目的:基于消化内镜人工智能与互联网平台，探索构建一个安全规范、科学严谨的消化内镜数据库，为我国消化内镜人工智能数据质量控制提供参考和依据。方法:针对12种常见消化道疾病，参考相关指南规范，讨论确定消化内镜图像数据的采集与标注标准；研发山东省多中心消化内镜数据在线采集与标注软件；采用国内市场保有量>5%的内镜设备，对参与图像采集与标注的数十位经验丰富的内镜操作医师统一进行数据标注讲解训练。自2019年7月至2020年7月前瞻性、连续性采集、标注来自山东大学齐鲁医院、山东省立医院、聊城市人民医院、临沂市人民医院、威海市立医院、泰安市中心医院、滨州医学院附属医院、烟台毓璜顶医院、山东大学齐鲁医院青岛院区9家医疗中心的内镜检查数据；经数据优化、脱敏、泛化后上传至服务器，经文件同步、数据处理和专家审核，构建山东省多中心消化内镜人工智能数据规范化采集与标注数据库，即云平台。采用描述性方法进行统计学分析。结果:制定了山东省多中心消化内镜人工智能数据采集与标注标准；研发了山东省多中心消化内镜人工智能在线采集与标注软件；成功构建了山东省多中心消化内镜人工智能数据库，数据库中标注病灶43 010个，其中，早期食管癌病灶2 906个，早期胃癌2 912个，早期结直肠癌2 397个，结直肠息肉9 773个(腺瘤性息肉5 539个，非腺瘤性息肉1 161个，未定性息肉3 073个)，标注图像40 353张，标注检查数量11 289例次。结论:山东省多中心消化内镜人工智能云平台采用统一标准和采集标注软件，保证了内镜数据的安全性、规范性，为我国消化内镜人工智能数据标准化采集、标注质量控制体系的构建和第三方数据监管提供了参考和依据。

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。

目的:构建一套内镜下识别幽门螺杆菌（ Helicobacter Pylori， HP）感染多重特征的人工智能辅助诊断系统，并评估其在真实临床病例中的表现。 方法:回顾性收集2020年1月—2021年3月在武汉大学人民医院消化内镜中心同时间段行 13C呼气试验和胃镜检查的1 033例受检者资料， 13C呼气试验阳性（定义为 HP感染）为病例组（485例）， 13C呼气试验阴性为对照组（548例）。将提示 HP阳性和 HP阴性的各类黏膜特征胃镜图像，以及以案例为单位的 HP阳性和 HP阴性病例胃镜图像以8∶1∶1的比例随机分配到训练集、验证集和测试集，基于卷积神经网络（convolutional neural network，CNN）和长短期记忆网络（long short-term memory network，LSTM）开发一套识别 HP感染的人工智能辅助诊断系统，其中，CNN可识别并提取每例患者内镜图像中的黏膜特征，生成特征向量，然后LSTM接收特征向量，综合判断 HP感染状态。以灵敏度、特异度、准确率和受试者工作特征曲线下面积评估系统的诊断性能。 结果:该系统对结节样改变、萎缩、肠上皮化生、黄斑瘤、弥漫性发红+点状发红、黏膜肿胀+皱襞肿大蛇形+黏液白浊和 HP阴性特征的诊断准确率分别为87.5%（14/16）、74.1%（83/112）、90.0%（45/50）、88.0%（22/25）、63.3%（38/60）、80.1%（238/297）和85.7%（36/42）。其综合判断患者 HP感染的灵敏度、特异度、准确率和受试者工作特征曲线下面积分别为89.6%（43/48）、61.8%（34/55）、74.8%（77/103）和0.757，其诊断准确率与内镜医师白光下诊断 HP感染的准确率相当（74.8%比72.1%， χ2=0.246， P=0.620）。 结论:本研究开发的系统在评估 HP感染方面具有较好的诊断性能，可用于辅助内镜医师判断 HP感染状态。

