主编推荐 | 基于众包数据的COVID-19暴发早期流行病学分析

在《柳叶刀-数字医疗》（The Lancet Digital Health）创刊一周年之际，主编Rupa Sarkar推荐一年来比较受欢迎的文章。柳叶刀微信公众号特别选摘，跟读者分享。

1

基于众包数据的2019冠状病毒病（COVID-19）疫情暴发早期流行病学分析：一项基于人群的观察性研究

根据我们的了解，这项研究首次采用来自社交媒体的众包数据监测COVID-19疫情暴发情况。

众包列联表数据可以通过社交媒体数据重建，特别是在中央资源可用于管理相关信息的情况下。在疫情暴发早期阶段，因为缺乏信息，对公众开放列联表数据尤其重要，这样具有不同专业知识背景的团队就可以分别提供对数据的见解与解读。同时，公开列联表数据也有助于增加透明度。在突发公共卫生事件期间获得的患者水平数据，其主要质量问题在于可能缺少来自疫情重灾区的信息（本研究中，即湖北省和其他基础卫生设施较差的省份）。未来，基于更大样本COVID-19患者的研究可以更加详细地探究疫情在不同地点的传播动态、干预措施的有效性以及推动传播的社会人口学因素。

2

比较深度学习和医护人员在应用医学影像检测疾病方面的表现：系统综述与Meta分析

这篇综述首次系统性比较了既往已发表的深度学习模型与医护人员通过医学影像诊断疾病的准确性。之前仅有少量研究直接对深度学习模型和医护人员进行了比较，而通过样本外部验证的研究则更少。这项探索性Meta分析纳入了一小部分通过样本外部验证并比较了算法和医护人员表现的研究，发现深度学习模型在诊断疾病方面与医护人员一样有效。我们在比较内部验证和外部验证的诊断表现时发现，内部验证高估了医护人员和深度学习算法的诊断准确性，这与预期一致。该发现强调了在所有预测模型中进行样本外部验证的必要性。

深度学习模型的诊断准确度可以达到与医护人员同等水平。评估深度学习模型的研究方法和报告多种多样，但通常是不完整的。为了确保今后研究的质量和可解释性，需要在明确深度学习具体挑战的基础上，针对研究方案和报告制定新的国际标准。

3

乳腺X线检查中应用人工智能对癌症检测和假阳性召回的影响：一项回顾性、多阅片者研究

乳腺X线检查是当前乳腺癌筛查的标准方法。本研究旨在开发一种通过乳腺X线检查进行乳腺癌诊断的人工智能算法，并探讨该算法能否辅助放射科医生提高诊断准确性。

由于该算法是根据来自多个机构的数据训练而成，因此可以通过不同国家的验证数据集比较该算法的表现。借助大规模的乳腺X线检查数据，人工智能算法体现出比放射科医生更好的诊断能力，尤其是对早期浸润性乳腺癌的诊断。为了更好地理解人工智能的行为，我们比较了人工智能算法与放射科医生在乳腺X线检查中检测到的癌症特征。

该研究表明，人工智能具有提高乳腺X线检查检出早期乳腺癌的能力。在人工智能的协助下，放射科医生的诊断能力显著提高，尤其是在筛查主要难题之一的致密乳腺组织时。上述提高可以体现在更高的癌症检出率，更少的间期癌，从而提高乳腺X线检查的效率。在真实世界中的临床影响需要进一步的前瞻性研究进行评估。

4

在无症状筛查人群中使用自动化CT生物标记物来机会性预测未来心血管事件和死亡率：一项回顾性队列研究

据我们所知，该研究首次将一组经验证的全自动化CT生物标记物应用于无症状成年人的大型筛查队列，并进行长期临床随访，以评估上述生物标记物预测未来发生心肌梗死、中风、死亡等不良临床事件的能力。该研究对这些CT生物标记物与较为完善的Framingham风险评分（FRS）和身体质量指数（BMI）的预测能力进行了比较。我们发现基于CT的自动化预测总体上优于FRS和BMI。一些单变量CT预测比多变量FRS预测的效果更好，而在联合生物标志物的情况下，基于CT的预测能力进一步提高。在目前的临床实践中，这些CT生物标记物通常被忽略，但无论临床影像学指征如何，这种基于组织的信息在所有的CT扫描中均有体现。

该研究表明，附带影像学指征的腹部CT扫描可自动展现重要的预后价值。鉴于很多国家每年都要进行数百万次CT扫描，利用这些有价值的数据可以识别出许多可能出现严重不良事件的高危无症状患者，并有可能对其进行早期干预和预防。

5

帕金森病（AID-P）自动影像学鉴别的发展与验证：一项多中心机器学习研究

针对帕金森综合征开发有效且无创的生物标记物至关重要。该研究旨在评估无创磁共振弥散加权成像（MRI）能否通过自动化成像方法鉴别帕金森综合征。

此研究测试了来自17个MRI中心的1,002名患者数据，建立了一个自动化的影像分析程序，这也是迄今为止最大的用于评估的帕金森病队列。输入区域与帕金森病相关，由基底节、小脑和皮层内的区域构成。作者采用了全自动方法，发现弥散加权MRI能够区分帕金森病与多系统萎缩或进行性核上性麻痹，也能区分多系统萎缩和进行性核上性麻痹，且在17个MRI中心均表现出较高的准确性。对该模型而言，相对重要的10个脑区是那些已被证明与帕金森病、多系统萎缩和进行性核上性麻痹存在病理相关的区域。在5例患者中，磁共振弥散加权成像诊断与病理诊断相符。这项研究发现了一个值得关注的区域模板和三个白质纤维束示踪模板，所有这些都对公众开放，这将加速未来对帕金森病的研究。

这项研究基于不同地区具有多样性的弥散加权MRI队列，建立了一种客观、有效、通用的影像学方法来鉴别帕金森综合征。该研究的临床意义在于它表明扩散加权MRI可以为医生提供一个生物标记物，用于考虑患者患有非典型帕金森病或帕金森氏病，以及区分多系统萎缩和进行性核上麻痹。这项研究的结果提示，该成像和机器学习模型应用于其他中心的数据也能展现出良好的效果。

6

一种新型的数字干预方法对于积极降低儿童多动症的严重程度：一项随机对照试验

本研究是一项在348名8-12岁儿童中进行的为期四周的随机对照试验，结果表明，数字干预可能有助于提高注意缺陷多动障碍（ADHD）儿童的注意力，且副作用极小。仍需进一步的研究来证实试验结果的临床意义，但该干预因其数字化性质可为某些患者的治疗带来便利。

研究者探究了一种类似电子游戏（该电子游戏是针对注意力和认知控制而设计的）的干预措施是否可以提高注意力的有效评分。

患者停药三天后进行注意力得分基线测试，然后进入干预组或对照组，在试验结束时，再进行同样的测试，并比较测试结果。在试验期间，患者不服用ADHD药物，并且在指导下每周5天，每天25分钟实施干预或对照措施。通过电子监控记录依从性，如果在48小时内没有使用任何干预措施，则通过电子邮件通知家长。

本研究的一位共同作者表示：“试验结果证明了数字疗法是一种安全、便利的干预措施，可以为众多ADHD患者解决治疗服务可及性的问题。未来要进一步研究在疗程中使用不同的治疗安排和时长的影响，以及寻找长期最佳疗效。

全文新闻稿请见：

*中文翻译仅供参考，所有内容以英文原文为准。

推荐阅读

点击阅读原文，查看《柳叶刀-数字医疗》更多文章