目的 探讨基于数字化管理门静脉高压多学科会诊及管理平台的构建及具体实施策略.方法 基于数字化管理门静脉高压多学科会诊及管理平台系统通过整合数字识别、数据清洗、结构化处理和人工智能算法等先进技术,构建了一个全面的疾病管理平台.详细阐述了系统的模块设计、应用流程及团队协作机制,展示了如何通过多维数据分析和个性化随访支持,满足门静脉高压患者的多样化和多层次的随访需求.结果 应用数字化新技术构建的管理平台,在多学科精准评估的基础上,个性化定制方案并进行长期动态管理,共纳入428名随访需求患者,依从性提高到了 94％,复诊率达到了 78％,患者满意度达到100％.同时,显著提升了临床与科研团队的工作效率和动力,该项目框架还促成了多个项目、多次获得市级奖项等,促进了相关医学学科的发展和人才培养.结论 通过管理平台的应用,有效地强化了门静脉高压患者的综合管理,提升了患者的就医体验,提高了医疗质量和安全,推动了临床科研工作的开展,带教和培养了一批专业人才,为未来的医疗服务模式创新提供了实证基础和技术支持.

背景 新医科建设背景下,教育部鼓励信息技术与医学教育深度融合,培养一流医学人才服务健康中国建设,目前医患沟通共情能力教学多以模拟沟通、小组讨论形式为主,依托人工智能技术开展教学较少.目的 探索构建可以用于课程教学的医患沟通共情语言教学与评价系统,为今后医患沟通共情教学提供新的方向;开展教学应用,提高医学生、医生沟通共情语言表达能力,并收集反馈用于系统的优化改善.方法 2021 年 9 月—2022 年 2 月课题组基于讯飞语音识别技术和共情语义识别算法,应用课题组研制的 10 个医患沟通典型案例、示范共情语言、共情语言语义库、共情语言技能及其整体评分标准等进行系统"医患沟通共情语言虚拟仿真教学与评价系统"(以下简称系统)的开发;2022 年 3-5 月选取南京医科大学参与医患沟通学课程或培训的 950 名学生(包括 515 名本科生、102 名医学博士生和 333 名临床医生)为研究对象,基于本系统开展南京医科大学《医患沟通学》技能课(2 学时)的教学试验.采用自拟调查问卷收集研究对象的共情语言内涵掌握程度、共情语言能力增强程度、系统便捷性认知程度、系统融入教学合理性认知程度等,并采用NVivo软件对研究对象的反馈意见和建议进行词频分析.结果 应用系统后,本科生、临床医生、医学博士生的共情语言内涵掌握程度、共情语言能力增强程度、系统便捷性认知程度、系统融入教学合理性认知程度比较,差异有统计学意义(P<0.05),其中 76.1%(723/950)的研究对象的共情语言内涵掌握程度评价结果为"完全掌握"或"掌握程度较高";93.8%(891/950)的研究对象表明本系统可"显著增强"或"有些增强"共情语言能力,89.5%(850/950)的研究对象对该系统便捷性认知程度的评价为"非常便捷"或"比较便捷";95.1%(903/950)的研究对象对该系统融入教学合理性认知程度的评价为"非常合理"或"比较合理".反馈意见和建议中词频位于前五的关键词依次为:沟通、语音、教学、程序、标准.结论 该系统能够提高医学生和医生在医患沟通中由个案到一般的共情能力,自主型系统的使用解放了师生教学的时空局限,其规范的课程教学方式也得到了研究对象的正向合理性反馈,具有广泛的应用前景,但目前处于初级探索阶段,仍需要不断完善.

目的 通过机器学习分析"舌边白涎"舌象特性,对舌象进行局部特征识别研究,探讨卷积神经网络算法在舌象识别应用中的性能.方法 使用Python进行图像预处理,搭建用于舌象识别的视觉几何组 16层(visual geometry group 16,VGG16)卷积神经网络模型,分析其对"舌边白涎"舌象鉴别分析的效果,并结合热力图分析"舌边白涎"典型舌象表现.结果 基于PyTorch框架,进行卷积神经网络的舌象鉴别研究,VGG16 及残差网络 50 层(residual network 50,ResNet50)模型验证准确率均较高,达到 80%以上,且ResNet50 模型优于VGG16 模型,可为舌象识别提供一定参考.基于加权梯度类激活映射(gradient-weighted class activa-tion mapping,Grad-CAM)技术,通过舌苔舌色差异分布的网络可视化,有助于直观进行模型评估分析.结论 基于卷积神经网络模型对舌象数据库进行分析,实现"舌边白涎"舌象识别,有助于临床诊疗的客观化辅助分析,为舌诊智能化发展提供一定借鉴.

新辅助放化疗(neoadjuvant chemoradiotherapy,nCRT)可降低局部进展期直肠癌(locally advanced rectal cancer,LARC)患者的局部复发率,提高保肛率.部分患者在nCRT后可达到病理完全缓解(pathologic complete response,pCR),这类患者采取"等待观察"策略,可避免手术导致的相关并发症.功能磁共振成像(functional magnetic resonance imaging,fMRI)从细胞水平反映肿瘤微环境结构及功能的改变,较常规MRI可更为准确地评估LARC患者对nCRT的反应.本文围绕扩散加权成像(diffusion-weighted imaging,DWI)及其衍生序列和灌注成像定量评估LARC患者nCRT后pCR研究进展予以综述,比较了DWI、体素内不相干运动(intravoxel incoherent motion,IVIM)、拉伸指数模型(stretched exponential model,SEM)、扩散峰度成像(diffusion kurtosis imaging,DKI)、动态对比增强磁共振成像(dynamic contrast-enhanced MRI,DCE-MRI)和基于人工智能的预测模型在当前研究中的优势与不足,并为未来的研究方向提供了线索和思路,旨在为准确识别pCR的LARC患者提供较为可靠的定量指标.

