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。

高速发展的计算机技术给日常生活及工作带来巨大变化。人工智能是计算机科学的一个分支，是让计算机去行使通常情况下具备智能生命才可能行使的活动，广义的人工智能涵盖机器学习和机器人等等，本文主要聚焦于机器学习与相关的医学领域，深度学习是机器学习中的人工神经网络，卷积神经网络（CNN）是深度神经网络的一种，是在深度神经网络基础上，进一步模仿大脑的视觉皮层构造和视觉活动原理而开发；目前在医疗大数据分析中应用的机器学习方式主要为CNN。在未来数年内，人工智能作为常规工具进入医学图像解读相关的科室是发展趋势。本文主要分享人工智能与生物医学的融合进展，并结合实际案例，重点介绍CNN在胃肠道疾病的病理诊断、影像学诊断及内镜诊断等方面的应用研究现状。

随着人工智能（artificial intelligence，AI）与大数据技术的迅速发展，智慧医疗已逐渐渗透到各医疗领域，健康信息技术（healthcare information technology，HIT）以提高医疗卫生质量、安全和效率为目标，广泛应用于健康医疗方面 [1,2]。AI技术的应用有利于降低急诊医护人员人为错误及患者诊治时间和运作成本，提高医疗救治效率及对危重症患者的识别 [3]。急诊预检分诊是急危重症患者得以早期识别救治的关键，分诊首要任务是根据患者病情危重等级科学分诊，预检出急危重症和潜在危重症患者并尽快安排就诊或抢救 [4,5]。但急诊病种复杂且危重患者较多，尤其在新冠疫情防控常态化管理的同时，预检分诊工作也面临着巨大挑战 [6]。为满足特殊时期的临床需求，加快医院信息化建设，本科与信息科等技术人员基于HIT与大数据分析技术对急诊预检分诊平台进行了优化。

人工智能（artificial intelligence，AI）技术是一项由计算机科学、数学、哲学、心理学、控制论、决定论等多学科交叉融会而成的前沿技术，它的核心理念是基于机器学习、深度学习等计算机算法来研究人类大脑的智能，对人类的智力进行模拟、开发和延伸，最终实现计算机的自主智能活动。随着该项技术的不断发展，AI已逐步形成了以计算机视觉、语音识别、自然语言识别、决策规划以及大数据分析为主的几个宏观技术方向，并广泛应用到骨科领域中，改变了骨科疾病传统的诊疗思路。AI技术应用于骨科不但提高了骨科医生的工作效率、减轻了工作负荷，同时也为患者提供了安全有效的临床保障，给临床骨科疾病的诊断、治疗和康复带来巨大推进。经过文献检索筛查，本文选取了近几年来AI技术在骨科领域的最新研究成果，对其在急诊分诊、病情危重度评估、疾病诊断、高危人群风险预测及手术治疗中的应用现状展开综述，旨在介绍AI技术在骨科领域的最新进展，促进AI技术和骨科领域新的深度融合，并为AI技术在骨科领域的未来研究方向提供参考。

人工智能（AI）、大数据分析、网络通讯等技术飞速发展，给检验医学的发展带来了巨大的机遇与挑战。检验大数据应与AI相融合，优化检验系统的管理，协助临床医生进行决策。检验AI在四方面具有发展前景：以患者为中心的检验AI、个性化健康预防保健体系的构建、慢性疾病的个体化管理、改善医疗不平衡。但目前检验AI研发还有一些困难和挑战。

随着人工智能（AI）技术的兴起与发展，将AI应用于医疗健康领域正日益受到广泛关注。本文以机器学习、深度学习和迁移学习等方法为代表，概述了在睡眠医学领域的相关研究工作，涵盖了睡眠分期、睡眠纺锤波、睡眠呼吸暂停、快动眼睡眠行为障碍、失眠以及发作性睡病等。同时，分析并探讨了未来AI的发展趋势，充分发挥AI在大数据分析和智能决策上的优势，使其在睡眠医学领域能够得以进一步地推广与应用。

