目的:探讨RapidPlan模型在不同多叶准直器（MLC）系统间的建模和拓展应用情况。方法:选取北京大学肿瘤医院2014年5月至2015年6月接受放疗的直肠癌患者的历史计划（配置为MMLC加速器）共81例和2017年11月至2019年5月接受立体定向放疗（SBRT）的肺癌患者的历史计划（配置为HDMLC的加速器）共35例，分别训练M_ MMmlc和M_ HDmlc RapidPlan模型，测试它们在同种及另一种MLC计划上的应用效果。 结果:无论对于M_ MMmlc还是M_ HDmlc，两种MLC配置下RapidPlan对于相同病例在相同布野条件下生成的优化参数完全相同。将两种MLC配置下优化的计划分别归一至靶区满足最低处方要求后：（1）M_ MMmlc优化的两种MLC计划的平均DVH几乎重合，差异幅度不超过2%，PGTV靶区剂量适形性相似，但HDMLC的均匀性指数（HI）比MMLC低20%，除此之外的剂量学参数总体最大差异不超过0.97%；（2) M_ HDmlc优化的PTV与IGTV DVH的尾部：HDMLC高于MMLC。其余DVH几乎重合。HDMLC计划与MMLC计划相比具体剂量学参数表现为：PTV适形指数（CI）值低0.96%；HI值高1.75%；16项危及器官剂量学参数中的9项前者表现更优；正常肺的V 5 Gy（ P<0.05）、V 10 Gy、V 20 Gy（ P<0.05）、D 1000 cm3均更低；脊髓最大剂量高2.07%，D 0.35 cm3高2.88%，D 1.2 cm3高3.99%（ P<0.05）。 结论:RapidPlan模型在不同MLC之间展现了良好的拓展性和可共享性，HDMLC相对于MMLC的剂量学优势在肺SBRT患者的小体积肿瘤上有所体现，该差异可以作为未来自动计划设计选择MLC配置的一个指导。

目的:设计一种基于先验知识的宫颈癌自动计划模型并将其应用于子宫内膜癌及直肠癌的病例，探讨模型的泛化性。方法:收集179例盆腔部位不同处方剂量下的双弧容积旋转调强放射治疗临床计划，其中处方剂量50.4 Gy的99例宫颈癌临床计划作为训练集建立RapidPlan模型，剩余80例临床计划分为4个验证组(处方剂量50.4 Gy的宫颈癌和子宫内膜癌临床计划各20例，为A、B组；处方剂量45 Gy的子宫内膜癌和直肠癌临床计划各20例，为C、D组)，利用模型分别对4组中的临床计划进行重新优化设计并得到自动计划，对比自动计划与临床计划靶区(PTV)和危及器官(OAR)的剂量学参数。结果:A、B、C、D组中自动计划靶区的适形度指数(CI)与临床计划相当，且差异均无统计学意义( P>0.05)。A、B、C组中自动计划的均匀性指数(HI)和 D2%均小于临床计划，且差异有统计学意义(HI： Z＝-3.248、-3.360、-2.329， P<0.05； D2%： Z＝-2.987、-3.397、-2.442， P<0.05)。D组自动计划的HI和 D2%与临床计划相当，且差异无统计学意义( P>0.05)。在保证PTV受量的同时，所有组中自动计划的OAR剂量学参数的平均值均低于临床计划。 结论:由宫颈癌临床计划建立的RapidPlan模型能够完成对不同处方剂量下子宫内膜癌及直肠癌的自动计划设计，初步证明了RapidPlan模型泛化的可能性。

目的:开发并评估一种针对治疗计划系统（TPS）的调强放疗（IMRT）无监督自动计划方案，使其能够模拟人工进行治疗计划的自动优化。方法:回顾性分析2022年3月至2023年3月浙江省肿瘤医院已经完成放疗的25例胃癌患者资料，患者年龄40~60岁，其中训练集7例，测试集18例。所有患者均采用相同的临床处方剂量标准45 Gy分25次，并接受飞利浦大孔径腹部CT扫描，扫描层厚为5 mm。基于深度强化学习（DRL）框架，提出一种多智能体优化决策网络（MOPN），对多个优化目标进行调整，从而模拟临床人工计划设计的过程。所有病例的自动计划方案均借助Eclipse脚本应用程序接口（ESAPI）进行代码编程，由MOPN模型自动生成。利用Wilcoxon符号秩检验比较自动计划方案与人工计划方案在相关剂量学指标间的差异。结果:初始优化目标经过MOPN调整后，自动计划的平均得分由（576.1±221.2）分上升至（1852.8±294.9）分。与临床人工计划相比，MOPN自动计划在脊髓D max、肝D mean和肝V 5 Gy方面分别降低了21.4%、9.8%和11.5%。 结论:MOPN模型借助ESAPI工具完成了与TPS的数据互通，同时也实现了胃癌IMRT治疗计划的自动化设计。经过训练的MOPN模型可以模仿计划者在优化过程中的人为操作来调整多个目标，逐步改善计划质量。

