对于新辅助治疗后侧方淋巴结转移的直肠癌患者，盆腔侧方淋巴结清扫手术可以有效清除侧方转移淋巴病灶，并且可以有效减低直肠癌局部复发率。尽管盆腔侧方淋巴结清扫手术具有技术挑战性，且学习曲线相对较长，但是随着微创外科技术的发展，该复杂手术正在快速形成标准化。已有大量文献报道，根据其可行性和近远期效果，腹腔镜辅助下盆腔侧方淋巴结清扫手术是安全、可靠和有用的方法。

目的:基于柯克帕特里克模型对军队医学研究生创新能力的各方面培养效果进行综合评估。方法:科学选取柯克帕特里克模型4个层次的替代评估指标（研究生对高校培养工作的满意度、学习动机强度、创新能力的等级水平和分布特征、论文等创新成果），通过问卷调查和数据收集，综合评估某军队医科院校804名研究生创新能力培养的效果。采用SPSS 20.0进行卡方检验、方差分析和 t检验。 结果:①第一层次（反应层）：研究生对高校培养工作总体满意（非常满意和比较满意之和）为61.2%，采用李克特5级评分法，对导师的评价（4.18±0.84）高于对学校教育管理（3.64±0.89）和课程教学（3.59±0.86）的评价。②第二层次（学习层）：研究生多数属于学习动机中等（57.5%，463/804）。③第三层次（行为层）：研究生创新能力"一般"占64.4%（518/804），"强"占34.3%（276/804）；创新能力成分以挑战性（78.66±9.84）和好奇性（76.46±10.38）为主，想象力最低（65.36±11.44）。④第四层次（效果层）：研究生发表论文以核心期刊为主（人均0.42±0.83）；46.5%（365/804）的研究生认为自己所在专业学位论文的创新性较低；32.2%（259/804）的研究生读研期间参加了1项科研项目；38.7%（311/804）认为自己参加科研项目的学术含量"一般"。结论:柯克帕特里克模型的应用解决了研究生创新能力培养效果评估指标难以统一的问题；4个层次的具体分析为高校研究生创新能力培养工作提供了更加丰富的信息，更深刻地论证了研究生创新能力培养的效果和意义。

超声可进行无创、实时、动态显像，有助于低成本、快速评估风湿性疾病肌肉骨骼系统。由于超声图像受到操作者依赖性、患者依赖性和仪器依赖性的影响，同时存在风湿性疾病异质性等多种因素，因此超声成像临床应用变得具有挑战性。本综述概述了机器学习技术和深度学习方法在风湿病肌骨损伤中的应用，介绍了多种人工智能技术在滑膜、软骨、肌肉组织中的定位、诊断病变，以及疾病活动性分析中的作用；此外，还探讨了人工智能在肌肉骨骼超声实践中所面临的挑战和机遇。

人工智能（artificial intelligence，AI）为计算机学科的一个分支，是一门用于研究、开发能够模拟人类智能的理论、方法、技术及应用系统的新兴科学，主要目标是使机器能够完成需要人类智能的复杂任务。随着大数据时代的到来，AI技术已广泛应用于机器视觉、语言识别、图像理解、遗传编程、机器人工厂和专家系统等专业领域。脊柱侧凸是最常见的脊柱三维畸形，不仅会引起患者外观与体型的改变，还会影响心理健康。临床中，由于脊柱解剖结构复杂、具有维持姿势的重要功能、脊柱外科手术有较长的学习曲线，使得脊柱侧凸的诊疗具有一定的挑战性。脊柱侧凸的临床大规模诊筛工作中易出现工作量大、易疲劳、高误诊率及漏诊率等现实问题。近年来，学者们发现AI技术具有的对样本数据内在规律和表征的深度学习能力，可应用于脊柱侧凸的诊断、筛查、手术决策、术中操作、预测预后和保守治疗等专业领域。然而，AI技术在现阶段仍有一定的局限性，在脊柱侧凸临床诊疗应用中存在诸多不足，包括数据采集不规范、技术研发难度大、技术固有缺陷、过度依赖及法律伦理等问题。借助文献数据库和相关数据共享网络，对近年来国内外AI技术在脊柱侧凸诊疗中的应用趋势和总体概况进行总结，旨在为今后开展AI技术临床应用及开发提供新的思路。