智慧检验医学实验室的发展趋势涵盖了实验室自动化、信息管理智能化、医疗大数据分析以及人工智能医疗设备等方面。这些技术的不断发展和应用将推动检验医学实验室向更高效率、更智能化和更安全的方向发展，为提高医疗服务质量、提升患者满意度以及推动检验医学的高质量发展发挥重要作用。

目的:建立黑色素瘤大数据人工智能科研平台，实现对临床全量数据的结构化存储和精准化管理，提高临床科研效率。方法:基于规范化、结构化后的全量集成数据，利用大数据技术对复旦大学附属中山医院2007年10月至2020年9月各业务系统数据进行抽取、整合，建立黑色素瘤大数据库。通过人工智能技术深度挖掘疾病特征，采用数据库自带算法进行生存分析。结果:平台提供患者筛选导出、统计分析、追溯原始病例、自动选择数据分析算法与模型等功能，实现了数据可视化、队列预览、秒级响应和一站式智能自动化提取入库等目标，可快速完成研究闭环。经筛选核对，收集到信息完整的患者共152例，其中，男性78例，女性74例；就诊年龄30~97岁，中位年龄61岁；肿瘤部位最多位于足部(133例)，最少位于腹股沟区(2例)和背部(2例)；肿瘤最大直径1~80 mm,平均最大直径23.55 mm，中位值20 mm；Clark评级集中分布于Ⅳ级(62例)；17例患者肿瘤表面伴溃疡形成；10例患者出现淋巴结转移；远处器官转移以肺部为主(5例)；超过80%患者的肿瘤组织Breslow厚度<1 mm。对随访满5年且数据资料齐全的49例患者的生存分析显示，年龄≥70岁、Clark评级≥Ⅳ级、Breslow厚度≥4 mm是黑色素瘤预后的危险因素( P<0.05)。 结论:黑色素瘤大数据人工智能科研平台实现了对黑色素瘤临床数据的结构化存储和精准化管理，为临床数据的高效运用提供了解决方案。

目的:分析5G通信技术在新型冠状病毒肺炎（简称"新冠肺炎"，COVID-19）疫情防控工作中的应用领域，构建新冠肺炎疫情防控5G智慧医疗服务体系。方法:收集并分析2019年12月至2020年2月期间，全国抗击新冠肺炎所采用的5G技术应用领域案例：5G+远程医疗应用案例、5G+负压救护车案例、5G+远程监护案例、5G+人工智能案例、5G+红外热成像体温检测案例、5G+疫情防控大数据分析案例。结果:通过对新冠肺炎疫情防控工作中5G应用案例分析，挖掘出新冠肺炎疫情防控中5G智慧医疗服务体系的关键要素。通过优化升级医院内部服务模式，打破院内院外壁垒，整合院内外资源，加强5G智慧医疗安全保障等方法形成新冠肺炎疫情防控5G智慧医疗服务体系，包括应用层、技术服务层、网络支撑层、安全体系层。结论:5G通信技术具备速度更快、时延更短、容量更密的特点，在新冠肺炎疫情防控工作中，能进一步提升医生诊断效率、改善患者就医体验，实现优质医疗资源远程共享和实时信息交互，能有效阻断疫情传播，缓解医疗资源匮乏、医护人员短缺等问题，让疫情防治更加高效便捷。

肺癌的治疗取得了许多重要突破进展，但肺癌的早期诊断仍旧是改善肺癌患者整体预后的重要环节。现代科技下，组学、人工智能、大数据分析和机器人等科学技术的发展，对肺癌早期诊断中的新型标志物、影像及影像组学、介入技术和临床决策等的研究与临床应用研究的进步发挥了重大推动作用，不但提高了肺结节性质的判断水平，更提高了早期肺癌的诊断能力。