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.

介绍了大型语言模型的研究现状,阐述了生成式预训练转换器模型的关键技术,综述了大型语言模型在医疗教育、临床疾病诊断与治疗、医患交流中的实际应用现状,指出了有效监管、伦理和法律、专业化及逻辑一致性是大型语言模型在医疗领域应用中面临的挑战,并展望了未来的发展方向.

眼眶肿瘤的位置和组织病理学表现各不相同,给诊断带来了挑战.尽管成像技术的进步改善了这一问题,但其分类与鉴别仍是一项挑战.机器学习作为人工智能的关键分支在医疗领域已取得了一定的成果,尤其是其与影像学、眼科学的结合极大地促进了眼眶肿瘤的精准治疗,其在肿瘤鉴别、病灶分割及图像重建等方面已经展现出极大的潜力和广阔的应用前景,有望在提升眼眶肿瘤诊断水平的同时降低临床实践成本.本文就基于MRI的机器学习技术在眼眶肿瘤中的应用进行综述,旨在为临床医师和放射科医生就眼眶肿瘤的诊断、治疗及预后提供思路,并进一步促进机器学习在该领域的应用与普及推广.

背景 高血压是严重危害人群健康的常见慢性病,基层医生是高血压管理的主力军,而医源性治疗惰性在很大程度上影响了基层高血压控制的达标情况.目的 调查基层医生在高血压诊疗过程中的治疗惰性,并分析治疗惰性成因,为提高我国高血压控制率提供参照依据.方法 采用简单随机抽样法,于 2023 年 7-8 月向天津市 32家基层医疗卫生机构的基层医生发放调查问卷,从"软理由""高估治疗效果""医保政策"3 个维度评价基层医生在高血压诊疗过程中的治疗惰性,采用二元Logistic回归分析探究治疗惰性的影响因素.结果 本研究共发放问卷 407份,回收有效问卷386份,有效回收率94.84%.基层医生高血压诊疗知识得分为6(0.5)分,得分率为61.11%(5.50/9.00);高血压治疗惰性总得分为 48(7.0)分,得分率为 56.55%(45.24/80.00)."软理由"维度得分为 26(4.8)分,得分率为51.92%(25.96/50.00);"高估治疗效果"维度得分为10(2.0)分,得分率为65.40%(9.81/15.00);"医保政策"维度得分为 6(2.5)分,得分率为 46.40%(6.96/15.00).3 个维度治疗条目水平得分比较,"高估治疗效果"维度得分相较于其他两组得分最高(P<0.05).多因素分析显示,性别、地区、高血压诊疗知识掌握程度及每日接诊高血压患者数是基层医生治疗惰性发生的主要影响因素(P<0.05).结论 基层医生在高血压诊疗过程中普遍存在治疗惰性,高血压诊疗认知水平较低、"高估治疗效果"和"软理由"是导致基层医生在高血压诊疗过程中存在治疗惰性的主要因素.建议加强针对高血压治疗惰性的教育,开展多样化的诊疗知识及管理培训,同时推行临床信息化和人工智能决策系统,或可有效改善基层医生的高血压治疗惰性.

宫颈癌(cervical cancer,CC)是我国女性癌症中第五大常见癌症,且发病有年轻化的趋势,严重威胁女性的生命健康.不同分期及风险者治疗方案不尽相同,随着保育手术普及,对术前精准分期和风险评估提出了更高的要求.MRI是CC诊断、分期和疗效评估的重要方法.但MRI常规序列对CC的诊断及评估受限于主观经验,且缺乏客观定量,准确性欠佳.MRI功能成像及定量成像等新技术,能提供血流动力学改变、组织微观结构的变化、肿瘤乏氧环境以及细胞增殖和蛋白代谢等多维度的精准定量信息,用于CC术前精准诊断和风险评估,为全面了解肿瘤的病理生理、代谢等提供可视化依据.借助人工智能技术挖掘影像大数据,有助于解决临床难题.本文将针对CC分期、疗效及是否复发评估等临床难题,综述MRI功能成像及定量成像在CC诊疗中的应用进展,以推动其临床应用,提升诊疗水平.

目的:通过总结中医优势病种支付方式改革的实践经验,分析共性问题并提出对策,为进一步完善各地区试点方案并探索适合中医药特征的医疗保险支付方式提供科学依据.方法:聚焦中医优势病种及支付方式改革的实践进展、共性病种、服务类型3个维度,对资料进行整理和分析.结果:研究发现各地探索的中医药支付方式包括中医优势病种付费、单独设立中医DRG分组、设置中医院差异化调节系数三类.改革方案以扩展按病种付费范围、单病种付费、按疗效价值付费三类为主.改革成效主要体现在中医价值得到认可、医院获得支持、患者受益三方面.共性病种主要包括骨伤类、痹病及肛肠类疾病.服务类型以住院为主,部分地区拓展至门诊和日间治疗.结论:当前中医优势病种支付主要存在改革与服务范围局限、中西医编码体系及病案填写不够规范、绩效激励配套不足、费用测算不尽合理等问题.建议提出探索"住院—门诊—居家"整合型中医优势病种服务模式、形成中医病种管理范式、补偿短期政策性亏损并调整价格、利用大数据和人工智能优化算法并科学制定临床路径标准等对策建议.

信息时代技术的迅猛发展，为医疗行业带来了深刻的变化，尤其人工智能技术与医疗服务的紧密结合，在临床诊治与临床研究方面展现了潜在应用价值。精神医学力求与时俱进，紧跟信息技术步伐，人工智能在精神医学临床研究中进行了多层面的探索，其过程既充满机遇与挑战，也有着可以洞见的曙光。同时，在精神医学临床研究中应用信息技术也存在一定的局限。精神医学临床研究需关注真实世界的真实数据，在注重规范化、安全性的基础上，期待人工智能技术和精神医学临床诊疗真实数据相结合，在强化循证证据、更新临床诊治指南的同时，形成有转化应用价值的工具。从科学发展看，坚信这些工具终将帮助精神科医生造福于广大精神疾病患者，促进精神医学学科的蓬勃发展。

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。

糖尿病视网膜病变(DR)是糖尿病的多种并发症之一，是世界范围内主要的致盲眼病，早期发现和早期干预可以减少致盲性DR的发生。近年来随着高通量组学技术的发展，蛋白组学和代谢组学在DR的早期诊断、发病机制研究以及治疗靶点探索等方面展现出强大的应用价值。传统生物标志物如糖尿病病程和糖化血红蛋白等具有较高的预测DR进展的能力，但临床上仍然缺乏能够体现DR病理机制的独立预测因子。人工智能和机器算法等技术推动了蛋白组学和代谢组学对DR新型生物标志物的探索，使得新型生物标志物更加无创，稳健和敏感。在临床实践中，对预后存在差异的患者进行蛋白质和代谢物的检测，可以帮助临床医生从蛋白组学和代谢组学角度理解患者的异质性，推动了DR精准医疗的开展。本文对蛋白组学和代谢组学在DR的新型生物标志物筛选、发病机制探索和精准医疗等方面采取的技术和策略进行阐述以期进一步推动这个领域的临床应用转化研究。

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。