目的:探讨基于Pinnacle脚本构建宫颈癌调强放疗(IMRT)自动计划的可行性及其在宫颈癌计划设计中的优势。方法:回顾性选取2020年1月至2022年8月于蚌埠医科大学第一附属医院放疗科接受宫颈癌IMRT病例共40例，其中25例作为目标函数初始化参考数据，在Pinnacle计划系统中设计自动计划脚本。对剩余15例病例分别进行自动计划与人工IMRT计划设计，比较两种计划设计用时，并通过剂量体积直方图对比靶区剂量学参数及危及器官受照剂量的差异。结果:自动计划组比人工计划组设计用时平均减少32.81 min，差异有统计学意义( t ＝ －12.91, P<0.05)。相较于人工计划组，自动计划组中靶区适形度指数提高了0.01，靶区均匀性指数降低0.02，其中靶区适形度指数的差异有统计学意义( t ＝ －0.08， P<0.05)。自动计划组中膀胱的 V40、 V45和直肠的 V40、 V45分别平均降低了6.88%、4.12%、9.93%、12%，差异均有统计学意义( t ＝ －4.49、－4.46、－3.62、－5.80， P<0.05)。两种计划中小肠的 V30、 V50及 Dmax差异较小，其中 V30和 Dmax的差异均无统计学意义( P>0.05)。与人工计划组相比，自动计划组中双侧股骨头的 V45和 Dmean分别降低了7.9%、106.83 cGy，脊髓 Dmax降低了100.14 cGy，差异均有统计学意义( t ＝ －6.00、－2.52、－2.55， P<0.05)。 结论:基于Pinnacle脚本构建的宫颈癌调强放疗自动计划，在保证靶区剂量均匀性和适形度的同时，降低了危及器官受照射量，同时提高了计划设计效率。

目的:基于三维(3D)U-net深度学习模型，建立预测CT引导下宫颈癌近距离治疗计划的3D空间剂量分布。方法:2021年4－9月收集114例宫颈癌患者三维近距离放疗计划(处方剂量6 Gy)组成数据集，按84∶11∶19划分为训练集、验证集、测试集。利用3D U-net模型进行500次(epoch)训练，分别评估测试集病例体素级的平均剂量偏差(MDD)与绝对剂量偏差(MADD)、等剂量面包围体积的戴斯系数(DSC)、处方剂量适形度指数(CI)、高危临床靶区(HRCTV)的 D90和平均剂量 Dmean、膀胱、直肠、小肠、结肠的 D1 cm 3与 D2 cm 3剂量学参数。 结果:测试集中19例患者的3D剂量矩阵MDD与MADD分别为－0.01±0.03和(0.04±0.01)Gy。50%到150%处方剂量的DSC在0.89到0.94之间，处方剂量CI为0.70±0.04。HRCTV的 D90的平均偏差为2.22%， Dmean的偏差为－4.30%。膀胱、直肠、小肠、结肠的 D1 cm 3与 D2 cm 3最大偏差分别为2.46%和2.58%。模型预测平均耗时2.5 s。 结论:本研究实现了一种基于3D U-net的预测宫颈癌3D剂量分布的深度学习模型，为宫颈癌近距离治疗自动化设计奠定基础。

目的:建立基于预测可行性剂量体积直方图(DVH)的肝癌容积调强弧形治疗(VMAT)自动计划方法，并评价其性能。方法:回顾性随机选取10例放疗肝癌病例。采用Pinnacle Auto-Planning设计VMAT自动计划，通过PlanIQ剂量预测得到可行性DVH曲线，并根据其显示的可行性目标区间设置自动计划的初始优化目标。评价计划靶体积、正常肝和其他危及器官的剂量参数以及机器跳数，并与临床手工计划行配对 t检验。 结果:自动计划和手工计划的计划靶体积D 2%、D 98%、D mean和均匀度指数相近[(58.55±2.81) Gy∶(57.98±4.17) Gy、(47.15±1.58) Gy∶(47.82±1.38) Gy、(53.14±0.95) Gy∶(53.44±1.67) Gy和1.15±0.05∶1.14±0.07， P均>0.05]，手工计划的计划靶体积适形指数略高于自动计划(0.77±0.08∶0.69±0.06， P<0.05)。自动计划的肝V 30Gy、V 20Gy、V 10Gy、V 5Gy和V <5Gy显著优于手工计划[(26.68±11.13)%∶(28.00±10.95)%、(29.96±11.50)%∶(31.89±11.51)%、(34.88±11.51)%∶(38.66±11.67)%、(45.38±12.40)%∶(50.74±13.56)%和(628.52±191.80) cm 3∶(563.15±188.39) cm 3， P均<0.05]，自动计划的小肠、十二指肠、心脏D mean以及全肺V 10Gy低于手工计划[(1.83±2.17) Gy∶(2.37±2.81) Gy、(9.15±9.36) Gy：(11.18±10.49) Gy、(5.44±3.10) Gy∶(6.25±3.26) Gy以及(12.70±7.08)%∶(14.47±8.11)%， P均<0.05]。两种计划的机器跳数相近[(710.67±163.72) MU∶(707.53±155.89) MU， P>0.05]。 结论:基于预测可行性DVH的肝癌VMAT自动计划方法能提高计划质量，更好保护正常肝，对小肠、十二指肠、全肺和心脏的保护也有优势。

