论文部分内容阅读
第一部分基于医院大数据回顾性分析南方医院腹腔镜手术发展历程目的:由于“碎片化”信息管理,现有的流行病学数据难以准确描述中国腹腔镜手术发展趋势。因此,本部分研究旨在利用自然语言处理技术（Natural Language Processing,NLP）结构化1999年-2019年南方医科大学南方医院腹腔镜手术患者数字病历,并分析其发展趋势。方法:回顾性收集1999年-2019年南方医科大学南方医院数字病历原始数据,利用自然语言处理技术结构化相关数据,提取腹腔镜手术患者相关信息。描述腹腔镜手术人群人口学、手术学特征,并依据腹腔镜年手术例数变化,利用连接点回归分析（joinpoint regression,JPR）寻找关键时间点。描述并比较不同时间段内的人口学特征、手术学特征、并发症以及医疗利用水平。结果:随着时间的增长,南方医院年腹腔镜手术例数不断攀升,并且依据JPR得到三个关键时间点,分别为2009年、2012年和2015年。在对不同时间段的比较中,我们发现2013年-2015年间并发症发生率均较低（1.9%）。而四个时间段内的死亡率并无统计学差异（P＞0.05）。利用Logistic回归对四个时期数据进行调整后,2013年-2016年间总并发症发生率仍低[优势比（Odd Ratio,OR）,0.617;95%可信区间（Confidence Interval,CI）0.504-0.756],其中主要为感染并发症发生率下降（OR,0.640;95%CI 0.514-0.795）。除此以外,随着时间流逝,总住院天数呈下降趋势而住院总费用逐渐增长。结论:1.1999年-2019年间腹腔镜手术处于不断上升发展的水平,不仅仅针对其手术体量,同时亦包括了更广泛的手术适应证、更佳的安全性以及更好的手术效果。2.更高的住院费用提示着真实世界实践中需更多关于腹腔镜手术费效比的证据。第二部分腹腔镜在胃癌诊疗中的诊断效能趋势分析目的:胃癌精准分期仍为其诊疗中的一大难题,腹腔镜仍在判定胃癌临床分期中占有较大的作用。本部分研究旨在描述腹腔镜在胃癌诊疗中的诊断效能趋势变化。方法:回顾性收集1999年-2019年南方医科大学南方医院进行腹腔镜胃癌相关手术的患者基线资料以及术中和病理TNM分期,根据JPR分组计算相关kappa指数。结果:不同时期的术中T分期未观测到显著差异,但在术后病理T分期却有明显的迁移（P＜0.001）,而N分期呈相反趋势。腹腔镜对于T分期和N分期评估的kappa指数分别为0.463～0.574以及0.014～0.380。结论:1.腹腔镜对于胃癌T分期的判别能力较为稳定且有效,而对于N分期的诊断效能较差。2.目前亟需新型的诊断工具有效评估胃癌患者的TNM分期。第三部分双区域双期相自动机器学习判别胃癌胃小弯及胰腺上缘淋巴结状态目的:胃周淋巴引流结构复杂,单纯基于转移淋巴结数量的分期无法切实反映胃癌（Gastric Cancer,GC）的解剖浸润程度。在胃周淋巴结中,胃小弯以及胰腺上缘淋巴结更常被侵犯。本部分研究目的在于利用自动机器学习方法建立基于CT图像的特征模型预测胃小弯及胰腺上缘淋巴结状态。方法:回顾性收集南方医科大学南方医院以及天津医科大学附属肿瘤医院双中心共939例胃癌患者术前CT图像以及相关临床信息。我们将动脉期、静脉期双期相,原发癌灶、胃小弯区域双区域的CT图像作为勾画靶区（Region of Interst,ROI）,利用自动机器学习方法（Automatic Machine Learning,AutoML）建立混合模型,预测胃小弯淋巴结状态并进行内部及外部验证。而后,利用该混合模型预测胰腺上缘淋巴结状态,以评估模型的泛化能力。结果:基于自动机器学习方法的双区域双期相混合模型在预测胃小弯淋巴结（Nos.3）中表现出较好的预测能力。受试者工作特征曲线（Receiver Operating Characteristic Curve,ROC Curve）显示,其内部验证队列中曲线下面积（Area Under Curve,AUC）达0.847（95%CI,0.770-0.924）,外部验证队列中 AUC值为0.833（95%CI,0.800-0.867）。同时,在预测不同分站的胰腺上缘淋巴结[胃左动脉干淋巴结（Nos.7）,肝总动脉前上部淋巴结（Nos.8a）,腹腔动脉周围淋巴结（Nos.9）和脾动脉干近端淋巴结（Nos.11p）]过程中,混合模型的效果不一,AUC值位于0.678-0.761。其中,混合模型对于预测肝总动脉前上部淋巴结（Nos.8a）能力较差。结论:1.原发癌灶以及胃周相关组织的CT图像特征均与胃周淋巴结状态有关。2.本研究中所建立的混合模型可较理想地预测胃小弯以及胰腺上缘淋巴结状态,有望用于胃癌的个体化诊疗。