Rezultati iskanja

R735; 消化道恶性肿瘤相关的人工神经网络诊断研究成为人工智能研究热点领域.研究工具主要集中在基于卷积神经网络的模型开发上,少部分采用卷积神经网络与循环神经网络联用的方式;研究内容方面则聚焦于基于人工神经网络实现经典组织病理学诊断、利用人工神经网络进行肿瘤分子分型诊断以及预测患者预后情况.本文综述了消化道恶性肿瘤病理诊断及预后预测中人工神经网络算法的相关研究.

目標：利用回溯型世代追蹤設計，評估細懸浮微粒中重金屬組成與肝癌的發生或死亡風險之相關性。方法：納入REVEAL-HBV世代（1991－1992年基線收案）居住在台灣本島之13,515名參與者，透過國家癌症登記與死亡檔進行資料連結，定義追蹤期間（1993－2014）之新發生或死於肝癌病患。參與者之長期暴露濃度乃使用土地利用迴歸模型推估細懸浮微粒中八種重金屬濃度（2002－2006），包含鋇、銅、錳、銻、鋅、鉛、鎳和鎘。本研究使用Cox比例風險模型估計PM_(2.5)中重金屬組成與肝癌之風險比和95%信賴區間。除此之外，還應用雙暴露模型校正細懸浮微粒中重金屬彼此之干擾效應，以評估重金屬組成與肝癌之相關性。結果：本研究追蹤期間共有322名新發生或死於肝癌病例。每增加一個對數尺度單位之PM_(2.5) Cu（銅），其校正過後之風險比（95%信賴區間, p-value）為1.15（1.03－1.29, 0.017）。在雙暴露模型中，發現PM_(2.5) Cu與肝癌風險仍然存在正相關，風險比（95%信賴區間, p-value）為1.13（1.00, 1.27, 0.045）。結論：大氣中PM_(2.5)中重金屬組成之銅可能和罹患或死於肝癌之風險有關。