背景 新医科建设背景下,教育部鼓励信息技术与医学教育深度融合,培养一流医学人才服务健康中国建设,目前医患沟通共情能力教学多以模拟沟通、小组讨论形式为主,依托人工智能技术开展教学较少.目的 探索构建可以用于课程教学的医患沟通共情语言教学与评价系统,为今后医患沟通共情教学提供新的方向;开展教学应用,提高医学生、医生沟通共情语言表达能力,并收集反馈用于系统的优化改善.方法 2021 年 9 月—2022 年 2 月课题组基于讯飞语音识别技术和共情语义识别算法,应用课题组研制的 10 个医患沟通典型案例、示范共情语言、共情语言语义库、共情语言技能及其整体评分标准等进行系统"医患沟通共情语言虚拟仿真教学与评价系统"(以下简称系统)的开发;2022 年 3-5 月选取南京医科大学参与医患沟通学课程或培训的 950 名学生(包括 515 名本科生、102 名医学博士生和 333 名临床医生)为研究对象,基于本系统开展南京医科大学《医患沟通学》技能课(2 学时)的教学试验.采用自拟调查问卷收集研究对象的共情语言内涵掌握程度、共情语言能力增强程度、系统便捷性认知程度、系统融入教学合理性认知程度等,并采用NVivo软件对研究对象的反馈意见和建议进行词频分析.结果 应用系统后,本科生、临床医生、医学博士生的共情语言内涵掌握程度、共情语言能力增强程度、系统便捷性认知程度、系统融入教学合理性认知程度比较,差异有统计学意义(P<0.05),其中 76.1%(723/950)的研究对象的共情语言内涵掌握程度评价结果为"完全掌握"或"掌握程度较高";93.8%(891/950)的研究对象表明本系统可"显著增强"或"有些增强"共情语言能力,89.5%(850/950)的研究对象对该系统便捷性认知程度的评价为"非常便捷"或"比较便捷";95.1%(903/950)的研究对象对该系统融入教学合理性认知程度的评价为"非常合理"或"比较合理".反馈意见和建议中词频位于前五的关键词依次为:沟通、语音、教学、程序、标准.结论 该系统能够提高医学生和医生在医患沟通中由个案到一般的共情能力,自主型系统的使用解放了师生教学的时空局限,其规范的课程教学方式也得到了研究对象的正向合理性反馈,具有广泛的应用前景,但目前处于初级探索阶段,仍需要不断完善.

目前人工智能技术已在诸多领域如图像分析、自然语言处理、语音识别等取得了卓越的成果。随着医学图像数字化技术的发展，人工智能辅助的医学图像分析成为研究者们高度关注的焦点，其中病理学图像作为医学图像的一个分支在这类研究中占有很大比重。最近工作中很多成人肿瘤的病理图像分析任务都已取得了不错的成果。然而，与成人研究相比，儿科相关的研究因其人口基数小、发病率低、难于获取数据、疾病谱与成人不同等问题，未能得到足够关注和实质性进展。本文将总结现阶段人工智能在成人病理图像的研究成果、儿科病理与成人相比较的不同之处和面对的挑战以及人工智能在儿童病理图像分析中的发展现状和未来趋势。

数字化和智能化技术是推动医疗服务模式转型创新、提升服务质量的重要动力。为提高临床应用业务系统智能化水平、改善门诊患者就医体验，北京协和医院于2020年2月研发智能化门诊诊前病史采集系统。该系统主要包括人工智能能力层、应用服务层、能力资源层和接口层等软件技术架构及硬件部署与安全体系架构设计，通过与医院信息系统对接，利用移动终端，实现患者自助提交诊前病史信息，并生成结构化病史资料供接诊医生调用。截至2021年11月，诊前病史采集系统已覆盖医院80%的科室，总计服务168万人次，患者填写率达60%，患者病史采集时长和医生门诊电子病历书写时长不断缩短，极大提高了门诊医疗服务效率。

医案是记录中医医师临床辨证论治过程的重要载体，借助大数据处理技术等手段，深度挖掘利用医案信息，对中医传承具有重要意义。古今医案云平台集成语音识别、光学字符识别（OCR）、四诊仪等智能信息采集技术，以及关联分析、贝叶斯分析、层次聚类等算法，挖掘医案中名医辨证、选方、用药、取穴等规律。本文从近现代名医经验的挖掘、古代医案学术思想的总结、专科疾病诊疗规律的分析、单味药及药对应用规律的整理及方剂配伍的探究5个方面对平台进行简要介绍。

