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 探究基于知识图谱的高仿真模拟教学在"急危重症护理学"中的应用效果.方法 选取 2020级护理学本科生为研究对象,随机抽取 1 个班为对照组(35 名),采用常规教学方案;1个班为观察组(39名),使用"急危重症护理学"知识图谱开展高仿真模拟.课程结束后比较 2 组自主学习能力,使用教学效果评价问卷及质性访谈了解教学效果及体验.结果 观察组与对照组自主学习能力得分均高于教学前(P<0.001,P<0.05);组间得分比较差异无统计学意义(P>0.05).观察组 77%的护生认为使用知识图谱能够"形成思考问题、解决问题的模式"、69%护生认为"有助于临床思维的培养".观察组师生对知识图谱及该教学方案表示满意.结论 知识图谱与高仿真模拟结合有助于激发护生学习兴趣,提升综合能力,培养临床思维,为护理教育智能化转型提供参考.

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.

人工智能在创伤性出血救治中的应用和研究取得了显著进展.为深入了解人工智能在创伤救治中的作用,本文作者对其在创伤性出血的诊断和治疗策略中的应用进行了文献综述,旨在比较不同AI算法在处理创伤性出血患者数据时的表现,选择最适合临床决策支持的算法从而提高其在实际临床应用中的准确性和有效性.

目的 了解护生对大语言模型聊天机器人的使用体验,为规范使用大语言模型聊天机器人提供参考.方法 采用描述性质性研究方法,以目的抽样法选取15名来自4所医学院校的护生进行半结构式访谈.使用内容分析法对访谈资料进行分析、归纳并提炼主题.结果 共提炼出4个主题:使用体验感多样化;使用场景差异化;使用潜在问题;自我感知需求和期待.结论 护理教育和管理者应引领护生树立正确使用大语言模型价值观,制定相关使用准则规范其使用,还须加强培训和护理伦理建设,促进大语言模型在护理教育中的创新融合.

目的 以有创动脉造影(digital subtraction angiography,DSA)为参考标准,通过与手动后处理法比较,探讨在头颈部CT血管成像(ct angiography,CTA)后处理过程中人工智能(artificial intelligent,AI)辅助分析的应用价值.方法 回顾性分析2020年4月-2022年9月在本院行头颈动脉CTA并于1月内行头颈动脉造影检查且符合纳入标准的42例患者的影像资料,男30例,女12例,平均年龄(67±10.9)岁.通过与手工法图像后处理进行比较,评价AI法后处理的工作效率、VR图像质量、标准符合率以及对颈动脉狭窄程度的诊断符合率.结果 对42例患者的84条双侧颈动脉进行分析,人工智能平均完成时间为(1.23±0.17)min,比手工方法(7.95±2.42)min缩短约6.72min,平均时间增益率为84％.人工智能获得的VR图像质量与一般图像质量之比分别为88.1％(37/42)和9.5％(4/42),手动方法获得的VR图像质量与一般图像质量之比分别为19.0％(8/42)和69.0％(29/42).两种方法获得的VR图像质量主观评分差异有统计学意义(P＜0.001);以DSA为"金标准",其中正常33根,闭塞10根,狭窄41根;在检测闭塞上手工和AI测量准确率均100％,狭窄率手工及人工智能测量结果分别为49.7％±20.9％、51.9％±26.3％,二者无显著性差异(P=0.24),组内相关系数为0.879;结论 基于图像分割技术对头颈部CTA血管成像进行后处理,可以显著缩短后处理时间,提高诊断的准确性和效率.此外,VR后处理的图像质量优于手工方法,诊断血管闭塞和狭窄的准确性与手工方法相当,可以更好地辅助影像医生进行诊断.

目的:数据驱动的药材推荐方法帮助中医医师在真实的临床实践中更精确、更智能地制定科学的治疗处方,也可以为中医诊断和治疗的发展提供科学依据.方法:通过文本挖掘方法分析了 24 127条中医处方记录,在中医理论的基础上模拟生成处方的过程,并将症状和药材的丰富信息及其相互关系等领域知识纳入考虑.提出了一种基于属性知识网络嵌入的LDA(Latent Dirichlet Allocation)主题模型的中药推荐方法,中药的属性知识网络包含药材丰富的属性信息以及蕴含的药理作用,对主题模型进行了增强.结果:研究结果表明,在最佳嵌入系数下,模型的预测困惑度、准确性以及平均AUC相较于基线主题模型均有更好的表现.结论:所提出的方法有利于提升模型稳定性、药材推荐准确度,更好地承担诊疗模式挖掘等任务.