科技的发展开启了外科手术微创化和智能化的新时代。以微创小切口、经皮微创、关节镜下微创手术、内镜下微创手术为代表的微创化技术，使得手术创伤更小、外观更美观、患者恢复更快。同时，随着近年来人工智能技术的崛起，微创足踝外科手术迎来了全新的助力。借助先进的人工智能算法，医师能够更加准确地识别病变，制定个性化的治疗方案。手术导航系统和手术机器人的应用，提高了手术操作精准度，并可实现实时手术结果确认。足踝外科相较于其他外科起步较晚，以上各种形式微创手术的相互交融以及与人工智能技术的进一步融合成为微创足踝外科手术发展的主要趋势。相信在不久的将来，微创智能化足踝外科手术将真正成为主流术式。

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。

脑小血管病（cerebral small vessel disease, CSVD）是一组累及穿支小动脉、毛细血管和小静脉的脑血管系统疾病症候群。由于CSVD在老年人群中发病率高且危害大，尽早识别与诊断疾病就显得尤为重要。随着人工智能技术的发展，包括机器学习、深度学习、计算机神经网络等人工智能技术被越来越多地应用于医学领域。文章综述了近年来人工智能技术在CSVD影像学标志物和血液标志物评价方面的应用。

目的:评估基于计算机视觉技术开发的眼底图像质量评估系统的准确性。方法:选取2016至2017年在“上海糖尿病眼病研究”中由上海市各社区卫生服务中心的工作人员采用免散瞳眼底照相机拍摄的787例2型糖尿病患者的2 397幅彩色眼底像图片作为测试数据集。患者年龄（69.65±19.09）岁，男性384例，女性403例。根据眼底图像预处理、成像质量评价、内容检测和评估结果输出4个模块开发眼底图像质量评估系统。将2 397幅彩色眼底像图片输入该系统自动进行图像质量评价和视盘、黄斑识别，并根据图像质量判断规则对图像进行合格与否的判断并分类。同时由12位专业眼底图片阅片医师对此数据集的图像质量进行人工分类，其中合格1 846幅，不合格551幅。将系统判断结果与人工判断结果进行比对分析。结果:眼底图像质量评估系统可对输入的彩色眼底像图片自动进行眼别和眼位识别，并进行图像质量评估，之后直观输出评估结果。每幅眼底图像评估时间<1 s。1 846幅人工判断为图像质量合格的图片，经系统判断亦为合格者1 788幅（96.86%）；551幅人工判断为不合格的图片经系统判断结果亦为不合格者550幅（99.82%）。图像质量不合格原因为图像过暗（62幅，11.27%）、图像过亮（51幅，9.27%）、黄斑区不清晰（59幅，10.73%）、黄斑视盘未见（36幅，6.54%）、未见眼底结构（125幅，22.73%）、图像模糊（175幅，31.82%）、图像有遮挡（42幅，7.64%）。系统评估与人工判断结果总体一致率为97.54%。结论:该眼底图像质量评估系统对眼底图像质量的评估结果与专业阅片医师判断结果一致性高，具有客观性。 （中华眼科杂志，2020，56：920-927）

胰腺导管内乳头状黏液性肿瘤（IPMN）是发病率最高的胰腺囊性肿瘤，具有恶变倾向，而IPMN发生癌变后，患者的5年生存率不足40%。因此，早期识别恶变病例并手术切除可明显改善患者预后。各临床指南依据影像学特征、临床表现及血清肿瘤标志物等推荐了IPMN恶变的相关因素，其中主胰管扩张≥10 mm、存在实性成分或强化的壁结节及梗阻性黄疸等是公认的高危因素。然而，临床实践表明，现有指南推荐的危险因素对预测IPMN恶变的准确率并不高，主要问题在于指南推荐的危险因素特异度较低，使可随访观察的病例接受了非必要的手术切除。近年来，基因组学、影像组学及人工智能等新技术和新方法的发展极大推动了IPMN的研究进展。内镜超声下肿瘤囊液穿刺结合DNA、RNA等分子检测及影像组学结合机器学习建模等均在提高恶变IPMN的预测准确率方面展现了优越性，未来将成为辅助IPMN诊疗的重要工具。

目前人工智能技术已在诸多领域如图像分析、自然语言处理、语音识别等取得了卓越的成果。随着医学图像数字化技术的发展，人工智能辅助的医学图像分析成为研究者们高度关注的焦点，其中病理学图像作为医学图像的一个分支在这类研究中占有很大比重。最近工作中很多成人肿瘤的病理图像分析任务都已取得了不错的成果。然而，与成人研究相比，儿科相关的研究因其人口基数小、发病率低、难于获取数据、疾病谱与成人不同等问题，未能得到足够关注和实质性进展。本文将总结现阶段人工智能在成人病理图像的研究成果、儿科病理与成人相比较的不同之处和面对的挑战以及人工智能在儿童病理图像分析中的发展现状和未来趋势。