由于髋臼位置深在、解剖结构复杂，髋臼骨折的手术治疗是骨科领域最有挑战性的手术之一。随着社会人口老龄化的加剧，老年髋臼骨折患者逐年增加，其预后出现新的特点。为了缩短初学者对髋臼骨折的学习曲线，有效规避髋臼骨折治疗的陷阱，预测髋臼骨折术后髋关节炎的发生风险，本研究结合髋臼骨折的最新文献，对髋臼骨折预后影响因素进行概括和总结，进而确定髋臼骨折内固定术后早中期转为全髋关节置换术的危险因素，提高创伤骨科医生对髋臼骨折预后因素的认识，为髋臼骨折患者选择最佳治疗方案和判断预后提供参考。

目的:调查护理学专业实习生模拟学习沉浸感与临床实践反思能力现状，探讨两者之间的关系，为促进护理学专业实习生的临床实践反思能力、提高护理实习质量提供参考。方法:2023年3月，采用一般资料调查表、临床模拟学习沉浸感量表、护理学专业学生临床实践反思问卷对山东省某三级甲等医院2023届护理学专业243名实习生进行问卷调查，并采用Pearson相关分析、多重线性阶层回归分析等方法对数据进行处理。结果:243名实习生模拟学习沉浸感总分为(47.62±13.66)分，各维度条目均分由高到低依次为认知同化(3.23±0.92)分、情感带入(3.19±0.95)分、专注(3.12±0.95)分、获得性体验(3.10±1.01)分；临床实践反思能力总分为(106.86±23.35)分，各维度条目均分由高到低依次为动态的职业发展(2.98±0.68)分、基于反思的自我管理(2.98±0.67)分、内部动机来源(2.97±0.68)分、专业能力(2.97±0.67)分、动态的组织氛围(2.96±0.67)分、具有挑战性的临床情境(2.95±0.68)分。模拟学习沉浸感总分及其各维度评分与临床实践反思能力总分及其各维度评分均呈正相关( r＝0.51～0.63，均 P<0.05)。控制人口学变量后，模拟学习沉浸感的各维度对临床实践反思能力均具有正向预测作用( β＝0.123～0.324，均 P<0.05)。 结论:护理学专业实习生模拟学习沉浸感与临床实践反思能力处于中等水平，模拟学习沉浸感水平会直接影响其临床实践反思能力。临床带教教师应当丰富临床模拟教学形式，增强学生模拟学习沉浸感，进而促进其临床实践反思能力的培养。

肺癌的病死率在全球范围内居恶性肿瘤之首。防治肺癌的关键是早发现和早诊断恶性肺结节，因此开发一种有效的早期诊断筛查方法是肺癌诊治长期以来的目标。CT筛查的普及可降低肺癌病死率，但同时对影像诊断在工作量、敏感性、准确性方面也带来了新挑战。近年来，人工智能在肺结节评估方面取得了显著进展，其中深度学习是一种正在快速发展的技术，被认为是医学图像分析领域检测、表征和评估病变的有利工具。本文综述了近年来深度学习在CT扫描肺结节检出和诊断方面的进展，同时概述了一些局限性和挑战性，以期提高临床医师在深度学习辅助诊断肺结节中的认识。

尽管治疗方法不断发展，但大血管闭塞性卒中患者的功能恢复仍存在差异，转归预测也具有挑战性。瑞士苏黎世大学的Herzog等进行了一项观察性研究，旨在探讨能否利用结合临床和MRI数据的可解释深度学习模型来提高对功能转归的判断。

近年来，人工智能（artificial intelligence, AI）和机器学习（machine learning, ML）在医学领域得到了飞速的发展，诸如智能医学影像处理、生物医学研究、临床辅助诊断等，大大提高了医疗服务质量，为构建新型医疗体系提供了重要支撑。然而，其在麻醉学科中的应用有一定的挑战性。目前只能实现自动化，而非自主化。文章就AI和ML在麻醉学科中的应用现状进行综述，结合最新的研究结果进行阐述。虽然AI的发展还面临着一些障碍，但这项新兴技术作为麻醉学科的辅助工具仍然具有广阔的前景。

乳腺MRI非肿块强化（NME）病变缺乏特征性表现，无论从现有的乳腺影像报告和数据系统（BI-RADS）描述的形态特征、其他表示形态特点的定性或者定量特征（包括纹理特征），还是定量的经典数学模型中提取的动力学参数，临床工作中单一特征类型的应用对这类病变的检出、描述和诊断都极具挑战性，因此需要结合形态学和动力学特征，并寻找可靠性、可重复性更高以及定量评估的新工具（如机器学习等）来改善这一现状。鉴于此，本文就乳腺MRI非肿块病灶分布及内部特征、功能成像特征以及人工智能应用这几方面，主要对这类病变良性与恶性鉴别的研究进展进行了总结。