抑郁症相关的自杀行为预测是当前突出的预防医学和临床医学难点.机器学习(Machine Learning,ML)是一种人工智能技术,国内外已有不少研究将ML用于抑郁症的诊断或自杀预测.本文聚焦于具有自杀风险的抑郁症人群,通过回顾现有的自杀风险评估工具的应用概况,述评ML在抑郁症患者自杀风险预测方面的多种模型,以期为临床医护人员以及相关公共卫生部门识别和预测抑郁症患者的自杀风险提供科学技术参考.ML相关技术仍存在预测局限性,未来应纳入更多深入研究和开展临床实践.

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.

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 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 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.

综述了防护牙托、牙齿传感器、可穿戴式肌电图设备、奶嘴式可穿戴设备、舌设备等口腔可穿戴设备的研究进展,分析了口腔可穿戴设备的优缺点,提出了目前口腔可穿戴设备发展面临的挑战,指出了建立统一有效的标准诊断数据系统、提高设备的舒适感和隐蔽性、发展材料及工艺、实现集-诊-疗的智能统一是未来口腔可穿戴设备的发展趋势.

介绍了大型语言模型的研究现状,阐述了生成式预训练转换器模型的关键技术,综述了大型语言模型在医疗教育、临床疾病诊断与治疗、医患交流中的实际应用现状,指出了有效监管、伦理和法律、专业化及逻辑一致性是大型语言模型在医疗领域应用中面临的挑战,并展望了未来的发展方向.

目的 探讨人工智能定量分析在结缔组织病相关间质性肺疾病(CTD-ILD)诊断和分级中的应用.方法 选取CTD-ILD 128 例患者,所有患者均进行CT扫描和肺功能检查,分为轻度组和重度组.独立样本t检验和ROC分析鉴别轻度组和重度组.方差分析和LSD检验鉴别各组病变成分.Spearman 秩和检验比较各参数与肺功能等级的相关性.结果 重度组肺体积均显著小于轻度组;重度组肺病变体积和百分比均显著大于轻度组(P≤0.001).ROC曲线显示肺病变体积和百分比指标具有较高诊断价值(AUC值均>0.700).各组病变成分之间均具有显著性差异(P<0.001).各参数与肺功能等级均具有相关性.结论 人工智能在CTD-ILD患者的定量分析中具有一定的优势,对患者的诊断和分级能够提供价值.

基于CT肺血管成像肺栓塞人工智能检测效能的临床研究Revolution CT低剂量扫描方案对腹主动脉钙化的定量诊断价值双能CT非线性融合参数优化在腹部血管成像中的价值研究