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.

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 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.

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.

目的 探究医生对人工智能辅助诊疗系统(aided diagnosis and treatment system,ADTS)的采纳意愿及其影响因素,厘清ADTS推行的重要环节,进而提出优化技术、管理的建议.方法 在整合型技术接受使用模型的基础上添加感知风险、认知信任、法律监管等因素设计问卷,在预调研修正后对226份正式回收问卷数据进行信度和效度分析、假设检验、结构方程模型拟合,得到医生ADTS采纳意愿关系链模型.结果 绩效期望、认知信任、社会影响对医生的行为意愿产生直接正向影响,其中社会影响的作用效果最大;促成因素、法律监管等存在间接影响.研究还发现,使用过ADTS的医生在绩效期望、努力期望、学习适应性等多方面赋分较高.结论 落实ADTS应用应重视培训科普、建立运维体系、完善风险责任规制,需要多方合力.

目的 建立一种基于DeepLabCut(DLC)算法用于评价老年小鼠运动功能的步态分析系统.方法 基于深度学习技术中的DLC算法,采用跑台装置和全封闭设计,构建系统软硬件;应用本系统评价不同运动模式下衰老所致小鼠的步态差异;通过相关性分析探究体质量与体长对步态指标的影响.结果 本系统实现特定步速下小鼠三维立体步态(侧面和腹平面)的同步分析,自动量化47项步态指标.应用本系统发现,步行时(15 cm·s-1),相比2月龄、8月龄和15月龄小鼠体转角标准偏差下降,前肢摆动时长、膝关节(Knee)角度标准偏差、左后爪和右后爪向外角度平均值增加;15月龄小鼠还出现步频降低,步幅、双支撑总时长、Knee伸展和收缩距离增加.小跑时(20 cm·s-1),15月龄小鼠无法稳定行走,相比2月龄,8月龄小鼠左后爪向外角度平均值和双支撑总时长增加.相关性分析发现,步频、步幅、前肢摆动时长、后爪向外角度平均值、双支撑总时长、Knee角度标准偏差、Knee伸展和收缩距离等指标均未受到体质量和体长变化的影响.结论 基于DLC算法的小鼠步态分析系统实现了对老年小鼠步态更加敏感、准确、全面的评价,区分出老年小鼠为维持步态稳定性所表现的步态特征,并筛选出更能反映老年小鼠步态变化的行为指标.为今后更有效评估抗衰老、抗运动协调功能下降药物的药效与副作用提供方法学基础.