目的:评价人工智能图像分析技术对骨髓细胞形态的识别效能。方法:回顾性研究。2019年12月1日至2020年12月31日在河北医科大学第二医院就诊患者的骨髓标本。选取骨髓标本100份，患者来源包括慢性髓系细胞白血病23例、骨髓增生异常综合征4例、慢性淋巴细胞白血病8例、多发性骨髓瘤5例、急性白血病7例、慢性贫血患者32例、感染患者6例及正常骨髓象15名。其中男45例，女55例，年龄52（37，66）岁，骨髓涂片经瑞-姬染色后，应用AI分析系统和人工审核对13种骨髓有核细胞进行分类，以人工审核结果为金标准，比较两种方法的结果差异，应用统计学软件绘制混淆矩阵，人工审核结果与AI分析系统预分类结果符合度采用Kappa一致性检验方法进行统计；应用Pearson检验分析AI系统预分类和手工镜检分类结果的一致性。选取临床已确诊的MDS和AML骨髓标本各30例，比较AI分析系统人工审核与手工镜检2种方法分类计数原始细胞百分比结果的差异性，以评估AI分析系统的临床应用价值。结果:应用AI分析系统扫描共获得76 630张13种骨髓有核细胞的高清单一彩色图像；13种骨髓有核细胞分类计数的加权平均实验诊断效率参数为：敏感度95.82%，特异度99.19%，准确度98.89%，假阳性率81.00%，假阴性率4.18%；AI分析系统预分类结果和手工镜检分类结果的相关性显示：原始细胞、早幼粒细胞、中性中幼粒细胞、中性晚幼粒细胞、中性杆状核粒细胞、中性分叶核粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、中幼红细胞、晚幼红细胞及淋巴细胞均具有较好的正相关性（ r>0.70， P<0.001）；AI分析系统与手工镜检2种方法对MDS原始细胞的计数结果差异无统计学意义（ P>0.05），对AML原始细胞计数差异有统计学意义（ P<0.01），但由于原始细胞计数均≥20%，符合AML的分型诊断标准。 结论:AI分析系统对13种骨髓有核细胞分类计数有较好的敏感度、特异度和准确度。

目前已上市的具有临床证据支持的结肠镜检查人工智能工具正不断增加。然而，由于种种原因，如临床获益和成本效益的研究数据不足、可信赖的指南缺乏、适应证和培训要求不明确，以及应用的成本问题，导致人工智能的应用并不顺利。为解决该问题并更好地指导从业人员，世界内镜组织用立场陈述的方式对人工智能在结肠镜检查中的地位问题进行了观点的阐述。

近年来，人工智能技术在几乎所有领域均取得了多项技术进步，在医学领域也不例外。目前人工智能辅助上消化道内镜检查作为临床决策支持工具已被引入临床实践，在人工智能的帮助下，加上内镜专家的专业知识，人工智能将有望作为提高内镜诊断能力的一种得力工具，尤其对初学内镜及经验不足的内镜医师来说，人工智能的出现对提高内镜医师的工作效率及诊断能力具有重要意义，但目前人工智能用于上消化道内镜检查的研究尚处于探索阶段，仍未广泛应用于临床实践当中。

胃癌是我国常见恶性肿瘤之一，发病率高且预后较差。提高胃癌诊断率和探索新的治疗方法依旧是当前工作重点。近年来，以人工智能为代表的智慧医疗逐步应用于胃癌的诊断与治疗，特别是胃镜检查、影像学检查、病理学诊断等方面。在胃癌微创手术方面，超高清视野（4K分辨率）、三维（3D成像）等新技术的出现，进一步提升手术精准度。同时，以吲哚菁绿为代表的腹腔镜荧光成像技术，正逐步成为微创手术智能化发展新方向。笔者结合国内外文献，深入阐述胃癌诊断与治疗过程中微创智能化技术的应用，以期更充分地认识胃癌智能化诊断与治疗所面临的机遇与挑战，打破学科边界，开展广泛的“医工结合”研究，造福胃癌病人。

血细胞形态学检查是血液疾病诊断的重要手段，传统人工镜检存在效率低、易受主观影响等问题。人工智能技术的应用提高了血细胞检查的效率和质量，促进了检测结果的标准化。目前，多种人工智能设备已在临床使用或研究中，但其技术要求和配置各异。中华医学会血液学分会实验诊断学组组织相关专家，制订了本共识。本共识内容包括术语定义、适用范围、技术要求、临床应用、数据管理和信息安全，强调了标本制备、图像采集、图像分割算法、细胞特征提取与识别分类的重要性，并提出了细胞识别谱的基本要求。同时，对病理细胞的细分类、细胞训练与测试的要求、质量控制标准、辅助人工出具诊断报告等方面进行了详细说明。此外，还强调了数据管理和信息安全的重要性，确保患者信息的安全和数据的准确性。

