XiaoMi-AI文件搜索系统
World File Search System预测值
与运动有关的脑震荡的诊断预测值
客观运动相关的脑震荡（SRC）会引起明显的神经系统症状，而大约10％ - 15％的SRC运动员经历了长期康复的经历。鉴于脑成像缺乏可见的损伤及其多样化的表现，脑震荡可能很难诊断。已使用多种测试和检查方法引起脑震荡诊断；但是，这些测试的灵敏度和特异性是可变的。作者进行了系统的综述和荟萃分析，以评估标准化测试的敏感性和特异性以及可见的迹象，例如SRC诊断的平衡和视力变化。方法，使用PubMed，Medline，Scopus，Cochrane，Cochrane，Web of Science和Google Scholar数据库进行了对脑震荡诊断检查的系统审查。搜索术语包括“脑震荡”，“创伤性脑损伤”，“诊断”，“敏感性”和“特殊性”。每种考试方法都归类为较大的基于群体的症状性演示或标准化工具。主要结果是脑震荡的诊断。使用比例的荟萃分析计算了每种方法的汇总特异性和灵敏度，并使用根据诊断频率网络荟萃分析计算得出的p评分在层次上排名。结果确定了三十个全长文章的包含，其中13篇评估了分组的症状检查（平衡和整体临床表现），其中17个评估了已建立的正式工具（Impact，King-Devick [K-D]测试，运动脑震荡评估工具[SCAT]）。考试方法的汇总特异性差异很小（0.8-0.85），而灵敏度在较大程度上变化（0.5-0.88）。在随机效应模型中，SCAT的诊断率最高（诊断或31.65，95％CI 11.06–90.57）。此外，P得分等级排名表明，SCAT具有最大的诊断效用（p = 0.9733），然后依次进行影响，临床表现，K-D和平衡。在做出脑震荡症状检查和标准化工具的解密结论中得出的结论最准确，在做出脑震荡诊断方面，作者发现SCAT检查的诊断率最高，其次是影响，临床表现和K-D，其值可比诊断具有可比性。鉴于该分析的间接性质，需要进一步的比较研究来验证发现。
AI 过滤器可提高植入式循环记录器检测心房颤动的阳性预测值
11. Attia ZI、Noseworthy PA、Lopez-Jimenez F 等。一种用于识别窦性心律期间心房颤动患者的人工智能心电图算法：结果预测的回顾性分析。《柳叶刀》2019；394：
限制频谱成像是可靠的阳性预测值的前列腺癌的定量生物标志物
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。该版本的版权所有此版本发布于2024年6月6日。 https://doi.org/10.1101/2024.06.05.24308468 doi：medrxiv preprint
组织或循环肿瘤 DNA 下一代测序对晚期癌症中 ERBB2 拷贝数增加的阳性预测值
样本采集时的中位年龄为 56 岁（四分位距 45-65 岁），69.5% 为女性，种族为 73% 白人、7% 亚裔、12% 黑人、11% 未知，9% 为西班牙裔（表 1）。 ERBB2 CNG 见于 18 种癌症亚型（图 1），其中最常见的恶性肿瘤是：乳腺癌 (n = 68)、非小细胞肺癌 (NSCLC, n = 25)、结直肠癌 (n = 18)、胃食管癌 (n = 17, 15 例腺癌, 2 例鳞状细胞癌)、胰腺癌 (n = 11)、子宫癌 (n = 11)、膀胱 / 上尿路癌 (n = 7)、卵巢 / 输卵管癌 (n = 4)、胆道癌 (n = 3) 和小细胞肺癌 (SCLC, n = 3)（图 1）。ERBB2 CNG 也见于肛门癌、原发性癌不明、宫颈癌、黑色素瘤、神经内分泌癌、肾细胞癌和唾液腺癌患者（各 n = 1）。如果进行组织 NGS 检测，用于 IHC 和 NGS 检测的活检部位为肝脏（37%）、淋巴结（18%）、肺（12%）、骨（7%）、中枢神经系统（5%）、皮肤（5%），其余来自其他部位，最常见的是乳房。
冠状动脉 CTA 狭窄的 AI 评估，与定量冠状动脉造影和血流储备分数进行比较
AI-QCT = 人工智能定量冠状动脉计算机断层扫描；AUC = 受试者工作特征曲线下面积；NPV = 阴性预测值；PPV = 阳性预测值；QCA = 定量冠状动脉造影。
通过多重母体血浆DNA测序对三体性的非侵入性产前评估：大规模有效性研究
抽象目的验证了临床疗效和可行性的实际可行性，其可行性的孕产妇血浆DNA测序以筛选胎儿三体性21的高风险怀孕临床上的胎儿三体性筛查或绒毛膜绒毛绒毛采样。使用前瞻性收集或存档的母体等离子体样品对全核分型的设计诊断精度得到了验证。在香港，英国和荷兰设置产前诊断单元。参与者753名胎儿三体术高风险的孕妇，她通过全核分型进行了明确诊断，其中86名患有三体性胎儿。根据两种不同水平的样品吞吐量的方案：2-plex和8-plex测序，干预的DNA分子在母体等离子体中的多重平行测序多重平行。主要结果测量的DNA分子的比例来自染色体21。当染色体21 DNA分子比例的z得分为> 3时，诊断出21个三体胎胎。诊断敏感性，特异性，正预测值和负预测值是针对三体性检测的。的结果可从753例怀孕，具有8-plex测序方案，以及2-plex方案的314例怀孕。2-PLEX协议的性能优于8-PLEX协议的性能。使用2-PLEX方案，以100％的敏感性和97.9％的特异性检测到21胎儿，这导致正预测值为96.6％，负预测值为100％。8-PLEX协议检测到的21胎三体胎儿的79.1％和98.9％的特异性，阳性预测值为91.9％，负预测值为96.9％。
定量脑电图，用于早期用路易体痴呆的早期差异诊断
结果：临床评估确定了30例痴呆症病例，其中2例临床诊断为可能的DLB，14例可能DLB和DLB诊断为14例患者。QEEG-SPR证实了32例患者中有26例痴呆症诊断，并导致误报率为6.3％，为9.4％的假阴性（FN）。QEEG-SPR用于在获得痴呆症指数阳性或不确定的患者中提供DLB诊断，并导致FP的13.6％和FN的13.6％。混乱矩阵表明灵敏度为80％，特异性为89％，正预测值为92％，负预测值为72％，精度为83％，以诊断痴呆症。DLB指数的灵敏度为60％，特异性为90％，正预测值为75％，负预测值为81％，精度为75％。DLB和非DLB患者之间的神经心理学评分没有显着差异。头部创伤或中风的故事被确定为DLB诊断的FP结果的可能原因。
使用人工智能进行 COVID-19 胸部 X 光检查...
