目的 研究人工智能医学影像辅助诊断系统对肺磨玻璃结节(GGN)良恶性及判断病理成份的临床应用价值.方法 从行胸部CT检查发现GGN的患者中随机选取符合条件的44例纳入研究.根据病理结果分成腺癌组GGN与炎性病变组GGN,然后根据贴壁成份的占比不同将腺癌组GGN分成高占比组和低占比组,记录2组测量参数(包括病灶长径、平均CT值、CT值标准差、紧凑度、球形度及患者年龄).采用SPSS 20.0软件统计分析2组间差异,对有统计学意义的定量参数进行受试者工作特征曲线(ROC)分析,评价各测量参数鉴别良恶性GGN及判断恶性GGN病理成分的能力,同时根据最大约登指数(YI)计算该测量参数的最佳诊断阈值,获得曲线下面积(AUC)、敏感度和特异度,P＜0.05被认为差异具有统计学意义;最后根据二元Logistic回归模型得出鉴别良恶性GGN及判断恶性GGN组织成分的独立危险因素.结果 ①在腺癌组GGN与炎性病变组GGN测量数据对比中,腺癌组GGN病灶长径、平均CT值、CT值标准差大于炎性病变组GGN(P＜0.05),腺癌组GGN紧凑度、球形度均小于炎性病变组GGN(P＜0.05),而2组GGN患者年龄差异无统计学意义(P＞0.05).②在高占比腺癌组GGN和低占比腺癌组GGN测量数据对比中,仅发现高占比腺癌组GGN平均CT值小于低占比腺癌组GGN(P＜0.05),其他无差异.③二元Logistic回归模型分析显示,鉴别腺癌GGN与炎症GGN的独立因素为病灶长径;鉴别高占比腺癌GGN和低占比腺癌GGN的独立因素为平均CT值.结论 基于人工智能医学影像辅助诊断系统CT特征定量分析有助于鉴别良恶性GGN,以各项指标联合诊断的效能最佳;但在判断恶性GGN的病理成份方面能力有限,但仍需结合临床其他各项指标进行综合判断才能做出更准确的诊断.人工智能医学影像辅助诊断系统对GGN良恶性及判断病理成份有较大的临床应用价值,以各项指标联合诊断的效能最佳.

目的:应用建立的全自动AI牙体分割算法,从CBCT影像中实现牙体的快速自动化分割,以口内扫描真实离体牙获得的三维数据作为金标准,验证算法的准确性.方法:从上海交通大学医学院附属第九人民医院收集30套CBCT数据及相应的59颗离体牙,通过建立的算法,分割出CBCT中的牙体三维数据.将离体牙处理后扫描获得的数字化信息作为金标准.为了比较算法分割结果以及扫描结果之间的差异,选取骰子系数(Dice)、灵敏度(sensitivity,Sen)以及平均表面距离(average symmetric surface distance,ASSD)评价算法的分割准确性.选用组内相关系数(ICC)评价AI系统获得单个牙与数字化离体牙的长度、面积和体积差异.由于存在不同体素大小的CBCT,使用ANOVA单因素方差分析不同体素组间的差异,同时通过SNK法对其进行两两比较.采用SPSS 25.0软件包对数据进行统计学分析.结果:算法分割结果与离体牙扫描结果对比后,得到平均Dice值为(94.7±1.88)％,平均Sen为(95.8±2.02)％,平均ASSD为(0.49±0.12)mm.比较数字化离体牙与AI系统获得的单个牙的长度、面积和体积的组内相关系数ICC值,分别为0.734、0.719和0.885,AI系统分割出的单个牙与数字化模型在评价长度、面积和体积时有着较好的一致性,但分割结果在具体数值上与真实情况仍有差异.CBCT体素越小,即分辨率越高,分割结果表现更好.结论:本研究建立的CBCT牙体分割算法能够准确实现各分辨率下CBCT中全牙列的牙体分割.CBCT分辨率提高,能让算法结果更准确.相比目前的分割算法,本研究的算法性能更好.但与实际情况相比,仍有一定差异,需对算法继续改进及验证.

