胰腺癌是一种高度恶性的消化系统肿瘤，缺乏典型的早期症状，且具有高度侵袭性。多数胰腺癌患者就诊时已无根治性手术切除的机会，总体预后极差。近年来，人工智能在医学领域的应用迅速发展，机器学习和深度学习是其中运用最广泛的人工智能方法。基于人工智能技术建立的各种模型被运用到胰腺癌患者的早期筛查、诊断、治疗、预后预测等方面。三维可视化和增强现实导航技术在胰腺癌手术中亦得到了发展和运用。本文就人工智能技术在胰腺癌中的应用现状进行简要总结，并对其应用前景进行展望。

内镜超声（EUS）既能诊断，也具有治疗价值。本文重点介绍EUS引导下组织获取和EUS引导下引流治疗的最新进展。近年来已逐渐从细胞抽吸的细胞学诊断过渡至获取组织条进行组织学诊断和分子生物学分析。人工智能在EUS中的应用也越来越受到关注。对于活体组织检查阴性患者，人工智能可能有助于指导临床决策。EUS引导下引流治疗的适应证越来越广。EUS引导下引流术被认为是包裹性胰腺液体积聚的一线治疗方案。对于恶性胆道梗阻，内镜逆行胰胆管造影（ERCP）治疗失败后，EUS引导下姑息性引流治疗目前被认为是经皮经肝穿刺胆道引流的替代方案。对于不选择外科手术的急性胆囊炎患者，EUS引导下胆囊穿刺引流术优于经皮胆囊穿刺造瘘术。其他EUS引导下胃肠吻合术，如胃出口梗阻的EUS引导下胃肠造口术、Roux-en-Y分流术后EUS引导的经胃ERCP术等，目前在技术上均可行，但尚需更多前瞻性随机对照临床试验研究来验证其临床价值。

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。

妊娠期高血糖包括妊娠期糖尿病、妊娠期显性糖尿病及孕前糖尿病，可对母婴围产期和远期健康带来诸多不利影响。本文对近年来妊娠期血糖综合管理研究概况进行评述，并着重阐述血糖管理的新技术和新手段（如持续葡萄糖监测、持续皮下胰岛素输注、人工胰腺、基于互联网平台的团队医疗模式等）在妊娠期血糖管理中的优势、局限性及未来展望。

目的:探究计算机视觉人工智能技术在腹腔镜胃癌根治术场景中对器械和脏器检测识别的可行性和准确性。方法:收集国内4家大型三甲医院［解放军总医院第一医学中心（3份）、辽宁省肿瘤医院（2份）、江苏省人民医院溧阳分院（2份）、复旦大学附属肿瘤医院（1份）］共计8份完全腹腔镜远端胃癌根治术手术视频。使用PR软件每5~10 s进行抽帧转换为图帧，转换后进行人工去重，去除明显雷同图帧和模糊图帧以确保质量。转换并去重后，抽帧图像共3 369张，图像分辨率为1 920×1 080 PPI，用LabelMe实例分割图像；共计23个类别包括静脉、动脉、缝针、持针器、超声刀、吸引器、出血、结肠、钳子、胆囊、小纱布、Hem-o-lok夹、Hem-o-lok钳子、电钩、小肠、肝圆韧带、肝脏、网膜、胰腺、脾脏、吻合器、胃和Trocar穿刺器。将抽帧图像按照9∶1比例随机分为模型训练集和模型验证集，使用YOLOv8深度学习框架进行模型训练和验证。采用精确度、召回率、精确度均值和平均精确度均值（mAP）评价检测识别准确性。结果:训练集3 032帧图像，23个类别共计30 895个实例分割数量；验证集337帧图像，共计3 407个实例分割数量。使用YOLOv8m模型训练，训练集损失曲线中损失值随迭代计算轮次增加而逐步平滑下降。训练集中，23个类别检测识别AP值均达0.90以上，23个类别mAP为0.99。验证集中，23个类别mAP为0.82。单一类别中，超声刀、持针器、钳子、胆囊、小纱布和吻合器的AP值分别为0.96、0.94、0.91、0.91、0.91和0.91。模型成功推理应用于时长为5 min的腹腔镜下缝合胃肠共同开口视频片段。结论:本研究初步证实了计算机视觉可高效准确并实时地检测腹腔镜胃癌根治术各手术场景中的脏器和器械。

人工胰腺根据传感器感知的葡萄糖浓度、通过核心算法调整胰岛素泵的输注速率，模拟生理性胰岛素分泌，是1型糖尿病的一种治疗选择。研究结果显示，人工胰腺的应用能够改善1型糖尿病患者的血糖控制，提高其生活质量。该文介绍了人工胰腺的组成与分类，综述人工胰腺应用于1型糖尿病治疗的临床研究进展，并对人工胰腺面临的挑战和未来发展作了展望。

越来越多的研究结果表明，肿瘤微环境对胰腺癌的生物学行为有重要影响。作为肿瘤微环境的重要组成部分，肿瘤间质在胰腺癌发生发展及化疗耐药中发挥重要作用。肿瘤间质比可间接反映肿瘤细胞与微环境的关系，近年来日益受到重视。目前，很多研究结果显示，肿瘤间质比低是可切除胰腺癌预后的保护因素，且此部分患者更适合吉西他滨和白蛋白结合型紫杉醇联合用药的化疗方案，但该结果尚无定论，距离指导精准治疗仍有差距，需进一步研究探索。在传统病理学和影像学评估的基础上，加入人工智能深度学习模型，有助于实现对肿瘤间质比的精准评价，并基于这一指标对胰腺癌患者进行分层和精准诊疗。

胰腺癌是一种恶性程度高、预后极差的肿瘤，其早期诊断一直是临床实践中的一大挑战。超声内镜是诊断胰腺癌常用的检查手段之一，但其准确性受到操作者主观因素和病变相关因素的影响。人工智能可将超声内镜图像转换为可挖掘的数据特征并进行识别，从而提高诊断的准确性并进行实时预测，已有多项研究表明人工智能辅助超声内镜诊断胰腺癌的可行性。本文就人工智能在胰腺癌超声内镜诊断中的研究进展进行综述。

胰腺癌属少见肿瘤，高成本的人群普筛不符合经济卫生学效益原则。家族性胰腺癌、胰腺囊性占位及新发糖尿病等高危人群的确定为胰腺癌早期筛查提供机会。通过人工智能等手段进行人群初筛，可"浓缩"高危人群，提高筛查效率。

近年来，胰腺癌新辅助治疗得到了前所未有的重视。然而，胰腺癌新辅助治疗在人群选择、治疗方案选择、疗效评价三大方面仍然面临一定困境。随着影像组学和人工智能的飞速发展有望弥补传统影像学评价的不足，为目前面临的困境提供新方法、新思路，为胰腺癌患者个体化精准治疗带来曙光。