目的 探究基于知识图谱的高仿真模拟教学在"急危重症护理学"中的应用效果.方法 选取 2020级护理学本科生为研究对象,随机抽取 1 个班为对照组(35 名),采用常规教学方案;1个班为观察组(39名),使用"急危重症护理学"知识图谱开展高仿真模拟.课程结束后比较 2 组自主学习能力,使用教学效果评价问卷及质性访谈了解教学效果及体验.结果 观察组与对照组自主学习能力得分均高于教学前(P<0.001,P<0.05);组间得分比较差异无统计学意义(P>0.05).观察组 77%的护生认为使用知识图谱能够"形成思考问题、解决问题的模式"、69%护生认为"有助于临床思维的培养".观察组师生对知识图谱及该教学方案表示满意.结论 知识图谱与高仿真模拟结合有助于激发护生学习兴趣,提升综合能力,培养临床思维,为护理教育智能化转型提供参考.

元宇宙作为新兴科技被广泛应用于各个领域,包括医学领域.将元宇宙应用于医学教育领域可以提升教育水平.血管外科的治疗方式涉及介入手术,介入手术需借助射线完成,射线对医生的健康造成影响,尤其对未婚未孕的医学生而言,需要避免过量射线的暴露.元宇宙借助情景模拟,可以让医学生在虚拟现实中体验手术,避免射线伤害.医学生的培养和临床实践分不开,尤其是外科医生的培养,传统教学实践不能满足血管外科教学的需要,元宇宙的VR(增强现实)/AR(虚拟现实)/MR(混合现实)技术可以对学生进行实践训练,而且可以重复利用.面对知识日新月异地更新,元宇宙可以通过大数据分析出有用的知识,并以生动形象的画面展现出来,帮助学生理解知识并灵活掌握.通过元宇宙的应用可以培养学生主动学习的动力和兴趣,提高学习成绩和教学水平.该文将探讨元宇宙在血管外科教学中的应用现状及展望.

目的:探讨情景模拟联合案例教学法在重症监护室护生临床带教中的应用。方法:将在重症监护室实习的护生分为分为观察组和对照组，对照组未实施情景模拟联合案例教学法，观察组实施情景模拟联合案例教学法，比较两组临床效果。结果:观察组情景模拟联合案例教学法能够提高护生理论、操作及护理程序考核能力，差异有统计学意义( P<0.05)；情景模拟联合案例教学法能够提高教学质量和护生对带教方法的满意度。 结论:情景模拟联合案例教学法有利于调动护生学习的主动性和积极性，更好地提高护生的临床专业知识与技能，激发学习兴趣。

目的:探讨利用深度学习在图像处理上的优势与放疗结合是否会使放疗过程更加智能化。方法:生成对抗网络(GAN)是一种利用神经网络的生成模型，输入相关特征可生成高质量剂量分布图像。先使用随机无条件GAN进行模拟分布数据的验证，再使用条件GAN(cGAN)训练肿瘤病例的DICOMRT数据，利用靶区和器官轮廓信息直接生成剂量分布图。结果:对于理想数据验证，GAN生成模拟分布效果优良，通过提取靶区轮廓和真实剂量切片数据使用cGAN训练，得到病例计划靶体积和危及器官的剂量分布。结构中预测值与真实剂量之间最大值和平均值的绝对误差评价表现为[3.57%，3.37%](计划靶体积)、[2.63%，2.87%](脑)、[1.50%，2.70%](临床靶体积)、[3.87%，1.79%](大体肿瘤体积)、[3.60%，3.23%](危及器官-1)、[4.40%，3.13%](危及器官-2)。结论:利用GAN模型可以生成模拟分布数据，同时结合先验知识的cGAN模型可以建立靶区和器官信息与剂量分布之间的关系。通过输入靶区和器官轮廓信息直接快速生成对应的剂量分布，是剂量预测的一种有效尝试。