新型冠状病毒肺炎(corona virus disease 2019,COVID-19)具有高传染性,严重威胁人民群众的生命安全,快速筛查可以实现快速治疗、防止肺炎进展.目前COVID-19检测诊断方法的金标准为逆转录聚合酶链式反应(reverse transcription-polymerase chain reaction,RT-PCR),但是由于核酸检测存在耗时且假阴性率偏高的问题,而影像医生对医学图像的诊断存在主观性且工作量巨大,因此借助人工智能(artificial intelligence,AI)技术对实现COVID-19的快速诊断至关重要.随着AI在医学领域的成功应用,深度学习技术成为辅助诊断新型冠状病毒肺炎的有效方法.近年来许多学者使用深度学习技术来构建对医学图像进行智能诊断的模型,本文的主要内容就是对这类模型进行总结和分析,介绍了分割肺部区域的模型、实现二分类或多分类的分类模型以及模型在临床上的应用.与此同时,在文章中分析了COVID-19患者的影像学特点,COVID-19患者多双肺受累,其中磨玻璃影是最常见的影像征象.对COVID-19研究的最新进展也进行了介绍,主要是关于提高AI模型准确性的开发和"长新冠"综合征的相关研究.因此,在新型冠状病毒肺炎常态化管理下,模型准确性的提高可以借助数据集的扩大或模型结构轻量化等方面实现;"长新冠"综合征作为一个新的研究领域,学者可以在临床症状、预后随访和结合深度学习技术等方面进行进一步的研究.

2024 年 Annals of Family Medicine刊发一篇《Developing an AI Tool to Derive Social Determinants of Health for Primary Care Patients:Qualitative Findings from a Codesign Workshop》,该文章指出社会健康决定因素(SDOH)对初级保健医生提供公平、全面的护理以及资源分配至关重要.然而,SDOH在临床中很少被捕捉到,人工智能有可能填补此空白.该研究团队通过询问一个大型城市家庭健康团队对拟定的基于人工智能工具的反馈,该工具从电子健康记录数据中推导出患者SDOH.讨论集中在与实施和使用人工智能工具来获取社会数据的 3 个领域:参与者、参与过程和技术.与会者建议从一两个社会决定因素开始(建议将收入和住房作为优先事项),并强调需要充足的资源、人员和培训材料.另外也提出了许多挑战,包括如何与患者讨论人工智能的使用,以及如何确认人工智能工具推导的社会需求是否正确.

近年来,职业健康风险评估方法的联合应用备受重视.首先介绍了风险评估法联合应用的验证方式,其次分析了联合风险评估法在不同职业病危害因素中的应用现状和作用,接着阐述了风险评估法平行应用的互补、拼接和评价3种方式,最后探讨了职业健康风险评估方法与其他方法联合应用的可能性.未来研究将朝着多学科交叉融合、基于大数据和人工智能的方向发展,应用场景将不断优化和扩展,但风险评估方法的准确性和可靠性等问题仍需进一步解决.

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.

弥漫性胶质瘤是最常见的颅脑原发恶性肿瘤,术前精准分级、分子分型预测等对于制订适当的治疗策略和预测生存率具有至关重要的作用.影像组学使用高级特征分析从医学图像中提取数据并构建预测模型,捕捉病变微小的变化,从而提高临床诊断、评估预后和预测治疗反应的准确性.深度学习(deep learning,DL)可以从大量原始数据中自动学习和提取多层特征,而不是手工提取的浅层特征,由于DL已被充分证明能够准确地找到非常深入和抽象的特征,这使其成为医学图像分析领域中广泛研究的课题.随着计算能力的进步,基于DL的人工智能已经彻底改变了各个领域.本研究基于多模态MRI影像组学与DL在胶质瘤术前分级、分子分型、生存预测及治疗评价中的最新研究进行综述,以期为胶质瘤患者提供精准诊疗.

近年来随着深度学习、机器学习算法、硬件水平和数据库的提升，人工智能（AI）技术迎来第三次发展热潮，并为临床工作提供有力辅助。本文回顾整理了国内外AI应用于医学领域的相关经验，并结合最新研究文献及循证医学依据，重点介绍了在AI技术辅助下预检、病情评估、医学诊断、方案决策、外科手术、麻醉、护理、康复治疗、药理研究和医药开发等传统医学模式发生的巨大变革，旨在为国内临床医师全面介绍相关领域的概念与现状，并为AI未来在医学领域中的发展做出参考。

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。

随着科学技术的突飞猛进，传统中医传承模式及手段越来越丰富，传承结果也越来越客观、严谨、智能。但名医传承信息化过程中亦存在资料采集困难、数据处理困难、算法应用困难、分析总结困难等问题。人工智能与大数据、深度学习算法、知识图谱技术等技术方法的融入，为名医传承信息化带来了技术革新。在此形势下，中国中医科学院中医药信息研究所中医药大健康智能研发中心团队，围绕规划名医传承与挖掘开展了一系列中医药领域专业应用系统研究，研发了古今医案云平台、医案大数据分析平台、云医案APP、名医传承工作站。从一定程度上解决了传统模式局限下的医案采集效率低、名医经验总结缺少客观数据支持，以及信息壁垒等问题，从而推进了名医经验传承，提升师徒带教的传授能力与效率。