糖尿病高风险人群的筛查和生活方式干预是糖尿病防控的关键。生活方式干预需要长期坚持和持续行为改变，否则将影响服务对象的依从性和干预效果。持续葡萄糖监测（CGM）能提供血糖实时变化的可视化数据，被视为激励健康行为和生活方式的有效教育工具，基于第五代移动通信技术（5G）的糖尿病健康管理能有效控制血糖，提高糖尿病高风险人群的自我管理能力。本共识提出构建5G+“三早”（早筛查、早评估、早干预）糖尿病健康管理模式，包括依托数字化健康管理系统，整合医院、社区卫生服务中心、家庭、个体智能监测终端形成“医院-社区-家庭/个人”健康信息多端数据共享云平台；应用5G智能可穿戴设备实施连续、动态、实时的健康指标居家监测和糖尿病风险预警；对糖尿病高风险人群实施早筛查和风险评估，将基于CGM的24 h平均血糖作为一种可供参考的糖尿病风险评估指标；在遵循糖尿病健康教育、饮食、运动、心理和药物干预的综合性干预原则基础上实施分层管理，根据CGM技术提供的连续、动态、实时的血糖监测结果制定个体化的饮食和运动干预方案，联合智能应用程序实施个体化的精准健康管理，建立糖尿病的“三早”健康管理服务模式。

目的：:总结和分析沈阳地区4 537例足月新生儿使用数字化广域眼底成像检查系统（Ret-CamⅢ）行眼病筛查的结果。方法：:回顾性研究。连续选择2021年6月至2022年6月在沈阳市妇婴医院进行新生儿眼病筛查的足月新生儿4 537例的临床资料。所有足月新生儿均使用Ret-CamⅢ对眼前段及眼底进行相关疾病的筛查，对筛查结果异常的患儿进行治疗和随诊，并对筛查结果进行总结和分析。结果：:4 537例新生儿中，共3 276例（72.21%）足月新生儿初筛通过，1 261例（27.79%）初筛未通过，眼前段异常252例（5.55%），眼底异常1 700例（37.47%）。眼前段异常中最多见的为瞳孔残膜（76例，1.68%），最少见的是先天性白内障（3例，0.07%）；眼底异常中，排名前五的分别是新生儿视网膜出血（720例，15.87%）、视网膜周边白色病灶（661例，14.57%）、类家族性渗出性玻璃体视网膜病变（91例，2.01%）、视网膜脱色素改变（88例，1.94%）及杯盘比大（73例，1.61%）。结论：:新生儿眼病筛查结果中大部分初筛通过，未通过的新生儿眼病以眼底异常为主，最常见的是新生儿视网膜出血。

职业性尘肺病（简称尘肺病）是我国危害最严重的职业病病种，根据我国现行标准GBZ 70-2015《职业性尘肺病的诊断》，尘肺病主要依据高千伏或数字化X线摄影（DR）后前位胸片表现进行诊断、分期。尘肺病胸部X线摄影技术是尘肺病诊断中研究最多、应用最成熟的影像检查技术。但该技术在一些早期尘肺病检查及职业健康体检的筛查中存在一定的局限性，有一定漏诊、误诊的风险。随着影像检查技术的不断发展，计算机断层扫描（CT）、核磁共振成像（MRI）、正电子发射计算机断层显像（PET-CT）及人工智能（AI）技术作为辅助影像检查手段在尘肺病辅助诊断研究中表现出不同的应用诊断价值。本文综述了几类影像检查技术的优点及应用中存在的问题，为未来尘肺病诊断相关影像技术的研究提供了方向。

认知障碍是一个渐进发展的过程，早期识别认知障碍并进行干预，对减缓其进展、降低社会负担非常重要。近年来随着科学技术的发展，认知障碍数字生物标志物不断丰富，弥补了传统认知评估的不足。该文对认知障碍数字生物标志物的研究进展进行了综述，以期为促进认知障碍的早期精准识别、完善数字化诊疗方案提供参考。

糖尿病视网膜病变（DR）早筛早防至关重要。利用数字化成像的远程医疗为眼科技术较为薄弱或缺少眼科的社区医疗机构开展DR分级诊疗提供了便利条件。为了给具备远程医疗条件的城市地区开展基层主动筛查DR提供流程指引和个案管理参考，中国研究型医院学会糖尿病学专业委员会组织相关专业专家，立足社区医疗机构的DR现状与需求，依据国内外最新权威DR管理指南并结合深圳经验起草了《社区医疗机构糖尿病视网膜病变筛查工作流程与管理规范的专家共识（2023版）》。在糖尿病防治中心的指导下，借助远程医疗人工智能信息化平台，统筹“以联盟医院为中心，以内分泌科为主导、基层医疗机构为依托、眼科为辅助”的DR筛查、分级转诊与多学科专案共管流程，以规范DR早筛早防和多学科管理体系建设，为2型糖尿病患者提供数据驱动的连续动态管理，最终达到延缓DR发生发展、降低失明率、提高患者生活质量的目的。本共识内容包括DR社区筛查的基本条件、DR临床分级与社区工作模式、DR社区主动筛查、DR分级转诊标准、DR专案管理、培训考核与质量管理等内容。

