，该数据集是针对诊断为英格兰早期侵入性乳腺癌的老年妇女
背景：评估肿瘤治疗的摄取以及随后的结果，取决于包含有关癌症药物治疗（CDT）的准确和完整信息的数据源。这项研究旨在评估医院发作统计中CDT信息的一致性，该统计数据被接受患者护理（HES-APC）和全身性抗癌治疗（SACT）数据集用于早期浸润性乳腺癌（EIBC）。方法：该研究包括2014年至2019年在英格兰诊断为EIBC的女性（50多年），她们在诊断后六个月内进行了手术。在HES-APC中记录的CDT的一致性（使用OPCS代码识别），并在患者级别和周期级别都评估了SACT。使用统计模型评估了仅在HES-APC中捕获的与CDT使用相关的因素。结果：该队列包含129,326名EIBC女性。在使用CDT上，SACT和HES-APC之间的总体一致性为94％。一致性在研究期间增加（91 - 96％），并且NHS信托之间存在很大差异（信任的最低信任的一致性≤77％；最高DIDILE≥99％）。在接受CDT的妇女中，没有捕获9％（n = 2781/31693）的使用；在80岁以上的女性中，不完整是最严重的（18％= 47/259）和2014年诊断的女性（21％= 1121/5401）。HES-APC中的OPCS代码擅长鉴定曲妥珠单抗或FEC化学疗法的患者级别和周期级别的使用（氟尿嘧啶，表纤维素，环磷酰胺），分别与SACT分别为89％和93％的一致性（患者级别的协议）。在单独记录的SACT的单独口服CDT循环中，HES-APC中只有24％被捕获，而静脉/皮下CDT则为71％。结论：将HES-APC和SATC中的信息组合在一起，提供了50岁 +接受EIBC手术的妇女的CDT治疗图，而不是单独使用任何数据源。HES-APC可能在识别老年妇女的CDT使用情况下，较少诊断的妇女以及低SACT数据返回的NHS信托中具有特殊的价值。
在随机 3 期 ALEX 研究中，针对未接受治疗的晚期 ALK 阳性 NSCLC 患者，免疫组织化学检测组织 ALK 与二代测序检测血浆 ALK 之间的一致性
披露：Noé 博士是 F. Hoffmann-La Roche Ltd. 的员工，并曾接受过其设备、材料、药品、医学写作、礼物、股票或其他服务。Bordogna 博士和 Hilton 女士是 F. Hoffmann-La Roche Ltd. 的员工，并拥有其股票。Archer 博士是 Roche Products Ltd. 的员工，并拥有 F. Hoffmann-La Roche Ltd. 的股票。Smoljanovic 博士是 F. Hoffmann-La Roche Ltd. 的员工。Woodhouse 先生是 Foundation Medicine, Inc. 的员工。Mocci 博士是 Genentech, Inc. 的员工，并拥有 F. Hoffmann-La Roche Ltd. 的股票。Gadgeel 博士曾从阿斯利康、艾伯维、勃林格殷格翰、百时美施贵宝、F. Hoffmann-La Roche Ltd./Genentech, Inc.、默克、诺华、Novocure、辉瑞、杨森、Blueprint、礼来和武田。
Watson 肿瘤学与胃癌多学科临床决策团队之间的一致性及其预后意义：回顾
背景：随着癌症治疗数量的不断增加，多学科团队（MDT）的出现为患者提供了个性化的治疗选择。近年来，人工智能（AI）在医疗领域发展迅速，逐渐出现了用AI取代传统诊疗的趋势。IBM Watson for Oncology（WFO）已被证明可用于乳腺癌和肺癌的决策，但迄今为止，对胃癌的研究有限。目的：本研究比较WFO与MDT的一致性并研究其对患者预后的影响。方法：本研究回顾性分析了经MDT评估、接受相应推荐治疗并接受随访的符合条件的胃癌患者（N=235）。随后，医生手动将所有患者的信息输入WFO，并将结果与MDT推荐的治疗方案进行比较。如果MDT治疗方案被WFO评为“推荐”或“考虑”，则认为结果是一致的。所有患者根据WFO与MDT治疗方案是否一致分为一致组和不一致组，分析两组患者的预后。结果：本研究WFO与MDT总体一致率为54.5%（128/235）。亚组分析发现，HER2阳性患者一致的可能性低于HER2阴性患者（P＝.02）。年龄、东部肿瘤协作组体能状态、分化类型和临床分期均未发现影响一致性的因素。所有患者中，一致患者的生存时间明显优于不一致患者（P<.001）。多因素分析显示，一致性是胃癌患者总生存期的独立预后因素（风险比0.312[95%CI 0.187～0.521]）。结论：WFO 和 MDT 的治疗建议在胃癌患者中大部分一致。如果 WFO 选项更新以包括当地治疗方案，一致性将大大提高。胃癌患者的 HER2 状态对一致性的可能性有很大影响。一般而言，一致性患者的生存期优于不一致患者。