目的:建立血液分析检验结果人工智能（AI）审核规则。方法:纳入2019年8月1日至31日吉林大学第一医院住院患者血液分析数据18 474份，作为AI审核规则训练组，采集其对应的患者年龄、镜检结果、临床诊断信息，以血液分析报告参数、研究参数、报警信息等92个实验室参数作为AI审核规则的候选条件；依据镜检的人工审核作为审核标准，标注是否通过或拦截；采用决策树算法，通过高强度、多轮次及五折交叉验证，初步建立AI审核规则，通过设置重要病例必中，以优化AI审核规则。采用卡方检验比较AI审核规则与自动审核规则的假阴性率、精确率、召回率、F1分数、通过率等指标，评价AI审核规则性能。收集2023年11月1日至31日吉林大学第一医院检验科12 475份住院患者血液分析数据作为验证组，将AI审核规则模拟用于结果审核，分析AI审核规则的性能指标，验证AI审核规则的性能。结果:AI审核规则由15项规则、17条参数构成，能够分辨计数和形态异常。与自动审核规则相比，AI审核规则的训练组真阳性率、假阳性率、真阴性率、假阴性率、通过率、正确率、精确率、召回率、F1分数分别为22.7%、1.6%、74.5%、1.3%、75.7%、97.2%、93.5%、94.7%、94.1，均优于自动审核规则，差异具有统计学意义（ P<0.001），且无重要病例漏检。验证组真阳性率、假阳性率、真阴性率、假阴性率、通过率、正确率、精确率、召回率、F1分数分别为19.2%、8.2%、70.1%、2.5%、72.6%、89.2%、70.0%、88.3%、78.1，与自动审核规则相比，假阴性率较低、假阳性率和召回率稍高，差异具有统计学意义（ P<0.001）。 结论:利用机器学习的决策树算法建立并验证的血常规AI审核规则，能较稳定地识别、拦截与提示异常结果，与自动审核相比在血液分析检验结果报告中更加简便、高效、准确。

近十余年来，智能神经外科已逐步进入轨道化、系统化、规模化的发展阶段，大数据挖掘、机器学习/深度学习/神经网络、临床决策支持系统/专家系统、手术导航与机器人等多个研发版块已初步发展成熟，相关应用已覆盖神经外科各类疾病的临床诊断、治疗决策、手术辅助、预后评估、模拟教学等多种场景，但整体尚处于起步阶段。在中国脑计划的开局之年，全面、理性、客观地回顾智能神经外科的发展历程，审视相关成果的应用现状及风险，具有承前启后的时代意义。

目的:通过分析郑州大学附属郑州中心医院参加过腹腔镜技能培训的普外科青年医师的腹腔镜胆囊切除术学习曲线，探讨腹腔镜虚拟现实模拟培训的意义。方法:将青年外科医师50人分为两组，干预组参加虚拟现实模拟培训，对照组参加传统腹腔镜临床培训。培训完成后，在高年资拥有丰富腹腔镜手术经验医师的监督下完成30例腹腔镜胆囊切除术。应用CUSUM分析法，根据完成率、手术评分和手术时间绘制学员的手术学习曲线。 x为手术例数， k为斜率。计算 k=0时的 x值，比较两组学员的手术学习曲线和术中评分。采用SPSS 23.00进行 t检验和卡方检验。 结果:干预组与对照组分别在 x=19.24±0.39、 x=21.72±0.73时跨过手术学习曲线，差异有统计学意义（ P<0.01）；干预组与对照组显露胆囊部分得分分别为（10.82±2.73）、（9.71±2.69）（ t=4.61， P<0.01）；解剖胆囊三角得分分别为（12.59±3.12）、（8.87±2.99）（ t=6.21， P<0.01）；剥离胆囊得分分别为（10.69±3.38）、（8.80±3.55）（ t=3.10， P<0.01）。 结论:虚拟现实模拟培训可以促进腹腔镜培训的基本技能转化为临床操作技能，可促进普外科青年医师成长。

