医工简报 | 可解释的地中海贫血早期分类风险预测模型的开发与验证；基于超宽带雷达的儿童肥胖评估

1. npj digital medicine | 可解释的地中海贫血早期分类风险预测模型的开发与验证；

2. IEEE Trans. Med. Imaging | 基于超宽带雷达的儿童肥胖评估：脂肪组织表征新方法；

3. npj parkinson's disease | 优化腕戴式可穿戴设备的依从性：来自两项帕金森病队列研究的启示；

医工简报音频内容已在喜马拉雅、小宇宙等平台上线，欢迎订阅收听~

医学人工智能

npj digital medicine | 可解释的地中海贫血早期分类风险预测模型的开发与验证

地中海贫血是一种遗传性血液疾病。目前的诊断方法主要依赖精密设备和经过专门培训的技术人员。该研究旨在通过将机器学习（ML）算法应用于常规血液参数，实现对地中海贫血的识别和基因分型。研究从四家独立医院招募了31,311名个体作为推导队列，并开发了八种机器学习模型用于此目的。通过一组评估指标比较了这些模型的性能。此外，还招募了2000名患者作为外部验证队列，以评估模型的泛化能力。结果表明，类别提升（CatBoost）模型在训练和外部验证队列中均表现出最佳的判别能力。该模型随后被集成到一个在线平台中，有望通过自动分析常规血液检测参数，成为辅助识别和基因分型地中海贫血的工具。

https://www.nature.com/articles/s41746-025-01766-0

医学成像技术

IEEE Trans. Med. Imaging | 基于超宽带雷达的儿童肥胖评估：脂肪组织表征新方法

肥胖评估亟需非侵入式精准方法，现有技术如活检具侵入性，MRI/超声成本高昂。6月11日，加拿大阿尔伯塔大学团队提出创新方案，利用超宽带（UWB）时域雷达结合遗传算法优化，实现离体脂肪组织介电特性与厚度的同步测量。该研究构建三层腹部组织模型（皮肤-脂肪-肌肉），以猪肉组织模拟人体实验；创新性采用带孔径（直径2cm）金属板聚焦测量区域，通过优化反射系数差异函数反演组织参数；在CST人体体素模型（婴儿/儿童/成人）验证误差低于10%，实验证实脂肪介电常数（棕色≈8, 白色≈4）可区分脂肪类型并评估肥胖程度；比吸收率（SAR）分析表明辐射安全，为临床提供了一种安全、低成本、非接触的儿童肥胖筛查新工具。

https://doi.org/10.1109/TMI.2025.3578283

可穿戴技术

npj parkinson's disease | 优化腕戴式可穿戴设备的依从性：来自两项帕金森病队列研究的启示

可穿戴技术能够实现实时、连续、无创的数据采集，其中长期依从性至关重要。个性化帕金森项目（PPP）和帕金森病进展标志物倡议（PPMI）使用了Verily研究手表。参与者包括被诊断为帕金森病（PD）、前驱期PD患者以及健康对照组，他们被要求每天佩戴手表长达23小时，且设备不会向参与者显示或反馈数据。研究评估了依从性措施和用户体验。通过集中支持模式，识别了数据收集的障碍并实现了主动干预。两年间，PPP的中位每日佩戴时间为21.9小时，PPMI为21.1至22.2小时。参与者对参与帕金森病研究表现出高度积极性。这些结果凸显了在不提供个体数据的情况下实现高参与度的策略。该方法为那些反馈数据可能引入偏倚或影响数据完整性的研究设计提供了宝贵参考。

https://www.nature.com/articles/s41531-025-01016-w

END

内容 | 张艳青 郝娅婷

编辑 | 周宇茜

审核 |  刘帅 罗虎