制定再版物联网辅助评估和管理肺结节中国专家共识，目的为在原基础上通过使"复杂问题简单化、简单问题数字化、数字问题程序化，程序问题体系化"的策略，将肺结节诊治中国共识和亚太指南融入"AI肺结节管理程序"(PNapp 5A)和初评与研判二流程体系，将手工业作坊式诊疗模式提升为达到国家和国际标准的物联网流水作业工程。(1)初评流程，由初诊医师和初评专家执行PNapp 5A的1A~3A程序。1A(Ask，询问)：录入吸烟史、肿瘤家族史、职业粉尘接触史和慢性呼吸系统疾病病史等；2A(Assessment，评估)：应用影像学评估肺结节外观、内涵的良恶性特点和随访变化；3A(Advice，建议)：完成鉴别诊断所需肿瘤标志物、真菌和结核等常规检查。其后PNapp 5A自动反馈智能评估的肺结节恶性风险级别(低、中、高)，然后由初诊医师管理低级风险患者；对中、高度风险患者则建议AI和循环异常细胞等个体化检查，供初评和研判专家会诊参考；高度风险患者则需进入下述程序。(2)研判流程，由研判专家执行PNapp 5A的4A和5A程序。4A(Arrangement，安排)：有活检适应证者，首先顺序选择支气管镜引导(包括支气管内超声或磁导航支气管镜等)的非手术活检；不合适支气管镜检查或者有转移可能者，可考虑经胸壁针吸活检术。不能除外感染者，可考虑经验性抗生素治疗1~2周后复查；肺结节<10 mm者，可根据共识、指南安排随访。肺结节>10 mm难以确诊者应考虑为难定性肺结节，建议邀请更有经验的研判专家与AI系统交流互动(人机多学科会诊)会诊提供诊疗意见。5A(Assistance，辅助)：根据组织病理、分子病理和分期、实施术后常规管理，也可参考AI、循环异常细胞和表观遗传等个体化信息，制定个体化防治复发和转移方案，最终实现"名医治未病，大医惠众生"愿景。

目的:评估人工智能（AI）血细胞形态分析仪（AI阅片机）对外周血白细胞检测的性能。方法:多中心研究。（1）从全国11家三级医院收集3 010份静脉血标本，用AI阅片机进行14类白细胞分析，并且将预分类结果与资深形态学专家审核后结果进行比较，以此评估AI阅片机白细胞预分类的符合率、检出率、特异度和一致性。（2）从3 010份血液标本中选取400份血液标本（预分类人工审核后含异常白细胞的标本不少于50%），由形态学专家进行人工镜检并分析人工审核后的WBC分类结果和专家显微镜镜检结果之间的相关性。（3）从3 010份血液标本中找出诊断为淋巴瘤、急性淋巴细胞白血病、急性髓系白血病、骨髓增生异常综合征和骨髓增殖性肿瘤患者的标本结果，通过比较预分类和专家审核后结果，反映AI阅片机对这5种恶性血液病中具有重要临床意义的异常白细胞的预分类的能力。WBC预分类和专家审核结果的一致性分析采用Cohen′s Kappa 检验，比对试验采用Passing-Bablok回归分析，并根据公式统计符合率、检出率、特异度、准确度。结果:（1）AI阅片机可对14类白细胞及有核红细胞进行预分类，与形态学专家审核后结果对比，白细胞总的预分类符合率达97.97%，其中正常类型白细胞预分类符合率均>96%，总的异常白细胞预分类符合率>87%。（2）AI阅片机专家审核后结果与人工镜检对比，各种白细胞类型及有核红细胞均具有较好的相关性（中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞、嗜碱性粒细胞、各阶段幼稚粒细胞、原始细胞、有核红细胞、恶性细胞均 r>0.90，反应性淋巴细胞 r=0.85），参考国际血液学复检专家组定义的白细胞阳性血涂片标准，AI阅片机对白细胞异常标本具有与人工镜检同等的筛查能力。（3）对5种恶性血液病中有较大意义的白细胞与形态学专家审核后结果进行对比，AI阅片机对原始细胞预分类符合率均>84%，检出率均>94%。在急性髓系白血病中，异常早幼粒细胞检出率为95.40%。 结论:AI阅片机对外周血中各类型白细胞的预分类结果与专家审核后结果的总体符合率和检出率均较高，与人工镜检结果具有良好的相关性，且为恶性血液疾病的筛查提供了高效的辅助检测手段。