主编推荐 | 第一份全生命周期疾病分布图谱是亮点！

《柳叶刀-数字医疗》（The Lancet Digital Health）主编 Dr. Rupa Sarkar7月13日-15日到访北京，参加北京医疗健康大数据论坛并发表演讲 。

A Digital Revolution: Introducing The Lancet Digital Health

Rupa在演讲中介绍了柳叶刀家族期刊及《柳叶刀-数字医疗》的诞生，并着重介绍了近期在《柳叶刀-数字医疗》上发表的论文。那么，主编提到的论文是哪些呢？让我们一起来看看吧~

CT影像中包含可指导医师对肿瘤体积进行手动绘制的体素灰度，但该方法尚未用于确定个性化的治疗方案及精确的放射治疗辐射剂量。为改善这一现状，本研究拟通过CT影像深度学习模型判断患者对辐射的敏感性，进而预测治疗失败率。

本研究评估了1275位原发或继发肺癌患者，最终纳入944位患者。研究的创新之处在于通过对患者接受治疗前的CT影像进行深度神经网络学习（Deep Profiler），预测患者的治疗结局和放射学特征；并通过结合Deep Profiler和患者临床特征，估计优化的辐射剂量iGray，预期降低治疗失败率至5%以下。

研究发现，Deep Profiler评分高的患者治疗失败率显著高于评分低的患者；与传统放射学模型或仅包含患者临床特征的模型相比，包含Deep Profiler和患者临床特征模型的预测结果有显著改善。研究表明，可通过CT影像确认不同人群对放射治疗敏感性的差异；而在有着丰富且高度标准化图像的肿瘤放射科，深度学习或可成为根据相关图像预测及指导相应治疗的新方法。

医务人员和研究者需要了解不同人群在不同年龄段对不同疾病的敏感性，进而有效预防、发现和治疗影响人们健康状况的疾病。本研究依据英国国民医疗服务体系（NHS）中大约400万名患者的医疗记录，编制了308种疾病的定义，并分别统计了这些疾病的累积发病率以及不同年龄、性别和种族的患病率。本研究首次以十年间隔确定了每个年龄段最常见的50种健康问题，分析了308种疾病确诊的年龄中位数，并绘制了第一份全生命周期疾病分布图谱。

研究表明，不同年龄段的主要健康问题不同。常见的儿童疾病包括特应性疾病和急性感染；青少年所患疾病中较为突出的痤疮和月经紊乱；年轻人易出现精神健康障碍、肥胖和偏头痛等问题；代谢综合征、软组织疾病、勃起功能障碍和胃食管反流等疾病的发病率则在中年时期显著上升；60-79岁的人群中多发癌症、骨关节炎、良性前列腺增生、白内障、憩室病和耳聋；80岁及以上人群的高发疾病包括房颤、痴呆、急慢性肾病、心力衰竭、缺血性心脏病、贫血及骨质疏松。研究还表明，不同疾病在种族和性别间存在一定差异。

本研究通过绘制全生命周期的疾病分布，为研究者、临床医生、医务人员和政策制定者更好地发现高危人群以及制定检测、预防和管理特定疾病的策略提供了依据。本研究揭示的疾病分布也为进一步开展异质性病因分析及老龄化相关疾病的研究提供了平台。

重症监护病房（ICU）中多为危重症患者，其治疗因疾病异质性而变得复杂。目前主要通过评估患者转入ICU时急性生理指标的严重程度来预测患者死亡率；但这些指标缺乏特异性，因此针对个体的预测结果准确性不足。另外，患者的既往病史很少能在临床环境中得到系统而全面的记录，因此无法帮助临床决策。本研究首次利用机器学习根据ICU患者的既往病史预测其死亡率：研究汇集了丹麦国家疾病登记处超过23万例ICU患者最长可达23年的既往病史登记数据，并将其用于开发ICU死亡率预测的神经网络模型，进一步结合急性生理指标估计ICU患者的死亡风险。

研究结果显示，仅基于既往病史模型对ICU患者死亡率进行预测的结果优于共病指数预测结果；结合既往病史与急性生理指标的模型得到的死亡率预测结果最为准确。既往病史可用于区分生命体征相似患者的死亡风险，对预测ICU患者死亡率以及指导临床决策来说十分重要。与生理指标相比，基于既往病史的预测结果随时间推移更加稳定且与ICU护理无关，在转入ICU时即可获得。

赞比亚是一个发展中国家，四分之一的人口患有眼疾或有视力障碍。数以百万计的赞比亚人几乎无法获取合理的医疗设施，医生短缺的情况也十分严重。因此，应用人工智能（AI）作为糖尿病视网膜病变的替代筛查工具或对非洲糖尿病人群有很大益处。为实现2030年可持续发展目标，赞比亚需要采取根本性措施来识别和减少由糖尿病导致的失明。本研究基于一项针对赞比亚人群糖尿病视网膜病变的筛查项目，首次使用深度学习技术评估AI模型的准确性。

本研究采用的是集合AI模型，用于视网膜眼底彩色图像的分类；通过新加坡综合糖尿病视网膜病变项目中13099例糖尿病患者的76370张视网膜眼底成像进行模型训练。随后，研究招募了来自赞比亚的1574名糖尿病患者，对4504张视网膜眼底图像进行分析。结果表明，AI模型是一种临床有效的糖尿病视网膜病变筛查工具；AI模型生成的糖尿病视网膜病变分级体系可以准确地识别出与人工筛查相同的系统性风险因素。这也表明，在缺乏卫生、人力及基础设施的国家中，AI模型有望成为检测糖尿病视网膜病变的有效工具，提高眼保健服务的可及性和质量，将其纳入当地的卫生保健工作符合VISION 2020战略。

推荐阅读

点击阅读原文，查看《柳叶刀-数字医疗》更多论文