2026年5月8日，山东大学护理与康复学院本学年第17期、总第312期研究生学术论坛于学院105教室举行。本期论坛由2024级研究生陆晓敏、孙文洁、刘青进行汇报，指导老师为吴臣老师。

第一位汇报者是2024级硕士研究生陆晓敏，汇报的文章题目是“From retina to brain: how deep learning closes the gap in silent stroke screening”，2025年11月发表在NPJ Digital Medicine期刊，影响因子为15.1分。脑卒中是全球主要致死致残的原因。约20%成人存在无症状脑梗死，可使卒中风险升高3倍，而传统筛查手段预测能力弱、成本高、难以普及。而视网膜作为中枢神经系统的延伸，是观测脑微血管健康的理想窗口，但既往AI却无法直接检测无症状脑梗死并实现个性化卒中风险预测。为填补无症状脑梗死筛查的临床空白，研究团队利用深度学习技术，研发出DeepRETStroke系统，该系统是首个仅通过视网膜照片即可同步检测无症状脑梗死、预测首发与复发性卒中风险的AI模型。实验结果显示，该系统无症状脑梗死检测灵敏度达85.2%，首发与复发卒中预测效能显著优于传统临床模型，真实世界中可使卒中复发率相对降低82.44%。同时研究也提出该模型在人群泛化性、病灶分型、生物学机制等方面的局限。汇报者指出，医学AI需立足临床刚需，以低成本、无创、可普及的技术解决真实诊疗痛点，这项研究不仅实现了从眼底影像到大脑健康的精准评估，更重塑了脑卒中预防范式，为跨器官疾病AI研究提供新思路，具有重要的临床转化价值与公共卫生意义。

第二位汇报者是2024级硕士研究生孙文洁，汇报的文章题目是“Pain, Return to Community Status, and 90-Day Mortality Among Hospitalized Patients With Heart Failure”，2025年1月发表在Journal of Cardiovascular Nursing期刊，影响因子为2.6分。该研究结果表明，患者出院时的疼痛程度，可显著预示其的社区状态恢复率，但与90天死亡率无显著关联，研究团队基于既往文献构建的理论框架获得了部分验证，即慢性疼痛可能与其他症状及合并症协同作用，对出院后的康复产生不利影响。汇报者指出，该研究的贡献在于，考察了心力衰竭患者出院时的疼痛状况与短期出院结局之间的关系，未来研究需进一步区分慢性与急性疼痛对预后的不同影响，并对现有理论框架进行修订与验证。

第三位汇报者是2024级硕士研究生刘青，汇报的文章题目是“Electronic health record-facilitated symptom surveillance and collaborative care intervention in oncology (E2C2): a cluster-randomised, population-level, stepped-wedge, pragmatic trial”，2025年12月发表在The Lancet Oncology期刊，影响因子为35.9分。肿瘤患者存在疼痛、焦虑等症状高发且控制不佳；传统监测与照护模式的资源受限以及扩展性差等问题。该研究将24874例至少完成2次电子健康记录的患者纳入主要分析，并采用阶梯楔形设计，将所有队列先纳入常规照护组，再以8个月为周期，逐步切换至电子健康记录赋能协同照护组，以验证电子健康记录协同照护模式的价值。研究结果显示，该模式不仅显著缓解患者焦虑、抑郁等症状，且在提升患者生活质量、降低住院率、急诊就诊率、ICU入住率方面发挥作用，体现出改善患者生活质量和减轻医疗系统负担方面的双重价值。汇报者指出，该模式的成功实施不仅为肿瘤症状管理指明了方向，也为后续探索基于信息系统的慢病协同护理提供了借鉴。

在本次学术论坛中，三位汇报人分别就各自研究方向带来了精彩的学术报告。吴臣老师对每位同学的汇报内容进行了细致点评。论坛不仅为研究生们提供了高水平的学术交流机会，也有效拓展了大家在相关研究领域的思维深度，激发了同学们对未来学术探索的热情。

编辑：刘乃菡

图片：付静茹