生统爱好者周刊（第 40 期）：中美押注人形机器人：它们真能干啥活？
这里记录每周值得分享的生统相关内容，周五发布。
本杂志开源（GitHub: openbiostat/biostat-weekly），欢迎提交 issue 投稿或推荐生统相关内容。
封面图
本周话题：中美押注人形机器人：它们真能干啥活？
中美企业正加速“押注”人形机器人，从汽车工厂到高危环境，测试它们能否替人类完成重复或危险工作。但续航、安全和数据隐私等问题尚未解决，人形机器人距离真正走进家庭和日常生活，还有不小的鸿沟。
生统研究
PCI手术也被称为心脏支架手术，是急性心肌梗死血管重建的首选方法。而PCI术后药物治疗能有效预防再梗死、支架内血栓形成，降低患者术后死亡风险和改善预后，是保障PCI成功的基石。在这些患者中，由阿司匹林和P2Y12抑制剂组成的双重抗血小板治疗对于预防支架血栓形成等复发性血栓事件至关重要。目前的ESC指南倾向于更有效的血小板抑制剂替格瑞洛和普拉格雷而不是氯吡格雷，因为这些药物更有效地预防血栓事件。然而，这种疗效越好，出血的风险就越大。然而，根据血小板功能测试，大约30%的白人患者对氯吡格雷反应不充分。这种反应的部分变异可以用基因变异来解释，如CYP2C192和CYP2C193等位基因的缺失。在没有功能缺失等位基因的患者中，氯吡格雷与强效P2Y12受体拮抗剂相比具有相似的疗效。此前的观察性研究也提示，CYP2C19基因检测可以帮助指导药物治疗决策，但尚不清楚接受PCI的患者是否会受益于基因型指导下的口服P2Y12受体拮抗剂选择。结论：在接受直接PCI的患者中，在血栓形成事件方面，CYP2C19基因型指导的口服P2Y12抑制剂选择策略在12个月时不劣于替格瑞洛或普拉格雷标准治疗，且出血发生率较低。
- 论文 DOI：10.1056/NEJMoa1907096
依赖阿司匹林数十年之后，通过将阿司匹林联用氯吡格雷，高危患者的复发性卒中在过去数年间大幅减少。这一进展很大程度上源自中国开展的研究。在中国，卒中和复发性卒中的发病率是重要的公共卫生问题，并且中国拥有开展多中心临床试验所需的大量基础设施。然而，“美中不足”的是，大多数亚洲患者在遗传上不具备将氯吡格雷转化为其活性代谢物的能力。替格瑞洛的机制与氯吡格雷相似，但无需代谢激活，因此是解决这一难题的合理方案。然而，对于不携带细胞色素p450（CYP）等位基因，因而不具备氯吡格雷代谢能力的心血管疾病患者，使用替格瑞洛代替氯吡格雷获得了矛盾的结果，并且替格瑞洛可能增加出血并发症。
在这一背景下，2021年12月30日《新英格兰医学杂志》NEJM发表的CHANCE-2研究为临床医师提供了期待已久且非常重要的明确结果。对于携带至少1个CYP失活等位基因，并且在非心源性高危TIA或轻型卒中发病后24小时内开始接受治疗的中国汉族患者，接受阿司匹林联合替格瑞洛治疗的患者在之后90日内的卒中复发率（6% vs. 7.6%；风险比，0.77；95% CI，0.64~0.94）低于接受阿司匹林联合氯吡格雷治疗的患者，且前者的严重出血发生率并未提高（两组均为0.3%）。既往研究表明，上述双联抗血小板治疗在前21天期间的益处最明显，之后继续用药只会增加出血风险，因此两组均在21天后将阿司匹林停药。重要的是，本试验在携带1个（中间代谢型）和2个（慢代谢型）CYP失活等位基因的患者中均观察到阳性结果。
- 论文 DOI：10.1056/NEJMoa2111749
博文资讯
质性研究一直是护理科研的重要方法，通过访谈深入了解患者的真实体验。研究者以骨肿瘤术后患者运动恐惧症为案例，首次系统比较了ChatGPT、DeepSeek与人工编码在质性分析中的表现。结果显示AI效率碾压，主题高度重合，人工编码由于认知负荷，偶尔会遗漏一些细微的主题（比如“睡眠质量对康复动力的影响”），而AI能更全面地扫描文本，发现容易被忽略的潜在主题。当然，AI也会“过度解读”——比如生成了“应对策略”这个主题，实际上可以归入其他主题，需要人工把关。大语言模型不能取代护士的共情和专业判断，但它可以成为一个极其高效的科研助手。
一项名为BrainStack的突破性研究，它针对静默语音（即大脑内部无声的言语想象）的EEG信号解码难题，提出了一个革命性的解决方案。其核心是将神经科学与深度学习深度融合，首创了“神经科学驱动的MoE（专家混合）”架构。该模型模仿大脑功能分区，为不同脑区配备专门的“专家”网络，并通过一个“路由器”动态整合各脑区的信息。在目前最大的静默语音EEG数据集上，BrainStack以显著优势超越了现有所有模型，证明了让模型结构模仿大脑结构这一理念的巨大潜力。这不仅为失语症患者带来了新的沟通希望，也为整个脑机接口领域提供了一种全新的、更高效、更可解释的建模范式。
工具
在公众号陆震生物统计的后台，上线了影响因子查询的功能，同步支持 JCR2025 + 2026新锐分区 查询。你只需要在公众号后台输入期刊名称或 ISSN 号，就可以查询到最新的影响因子和分区信息。
一个用于医学预测模型评估与比较的 R 软件包，主要用于在样本量有限或数据分布不确定的情况下，通过自助法（bootstrap）对模型性能指标进行稳健估计与统计推断。该包提供了一系列基于 bootstrap 重抽样的方法，用于计算模型性能指标（如 AUC、敏感度、特异度等）的置信区间，并支持不同预测模型之间性能差异的统计比较。moonboot 的设计重点在于提高医学预测模型评估结果的稳定性与可靠性，尤其适用于临床研究中常见的小样本数据情境，因此在医学统计和临床预测模型研究中具有一定应用价值。
资源
AI的能力正在落到实处，降低了医学信息获取的门槛。不管是临床医生、医学生、还是药企研发人员，未来都能轻松获取到高质量的医学文献，不被语言和工具的复杂度困住。
该教程基于PharmacoEconomics方法学文章，系统介绍如何将文献中的RR、OR、rate等统计量转化为马尔可夫模型所需的转移概率。重点强调数据来源匹配、时间周期对齐及不同统计量间的换算原则，并指出多状态转移与参数不确定性处理的注意事项。整体体现了从证据提取到模型参数化过程中的方法学规范与潜在偏倚控制。
贡献者（GitHub ID）
「OpenBioStat 生统爱好者周刊」运维小组：
- [
@Leslie-Lu]（陆震） - [
@YihanChen325]（陈奕含） - [
@kirihsia]（夏鑫辛） - [
@GCRPM]（徐林玉）
订阅
本周刊每周五发布，更新在微信公众号「陆震生物统计」（luzhen-biostat）上，微信搜索陆震生物统计或者扫描二维码，即可订阅。
同时，本周刊同步支持 RSS 订阅；本周刊同名中文播客现已正式在苹果播客（Apple Podcasts）和小宇宙平台上线，搜索生统爱好者周刊即可订阅收听。该播客内容基于本周刊公开内容制作，相关学术论文链接及原始资讯请查阅本周刊文字版。
（完）