目的 对比不同疗程枸橼酸咖啡因注射液对极低出生体质量儿的治疗效果及安全性.方法 将极低出生体质量儿分为长疗程组和常规疗程组.2组患儿出生3 d内静脉滴注枸橼酸咖啡因注射液负荷剂量(20 mg·kg-1),在24 h后剂量维持在5 mg·kg-1,qd.长疗程组枸橼酸咖啡因注射液用药至矫正胎龄大于34周,常规疗程组枸橼酸咖啡因注射液用药至矫正胎龄33～34周.对比2组患儿枸橼酸咖啡因注射液使用情况、临床疗效、新生儿行为神经量表(NBNA)评分及药物不良反应发生情况.结果 本研究最终纳入116例,长疗程组64例、常规疗程组52例.治疗后,长疗程组和常规疗程组患儿总有效率分别为92.19％和94.23％,在统计学上差异无统计学意义(P＞0.05).长疗程组和常规疗程组患儿枸橼酸咖啡因注射液应用总时间分别为(60.53±8.92)和(48.17±5.24)d,停药时矫正胎龄分别为(36.02±1.56)和(33.18±1.27)周,改口服时矫正胎龄分别为(34.31±0.48)和(32.06±0.51)周,改口服时奶量分别为(32.69±2.14)和(23.85±1.69)mL,在统计学上差异均有统计学意义(均P＜0.05).长疗程组和常规疗程组患儿枸橼酸咖啡因注射液应用起始小时龄分别为(59.65±3.42)和(58.35±3.11)h,在统计学上差异无统计学意义(P＞0.05).治疗前,长疗程和常规疗程组NBNA评分分别为(36.49±6.78)和(35.58±4.22)分;治疗后,长疗程和常规疗程组NBNA评分分别为(43.25±6.88)和(44.12±7.42)分;与治疗前比较,2组患儿治疗后NBNA评分均显著升高,在统计学上差异均有统计学意义(均P＜0.05);长疗程组和常规疗程组治疗后NBNA评分比较,在统计学上差异无统计学意义(P＞0.05).长疗程组支气管肺发育不良(84.38％vs 51.92％)、血红蛋白浓度降低(18.75％vs 5.77％)发生率均显著高于常规疗程组(均P＜0.05).结论 极低出生体质量儿长疗程使用枸橼酸咖啡因注射液至矫正胎龄＞34周时不会明显影响临床治庁效果、神经功能及智能发育.

骨质疏松症是骨折的主要危险因素,除了骨矿化成分之外,骨微结构及微环境的变化对骨的完整性同样重要.常规MRI测得的信号强度比可用于脊柱手术患者的骨质疏松筛查,使用超短回波时间磁共振成像可以定量评估骨孔隙度、胶原基质、骨的矿化成分等,利用水脂分离技术能测量骨髓脂肪含量、组成以及T2*值,体素内不相干运动技术反映骨髓灌注情况,人工智能技术如纹理分析及深度学习进一步发展了MRI技术,本文总结了近期使用磁共振方法评估骨质疏松症的研究进展.

目的 本研究基于半监督算法残差网络(semi-supervised algorithm Residual network,SMRNet)的深度学习方法,探索其在计算机辅助自主分析膝关节MRI诊断前交叉韧带(anterior cruciate ligament,ACL)损伤方面的应用.方法 使用100名经过关节镜确认的ACL损伤患者和100名关节镜确认无ACL损伤的患者的术前MRI图像.在选取适当层面后,裁剪并用于SMRNet的训练.SMRNet对单个MRI切片上ACL损伤的概率进行最终判断.4名临床医师对相同图像进行读片诊断.结果 SMRNet分类的敏感性、特异性、准确性、阳性预测值和阴性预测值分别为97.00％、94.00％、95.50％、94.17％和96.91％.医师的整体阅片情况类似,敏感性区间91.00％～96.00％、特异性区间90.00％～94.00％、准确性区间90.50％～95.00％、阳性预测值区间90.09％～94.12％、阴性预测值区间90.90％～95.92％,二者差异无统计学意义(P＞0.05).结论 经过训练的SMRNet模型在ACL损伤检测上超越部分临床医师,为膝关节MRI诊断提供高效可靠方法,展现深度学习在医学影像的潜力.未来,SMRNet有望成为膝关节MRI诊断的重要工具,为患者提供更精准的诊疗方案.