目的:探索建立基于自适应技术的语音识别系统并评估其在临床病理取材中的应用价值。方法:收集浙江省人民医院2020年10月1日至12月31日间收到的组织标本600例，在病理取材工作中使用基于自适应技术构建的语音识别系统，记录并生成病理取材报告。结果:基于自适应技术构建的语音识别系统显示较好的识别率，整体识别率（Acc）为77.87%，初步实现病理取材报告的快速录入和输出。结论:语音识别系统可以降低人力成本，提高病理医师工作效率，提升医疗服务质量，对建设新型智慧医院具有重要的应用价值。

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。

新型冠状病毒肺炎疫情防控期间，北京市丰台区方庄社区卫生服务中心充分发挥互联网技术的优势，利用智慧家庭医生优化协同模式管理社区患者，通过建立疫情防控小组、开放健康档案、利用"身边医生"APP、开展智能语音回访，开通24 h服务热线、开设微信公众号专栏、加强预检分诊、实现医保共享以及实施长处方等措施，使居民正确认识疫情、缓解心理恐慌，提升居民的获得感、方便居民就近就医，减少人员接触和聚集，降低交叉感染风险，从而实现社区居民疫情期间的精准健康管理。

目的:研发基于移动终端的视力智能检查和管理系统，并评估其实际临床应用效果。方法:采用诊断试验研究方法，纳入2020年3月—5月在中山大学中山眼科中心就诊的儿童和青少年50例100眼，年龄3~14岁，平均(8.16±4.58)岁。使用JAVA及xcode11框架研发适用于Android及IOS平台的基于移动终端的视力智能检查和管理系统，采用实时测距、语音识别、手势识别等智能技术实现视力检查过程中的实时交互。所有受试者均接受双眼裸眼传统E字表视力检查和基于移动终端智能视力检查，2种方法配合眼数差异比较采用 χ2检验，2种方法测定的LogMAR视力结果差异比较和一致性分析分别采用Wilcoxon符号秩检验和Kappa检验。 结果:成功研发适用于Android及IOS平台的基于移动终端的视力智能检查和管理系统，可检测的视力范围为0.1~1.5，视标大小和分辨率均达到视力检查表的国家标准，实现了3 m距离下准确的视力检查、智能交互、结果输出和自动建档功能。传统检查法和智能检查法测量配合眼数比例分别为99.0%(99/100)和98.0%(98/100)，二者比较差异无统计学意义( χ2＝0.338， P＝0.561)。传统检查法和智能检查法测定的LogMAR视力分别为0.3(0.2，0.5)和0.3(0.2，0.5)，二者比较差异无统计学意义( Z＝-1.602， P＝0.109)，2种检测方法测定LogMAR视力的一致性较好(Kappa系数＝0.885)。 结论:基于移动终端的视力智能检查和管理系统测定视力具有较好的准确性和可行性，可有效满足用户随时随地自测视力的需求，并可同步建立视觉健康档案，实现对视力情况的长期跟踪，在个性化眼健康管理新模式的发展中具有很好的应用价值。

近十年来，人工智能技术快速发展并逐渐由学术界走向产业界，其在医疗领域的应用也逐渐深入。受技术和伦理的局限，人工智能在医疗领域更多处于辅助决策的地位。抑郁症作为一种常见的精神障碍，其发病率在全球日益增长，如何利用以深度学习为代表的人工智能技术手段实现对抑郁症的筛查和诊断，促进抑郁症早发现和及时治疗，具有十分重要的意义。我们对近几年以人工智能为手段的抑郁症辅助诊断技术进行了文献调研和总结，主要从人脸表情、语音语调、文本语义、姿态行为及多模态数据融合5个方面入手，介绍人工智能在面向患者日常行为分析的抑郁症辅助诊断方面的研究进展。

目前人工智能语音技术被广泛应用于医疗护理服务场景中。本文从智能性、技术性2个角度综述该技术的功能性评价指标，从用户可用性、用户满意度、患者接受度、医务人员接受度等角度综述该技术的用户体验性评价指标，旨在为护理工作者建立客观的多维度评价标准提供参考，也为人工智能语音技术在医疗健康领域的应用发展提供借鉴。