病理切片数字化积累了大量的数据，是人工智能辅助病理诊断的重要前提。当前宫颈液基细胞学筛查已成为人工智能病理研发的热点，但国内对宫颈液基细胞学数字病理图像的采集及质量评估，缺乏统一、规范的标准。为促进标准化的宫颈液基细胞学数字病理资源库和数据集的建立及相关人工智能辅助诊断产品的研发，编写组专家经过反复讨论，对宫颈液基细胞学全视野数字图像采集前的玻片评估、采集参数、数字图像的可信度评估及阅片报告等形成此共识。

先天性心脏病(congenital heart disease，CHD)是常见的出生缺陷之一，随着人们对CHD认识的加深和筛查手段的不断进步，CHD患儿已能够在早期得到诊治。CHD早期筛查主要通过双指标检测法，即心音听诊和脉氧测定。脉氧测定目前已有较成熟的商用设备，但心音听诊受个人经验和外界因素的影响较大，易出现误诊、漏诊。近年来随着人工智能(artificial intelligence，AI)的不断发展，心音信号的数字化采集、存储、分析技术日趋成熟，进而促使智能化心血管疾病听诊辅助诊断技术成为可能。目前基于深度学习(deep learning，DL)的AI算法在CHD心音听诊辅助诊断方面已有较多研究，但大部分仍处于算法研究阶段，且基于特定数据集实现，尚未在临床得到验证。本文就目前AI听诊技术的研究现状进行综述，总结近年来基于DL的智能听诊技术在CHD领域的发展，并提出心音听诊在临床应用中亟待解决的问题。

目的:应用小儿临床营养数字化平台对PICU患儿进行营养评估，了解PICU患儿营养状况，指导营养干预，提高重症医生对营养的关注。方法:选取2019年1月1日至12月31日入住我院PICU的患儿1 262例，将临床资料、生长指标、饮食摄入情况录入小儿临床营养数字化平台进行营养风险筛查，对存在营养不良风险的患儿进行营养评估，并进行营养干预。结果:入院时存在营养风险926例(72.34%)，其中原发病风险291例(31.43 %)；饮食情况2分26例(2.81%)；体格测量1分308例(33.26%)，2分260例(28.08%)，3分271例(29.27%)。出院时存在营养风险748例(65.72%)。入院时营养不良患儿的平均住院日(10.8±3.3)d，入院正常患儿平均住院日(13.4±4.6)d。出院营养不良患儿平均住院日(11.7±4.2)d，出院无营养不良患儿平均住院日(8.5±2.9)d。入院存在营养风险的患儿中，营养不良372例(40.17%)，其中严重营养不良91例(9.83%)，出院时营养不良220例(29.41%)，其中严重营养不良68例(9.09%)。结论:PICU患儿营养风险发生率高，且随住院时间延长而风险升高。住院期间予营养支持干预，可一定程度降低营养不良发生率。营养不良风险筛查、营养不良评估及干预对了解并改善患儿营养状态及临床预后起重要作用。

近年来，我国临床试验发展迅速，研究数量和质量均有了长足进步，但仍面临着受试者招募困难、数据收集难度大和临床监查成本高等挑战。2023年，浙江医院借助人工智能与数字化技术构建了数字化智能临床研究系统，通过智能化的患者筛选、自动化的数据录入和远程的数据监查，显著提高了临床试验的工作效率和数据准确性，同时降低了研究成本；但在受试者筛选准确性、数据脱敏处理和系统兼容性等方面仍存在不足，有待进一步完善。该系统为临床研究管理提供了新的解决方案，可供其他机构借鉴和参考。

目的:探讨基于失效模式和效应分析(Failure mode and effect analysis，FMEA)的优质护理对新生儿广域数字化视网膜摄像系统(RetCam3)眼底筛查的干预效果。方法:选取南阳南石医院124例进行RetCam3眼底筛查的新生儿作为研究对象(2016年3月至2019年3月)，依据建档顺序分为两组，各62例。对照组予以常规护理干预；观察组在此基础上予以基于FMEA的优质护理。观察两组筛查期间不良反应发生率、单眼筛查时间、家属健康知识掌握情况、随诊依从性。结果:观察组筛查期间不良反应发生率为24.19%，低于对照组66.13%( P<0.05)；观察组单眼筛查时间短于对照组( P<0.05)，家属健康知识掌握率及随诊依从率高于对照组，差异均有统计学意义(均 P<0.05)。 结论:基于FMEA的优质护理应用于新生儿RetCam3眼底筛查过程中，有助于减少不良反应，缩短单眼筛查时间，提高家属健康知识掌握率及随诊依从性。