目的:探讨基于生成对抗网络重建PET图像在改善儿童低剂量 18F-FDG PET图像质量及病灶检出中的价值。 方法:回顾性分析2021年8月至2021年12月于首都医科大学附属北京友谊医院行 18F-FDG全身PET/CT显像的61例患儿[男38例、女23例，年龄(4.0±3.5)岁]的PET图像，将所有患儿通过列表模式提取的低剂量扫描(30 s、20 s、10 s)图像输入生成对抗网络进行深度学习(DL)重建，获取相应模拟标准全剂量(DL-30 s、DL-20 s、DL-10 s)图像。测量标准全剂量120 s、30 s、20 s、10 s、DL-30 s、DL-20 s、DL-10 s图像的肝血池及原发病灶半定量参数，计算靶本比(TBR)、对比噪声比(CNR)及 CV。采用5分Likert量表对图像质量进行主观评分，对比各组图像阳性病灶检出情况，计算阳性病灶检出的灵敏度及阳性预测值。采用Mann-Whitney U检验、Kruskal-Wallis秩和检验及 χ2检验分析数据。 结果:30 s、20 s、10 s组图像CNR分别低于DL-30 s、DL-20 s、DL-10 s组( z值：-3.58、-3.20、-3.65，均 P<0.05)。DL-10 s组评分低于120 s、DL-30 s及DL-20 s组[4(3，4)、5(4，5)、4(4，5)、4(4，5)分； H＝97.70， P<0.001]；120 s、DL-30 s、DL-20 s及DL-10 s组图像的TBR、CNR、 CV、病灶及肝血池SUV max和SUV mean差异均无统计学意义( H值：0.00~6.76，均 P>0.05)。DL-30 s、DL-20 s、DL-10 s组图像阳性病灶检出的灵敏度分别为97.83%(225/230)、96.96%(223/230)和95.65%(220/230)，阳性预测值分别为96.57%(225/233)、93.70%(223/238)、84.94%(220/259)；DL-10 s组阳性预测值较低( χ2＝23.51， P<0.001)。DL-10 s组对不同部位阳性病灶检出的假阳性及假阴性病灶较多。 结论:基于生成对抗网络的DL-20 s组图像质量较高，能达到临床诊断要求。

目的:比较机器人辅助与透视辅助微创经椎间孔腰椎椎体间融合术（minimally invasive transforaminal lumbar interbody fusion，MIS-TLIF）的临床疗效。方法:回顾性分析2020年5月至2021年9月南京医科大学第一附属医院接受机器人辅助MIS-TLIF（机器人辅助组）治疗的腰椎退变性疾病患者27例，男9例、女18例，年龄（61.00±9.11）岁（范围41~71岁）。选择同期接受透视辅助MIS-TLIF（透视辅助组）的患者27例作对照，男16例、女11例，年龄（56.70±11.97）岁（范围32~76岁）。记录手术时间、术中出血量、辐射暴露时间、术后引流量、住院时间、疼痛视觉模拟评分（visual analogue scale，VAS）、Oswestry功能障碍指数（Oswestry disability index，ODI）、椎弓根钉置钉准确率及术后并发症情况。采用拟合对数曲线基于手术量和手术时间绘制机器人辅助组的学习曲线。结果:所有患者均顺利完成手术并获得随访，随访时间为（15.44±3.89）个月（范围12~24个月）。机器人辅助组手术时间、引流量、住院天数分别为（181.44±36.43）min、（43.70±22.04）ml、（5.04±1.40）d，小于透视辅助组的（223.22±59.40）min、（74.63±71.86）ml、（6.59±3.04）d，差异有统计学意义（ P<0.05）。机器人辐射暴露时间为（77.78±9.81）s，大于透视辅助组的（63.78±17.70）s（ t=3.595， P=0.001）。两组患者腰椎VAS评分手术前后比较的差异均有统计学意义（ P<0.05），术后3天和末次随访均小于术前。机器人辅助组术后第3天VAS评分为（2.52±0.98）分，小于透视辅助组的（3.07±0.87）分（ t=0.294， P=0.032）。两组均置入椎弓根螺钉108枚，机器人辅助组置钉准确率为93.5%（101/108），大于透视辅助组的77.8%（84/108），差异有统计学意义（χ 2=11.821， P=0.008）。通过拟合对数曲线描述机器人辅助组术者的手术数量与手术时间的关系，结果显示手术时间随手术量增加而下降，前10例的手术时间波动较大，经过10例手术后手术时间逐渐缩短且趋于稳定。 结论:机器人辅助MIS-TLIF可提高椎弓根螺钉的置钉准确率，改善术后早期疼痛，学习曲线短。

模拟器是内镜逆行胰胆管造影术（endoscopic retrograde cholangiopancreatography，ERCP）培训的重要组成部分。现有证据支持模拟器训练有助于学员提高认知能力和操作技能。本综述旨在系统介绍各种类型的模拟器，并总结现有模拟器的临床应用范围，讨论模拟培训对学员操作表现、插管成功率以及插管时间等临床结果的潜在影响，为ERCP模拟器提高学员技能认知和缩短学习曲线提供有效证据，并对未来的可能进行展望。