随着人工智能（AI）技术的不断发展，AI的应用已经开始贯穿于冠状动脉CT成像的全流程，在工作流程的优化、图像质量、自动图像分割、疾病诊断和预后评估等方面均展现了较大的潜力和优势，但也面临一些问题和挑战。未来需要通过优化AI算法、建立标准化多中心大数据库、实现多任务学习、进行临床试验提供临床循证证据，构建更优的心血管疾病风险分层和预后评估模型，全面提升AI赋能的心血管CT在疾病诊疗全流程的应用价值。

当今世界，科技创新已经成为提高综合国力的关键支撑，成为社会生产方式和生活方式变革进步的强大引领；谁牵住了"科技创新"这个牛鼻子，谁下好了"科技创新"这步先手棋，谁就能占领先机、赢得优势。"源创新"即从源头上创新，相对于科技创新、产品创新、流程创新等常见概念，它代表的是一种极其颠覆性的新思维。"源创新"就是要把原始创新能力提升摆在更加突出的位置，努力实现更多"从0到1"的突破，实现更大规模的科技价值创新。目前中国人工智能发展已经进入了一个新阶段，也许现在正是我们赶超世界水平的一个弯道超车的关键节点；人工智能不仅是当下国际竞争的新焦点，也可能成为我国未来经济发展的一个新引擎。

外科医生是一份伟大而神圣的职业，能够在人体上做手术是一种天赐与特权。随着岁月流逝，外科医生的右手无名指上会形成厚厚的老茧，称之为“外科钻戒”，这是外科职业留下的特殊烙印，证明我们实施了成千上万台手术，拯救了成千上万的生命。这是对一位外科医生至高无上的奖赏。这枚“钻戒”上凝结了几百年来外科学这门学科的艺术与科学，蕴藏着外科医生对于外科医学赤诚的真理追求和科学探索精神。拥有一枚晶莹璀璨的“外科钻戒”是我们毕生的梦想与追求，我们要不断提升和完善自我，从艺术、哲学、文学、体育和幽默层面丰富我们对外科职业的理解，提升个人修养和专业素质，包括临床能力、科研、教学、国际学术背景、创新逻辑与设计思维、医学职业精神、个人素质、对环境与自我的感知能力、以及人格与价值观等方面。发挥我们的天赋、聪明才智和职业进取，早日戴上这枚闪闪发光的“外科钻戒”，成为优秀的外科医生。

医学影像的人工智能系统在辅助疾病诊疗方面已展现出巨大潜力，但医学影像数据孤岛、数据隐私安全及数据行业标准不统一等问题严重阻碍了人工智能赋能疾病诊疗。通过结合联邦学习和FAIR科学数据管理准则，可从技术上缓解上述问题对构建医学影像人工智能系统的影响，进而发挥多中心数据的最大价值，开发出更加高效、准确的疾病诊疗系统，指导基于医学影像的人工智能技术在疾病诊疗领域落地。

目的:探讨老年慢性阻塞性肺疾病急性加重(AECOPD)并发心力衰竭(HF)的危险因素，构建临床预测评分模型并评估其预测价值。方法:本研究为病例对照研究。检索电子病历智能检索系统，采用非随机抽样的方法收集深圳市人民医院2020年1月至2021年9月住院的AECOPD并发HF的患者53例，同期匹配单纯AECOPD患者53例，比较2组患者的一般临床资料和主要实验室指标，采用单因素及多因素logistic回归分析评估AECOPD患者并发HF的独立危险因素，对各项危险因子赋分并构建临床预测模型，绘制受试者工作特征(ROC)曲线并计算曲线下面积(AUC)，评估该临床模型预测能力。采用Hosmer-Lemeshow检验和Bootstrap法进行模型的内部验证并测试模型的准确度。结果:AECOPD并发HF组的年龄、糖尿病史、冠状动脉粥样硬化性心脏病史、心房颤动史、高尿酸血症史、肺动脉高压、钾离子及空腹血糖均显著高于单纯AECOPD组( P值均<0.05)，而该组的低密度脂蛋白胆固醇、肾小球滤过率(GFR)则显著低于单纯AECOPD组( P值均<0.05)；基于单因素及多因素logistic回归分析筛选出各项危险因子，包括年龄>80岁、冠状动脉粥样硬化性心脏病史、心房颤动、肺动脉高压和高尿酸血症，并以此为基础构建临床预测模型，该模型预测老年AECOPD患者并发HF的AUC值为0.92(95% CI：0.87~0.97， P<0.001)，评分最佳截断值为34分，敏感度、特异度分别为94.3%和79.2%。Hosmer-Lemeshow检验显示老年AECOPD患者并发HF的实际概率和预测概率差异无统计学意义( P＝0.769)。经Bootstrap内部验证，该模型仍具有较高的鉴别能力。 结论:年龄>80岁、冠状动脉粥样硬化性心脏病史、心房颤动、肺动脉高压和高尿酸血症是老年AECOPD患者并发HF的独立危险因素；基于上述指标构建的临床预测评分模型对于老年AECOPD患者并发HF的风险具有一定的预测价值。