冠状病毒病-19 (COVID-19) 是由冠状病毒家族的新成员引起的，是一种呼吸道疾病，发病率和死亡率都很高，迅速达到大流行的程度。它在短短几个月内就对社会和世界经济产生了巨大影响。COVID-19 给医疗保健的各个方面带来了诸多挑战，包括可靠的诊断、治疗和预防方法。最初遏制病毒传播的努力因开发可靠诊断方法所需的时间而受阻。人工智能 (AI) 是计算机科学中一个发展迅速的领域，在医疗保健领域有许多应用。机器学习是 AI 的一个子集，它采用深度学习和神经网络算法。它可以识别模式并完成复杂的计算任务，通常比人类更快、更精确。在本文中，我们探索了一种简单且广泛使用的测试方法，即胸部 X 光检查 (CXR)，将其与 AI 结合使用，以可靠地诊断 COVID-19。Microsoft CustomVision 是一种自动图像分类和对象检测系统，是 Microsoft Azure 认知服务的一部分。我们利用 COVID-19 肺炎患者、其他病因引起的肺炎患者和正常 CXR 的公开 CXR 图像作为数据集来训练 Microsoft CustomVision。我们训练的模型总体上显示出 92.9% 的灵敏度 (召回率) 和阳性预测值 (精确度)，每个标签的结果显示 COVID-19 肺炎的灵敏度和阳性预测值为 94.8% 和 98.9%，非 COVID-19 肺炎的灵敏度和阳性预测值为 89% 和 91.8%，正常肺的灵敏度和阳性预测值为 95% 和 88.8%。然后，我们使用来自我们机构的确诊 COVID-19 患者的 CXR 以及非 COVID-19 肺炎和正常 CXR 验证了该程序。我们的模型具有 100% 的灵敏度、95% 的特异性、97% 的准确度、91% 的阳性预测值和 100% 的阴性预测值。最后，我们开发并描述了一个公开可用的网站，以展示如何在未来使这项技术随时可用。
Rayyan 平台内针对性文献综述筛选的人工智能
关键词：AI – 人工智能；PPV – 阳性预测值；NPV – 阴性预测值；TIAB – 标题/摘要。a “人工审阅者”是指当 TIAB 由人工完成时，针对性文献审查中做出的原始决定。b Rayyan 纳入类别包括“不推荐”、“可能纳入”和“最有可能纳入”。 c 假设经验丰富的人工审阅者每小时平均筛选 50 个标题/摘要参考文献（即 50 个/小时）。
使用 EndoBRAIN 进行 AI 辅助内吞细胞镜检查的真实体验 — 来自三级护理中心的一项观察性研究
摘要背景与目的对结肠息肉进行精确的光学诊断可提高结肠镜检查的成本效益并减少息肉切除术相关的并发症。我们进行了这项研究以评估单独目视检查 (WLI + NBI) 和 EndoBRAIN (内吞细胞镜检查-计算机辅助诊断 [EC- CAD]) 在现实场景中使用 EC 识别病变是肿瘤性还是非肿瘤性的诊断性能。方法在这项观察性、前瞻性、先导性研究中，共研究了年龄大于或等于 18 岁患者的 55 个息肉。EndoBRAIN 是一个基于人工智能 (AI) 的系统，可实时分析细胞核、隐窝结构和血管模式以区分肿瘤性和非肿瘤性病变。内镜医师首先使用白光成像 (WLI)、窄带成像 (NBI) 评估息肉，然后使用 EC 和 NBI 以及 EC 和亚甲蓝染色进行评估。以组织病理学为金标准，比较内镜医师和 EndoBRAIN 在鉴别肿瘤性和非肿瘤性息肉方面的敏感性、特异性、阳性预测值、阴性预测值和准确性。结果共研究了 55 个息肉，其中大多数为小型息肉（36/55），位于直肠（21/55）。图像获取率为 78%（43/55），大多数组织病理学被鉴定为增生性（20/43）和低级别腺瘤（16/43）。 EndoBRAIN 识别结肠息肉的敏感性为 100%，特异性为 81.82%（95% 置信区间 [CI]，59.7 – 94.8%），准确率为 90.7%（95% CI，77.86 – 97.41%），阳性预测值为 84%（95% CI，68.4 – 92.72%），阴性预测值为 100%。敏感性和阴性预测值明显高于内镜医师的目视检查。诊断准确度似乎更高；然而，并未达到统计学意义。两组的特异性和阳性预测值相似。结论 使用 EC 和 EC-CAD 的光学诊断在预测组织病理学诊断方面具有潜在作用。CAD 的诊断性能似乎比内镜医师使用 EC 预测肿瘤病变更好。