目的:研发重症患者非计划性拔管预警系统，对其非计划性拔管风险进行预警及干预，从而降低意外拔管风险，保障患者安全。方法:以重症患者非计划性拔管风险预警指标体系模型为核心，以预防重症患者非计划性拔管护理干预方案为指导蓝本，以医院重症监护临床信息系统为基础，依托计算机信息技术，对系统的界面布局、分区、模块结构、内容和功能进行整体构架，多角度、多方位研发重症患者非计划性拔管预警系统，并用该系统回顾性分析2016年1—12月18例发生非计划性拔管案例，以验证其预警效果。结果:重症患者非计划性拔管预警系统雏形由登录模块、评估模块、决策模块、预警模块、指导模块及管道固定方案模块6个主题模块集成，系统自动判断重症患者风险等级，从而实行分级预警，筛选高危风险人群，最终提供个性化护理干预方案。经回顾性分析，该预警系统的检测率为88.89%。结论:重症患者非计划性拔管预警系统是一个自动化、智能化、信息化的预警平台，能有效预警拔管高危患者，规避管道护理风险。

目的:比较基于Auto-Planning的乳腺癌自动调强放疗（a-IMRT）与常规人工调强放疗（m-IMRT）计划的剂量学差异，探讨a-IMRT计划在乳腺癌术后放疗中的应用效果。方法:选取2018年12月至2019年7月本院收治的乳腺癌保乳术后患者10例，其中左乳腺癌5例、右乳腺癌5例。基于Pinnacle 3 V9.10计划系统分别进行a-IMRT计划和m-IMRT计划设计，对比分析两种计划的靶区剂量差异、均匀性指数（HI）、适形度指数（CI）及危及器官（OAR）受照剂量差异。 结果:a-IMRT计划的HI和CI分别为1.08±0.04、0.64±0.06，m-IMRT计划的HI和CI分别为1.11±0.37、0.59±0.07，a-IMRT计划靶区均匀性和适形度均优于m-IMRT计划（均 P<0.05）。两者靶区最大剂量（D max）、最小剂量（D min）、平均剂量（D mean）差异均无统计学意义（均 P>0.05）。双肺接受5、20、30 Gy的体积百分比（V 5、V 20、V 30），患侧肺V 20、V 30、D mean及左乳腺癌心脏D mean、V 30组间比较，a-IMRT计划均明显优于m-IMRT计划（均 P<0.05）。两种计划的脊髓D max、患侧肺V 5、左乳腺癌心脏V 40、右乳腺癌心脏D mean差异均无统计学意义（均 P>0.05）。 结论:乳腺癌的a-IMRT计划达到临床要求剂量的同时，在靶区的均匀性、适形度方面优于m-IMRT计划，且有效降低了肺、心脏的受照剂量。

随着急诊医疗系统的快速发展，急诊就诊人次大幅度增加，就诊时间延长，疾病诊断日益复杂，给急诊工作带来诸多挑战 [1]。急诊留观室主要是对急诊患者进行短时间观察与诊疗的场所，需要密切观察与处置患者复杂的病情变化，护士将特殊治疗与护理信息记录在传统手工白板上，以便提醒医生、责任护士及时完成治疗与护理。由于患者流动性大，医嘱时常更新，易造成患者的护理延误或者重复 [2]。随着科学技术的发展，"互联网+"这一模式使互联网与传统行业进行融合，促进了传统行业不断地向前发展 [3,4,5]。国家卫生健康委在最新发布的《全面提升医疗质量行动计划（2023-2025年）》中提出，要不断优化质量安全工作机制 [6]。为提高医护人员的工作效率、降低留观患者的治疗和护理错项和漏项的风险 [7,8]，本院急诊科与信息中心合作，通过"互联网+"将留观患者信息白板嵌入急诊信息系统，实现了信息自动提取与更新。医生护士利用电脑、移动护理车、IPAD即可进行查看，有效传递患者的治疗护理信息 [9]、提高了治疗与护理内容的准确性，医生护士满意度明显提升，现报道如下。

随着大数据时代的到来，基于机器学习的人工智能技术，尤其是人工神经网络技术发展迅速，相关研究已涉及口腔医疗多个领域，特别在口腔三维解剖特征的自动化分割与识别方面具有巨大的应用前景，可辅助口腔医师及技师完成繁琐重复的手工操作，并更高效精确地完成诊断与诊疗计划制订。本文简要总结人工神经网络在口腔三维解剖特征的分割与识别领域的应用现状与现存问题，为相关研究与临床应用提供参考。