人工智能赋能的心电图（AI-ECG）是近年来心电领域内的突破性进展之一。本文重点介绍了AI-ECG相较于传统心电图的3个优势：①基于大数据的自动诊断功能，从而实现辅助甚或替代人工心电图诊断。②识别出心电信号上肉眼无法识别的异常，从而显著扩展心电图的应用领域，例如识别高乳酸血症。③对于未来将发生的心脏不良事件的预测价值。此外，本文还简要介绍了AI-ECG以上3种潜能在未来可能的应用场景。

数字智能化肝胆外科的发展经历了十几年的演进过程，从数字虚拟人技术到质控化、同质化三维可视化精准诊疗体系的建立；从三维可视化到数字智能化技术临床转化及诊疗模式的转换；实现了疾病的经验性诊断到深度学习智能化诊断与治疗和经验性手术到多模态影像实时手术导航的技术创新；从肿瘤的形态学诊断深入到分子影像学精准诊断的研究。在这个过程中只有不断地进行研究创新、理论创新和技术创新才能给数字智能化外科赋予新的生命力。未来，从关键分子功能可视化实现肝癌分子、细胞层面边界界定和早诊早治，对改变肝癌患者肝切除术后的预后具有重大的临床价值。此外，为了实现智能化肝切除手术导航，突破技术瓶颈，研发具有自动导航技术、机器学习智能规划技术和多模态影像融合技术的智能化机器人实时导航肝切除手术系统具有重要的临床意义，给数字智能化肝胆外科的发展带来了新的机遇和挑战。

随着肺结节检出率越来越高，肺结节临床管理的规范化对实现肺癌的早诊早治至关重要。近年来，人工智能(AI)关于肺结节的研究在诊疗及预后分析中不断深入，AI对医学图像的处理分析以及整合多模态数据的能力使得AI在肺结节的临床管理决策中发挥着越来越大的价值。本文旨在探讨AI在辅助肺结节多个临床决策方面的研究现状。

目的:通过对比分析公立医院全维度成本核算路径的实践效果,优化升级各维度核算的方式方法.方法:列举现行公立医院成本核算方案指导下的主流核算路径,对比各类核算方式结果的优劣及其核算难易程度,优化升级各维度核算细节.结果:不同核算方式各有利弊,且路径选择需要依托于公立医院的规模情况、管理需求、核算水平及信息化建设程度等综合要素,即随着各维度核算路径选择从简单至精细,数据精细化程度和参考力度也相应由弱到强.结论:公立医院应结合自身核算基础条件,选择最优的核算方法和路径,构建成本核算管控体系,持续优化升级核算模型,以期为医院摸清资产家底、加强资源配置和提升数据治理能力提供强有力的决策支撑.

生成式人工智能(Generative Artificial Intelligence,GAI)的出现,深刻影响着当下各个领域,各领域积极拥抱人工智能带来的高速发展机遇.在教育领域GAI已通过多平台融合取得一定成效,随着人工智能的迭代发展,未来医学人文领域也将出现一系列潜在应用场景,诸如精准赋能提升医学人文教育成效;释放活力促进医学人文教育发展;全景体验创新医学人文教育模式.医学人文教育在与人工智能深度融合过程中,除该技术本身就存在诸如算法黑箱、信息茧房、数据隐私安全、算法歧视等方面的伦理问题,人工智能赋能医学人文教育后,又会产生具有医学人文领域特点的风险.例如可能导致医学人文价值观遗失的风险,GAI过度依赖导致医学人文领域人的主体地位削弱的风险,GAI导致教与学二元关系失衡风险.探究GAI赋能医学人文教育的伦理问题对策,需要以界为限最大可能释放人工智能赋能医学人文活力;需要以人为本让人工智能时代医学人文回归本真;需要以法为基搭建GAI助力医学人文发展良好生态.