目的 探索基于深度学习实现丘脑底核脑深部电刺激术(subthalamic nucleus deep brain stimulation,STN-DBS)自动化核团标注、手术靶点定位及电极植入路径规划.方法 来自北部战区总医院神经外科行双侧STN-DBS手术的155例患者的影像资料.首先,采用3D UX Net卷积神经网络基于MRI图像提取深度学习特征并完成丘脑底核(subthalamic nucleus,STN)及红核(red nuclei,RN)的分割;然后通过算法实现丘脑底核的自动化靶点定位;最后在规定的皮层入路点范围区域内生成不多于4根的电极植入路径.通过人工审查验证靶点及电极植入路径的临床可行性.结果 通过3D UX Net卷积神经网络算法进行核团分割,红核分割性能的Dice值为0.90.STN分割性能的Dice值为0.84.自动化生成STN靶点经人工审查验证可行的坐标与人工手术规划STN靶点坐标的欧几里得距离为(1.2±0.4)mm.25例测试集中自动化STN靶点定位及电极植入路径通过人工审查可行有20例(20/25),自动化靶点定位及电极路径与人工规划靶点及路径差异无统计学意义(P=0.059).结论 3D UX Net卷积神经网络可以较精确地分割STN及红核,通过自动化靶点定位及路径规划的STN-DBS手术计划临床可行且耗时短,可以为临床医生手术前规划提供参考.

随着大数据时代的到来，人工智能得以在医疗领域崭露头角并实现了飞速发展，尤其在肿瘤诊断方面存在巨大潜能。人工智能利用自动化图像分割及提取等关键技术，在实现短时间内对大量肿瘤信息汇总分析的同时，还可以反映现实环境中成像数据的分布，使肿瘤诊断从主观感知转向客观科学，从而高效精确地协助医师的诊断，为诊疗计划的制订和预后的判断提供坚实的基础。笔者拟对人工智能在肿瘤诊断中的关键技术及当前的应用进行综述。

目的:为急诊检验周转时间（TAT）建立初步质量规范。方法:国家卫生健康委临床检验中心联合31个省（自治区、直辖市）和新疆生产建设兵团临床检验中心同步开展质量指标室间质量评价计划，并通过已开发的室间质量评价系统在线回报结果，收集2019—2021年实验室的基本信息、急诊各专业（生化、自动化免疫、三大常规和凝血）以及4个具体检验项目［血钾、肌钙蛋白I/T、白细胞计数和国际标准化比值（INR）］检验前和实验室内TAT质量指标数据，TAT回报指定月份的月中位数和月第90百分位数（ P90）。计算回报实验室TAT［以 M（ Q1， Q3）表示］，并对2021年第2次结果进行分级（三级医院2 422家和二级医院5 088家）统计，了解不同医院等级间检验前和实验室内TAT的差异。 结果:2019—2021年回报实验室数分别为9 540、9 709和10 653家。各专业检验前TAT差异不大，结果较为稳定，月中位数分布约在15（10，30）min，月 P90分布约在20（10，30）min。各专业实验室内TAT月中位数分布结果显示，自动化免疫≥生化>凝血>三大常规，最近一次（2021年第2次）调查各专业结果分别为：自动化免疫53（30，60）min，生化45（30，60）min，凝血30（23，40）min，三大常规20（11，30）min；实验室内TAT月 P90值显示，自动化免疫和生化专业为60 min，凝血专业约为38 min，三大常规约为27 min。分级统计结果中，实验室TAT月 P90分布结果显示，三级医院检验前和实验室内TAT均高于二级医院，三级医院、二级医院各专业检验前TAT分别为：生化35（22，60）、20（11，30）min，自动化免疫33（20，60）、20（10，30）min，三大常规30（20，49）、20（10，30）min，凝血31（20，58）、20（10，30）min，各专业实验室内TAT分别为：生化65（50，91）、60（40，70）min，自动化免疫75（55，113）、60（40，90）min；三大常规30（23，38）、28（19，30）min；凝血53（36，72）、35（30，57）min。4个具体检验项目实验室内TAT月中位数分布结果中，血钾和肌钙蛋白I/T项目分别有96.76%（9 484/9 801）、95.96%（8 733/9 101）的医疗机构实验室内TAT在69 min内，白细胞计数有95.34%（9 679/10 152）的医疗机构实验室内TAT在31 min内，INR有98.85%（9 462/9 572）的医疗机构实验室内TAT在66 min内。 结论:为急诊各检验专业周转时间提供了初步质量规范，实验室可将三级医院和二级医院月 P90的 Q1、 M、 Q3值分别作为最佳、适当和最低性能水平。

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: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: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:实现CT定位影像和轮廓自动导入Eclipse和Monaco两套治疗计划系统(TPS)。方法:基于Eclipse和Monaco的TPS，利用流程自动化可编程程序UiBot，根据Eclipse和Monaco各自CT定位影像和轮廓导入流程，使用UiBot提供的窗口元素等功能开发出CT定位影像和轮廓自动导入的自动化脚本程序。结果:通过比较手动导入和自动导入的导入时间，自动化脚本程序不仅实现了从CT定位影像和轮廓到Eclipse和Monaco的TPS准确自动导入，而且也具有与手动导入相同的效率。大部分患者影像层数在130~180之间，且手动导入时间与自动导入时间在此区间的平均时间为76 s和75 s。结论:通过利用脚本开发程序UiBot的自动化功能，结合放疗工作的实际问题和重复的工作流程可以开发出自动化的脚本，极大提高了放疗工作效率，节约了人力和时间成本，为放疗流程自动化提供了一种可选择的新方法。

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。

在大数据和人工智能的助力下，放射治疗计划自动化的研究及临床应用发展迅速。放疗计划自动化系统的使用和监管等工作，需要仔细考虑自动化的程度及其适用环境。对于自动驾驶车辆，国内外定义了其自动化水平，但对于放疗计划自动化没有类似的定义。为了促进和规范放疗计划自动化发展，并激发行业讨论，我们参考汽车驾驶自动化分级制定了此分级建议，将放疗计划自动化分成6个等级(1级至6级)。

目的:评估Ethos宫颈癌在线自适应放疗（ART）基于智能优化引擎（IOE）的完全自动化自适应计划的鲁棒性。方法:回顾性分析2021年6月至2022年6月于北京协和医院就诊的ⅠB期11例宫颈癌术后患者，获取原始计划影像及每次放疗迭代锥形线束CT（iCBCT）影像，并将所有患者数据导入Ethos模拟器。使用Ethos对11例患者进行基于IOE的9野自动计划生成，生成的计划进行在线ART模拟，获取每次在线ART计划（共273个分次），并完成模拟治疗。基于在线ART计划所使用的影像及勾画结构进行手工计划设计，采用9野均分的布野方式，手工制作计划用于对照研究。采集剂量学参数、计划复杂性参数及Mobius质量保证（QA）通过率等，通过配对 t检验或秩和检验对比评估在线自适应放疗计划的危及器官、靶区的剂量学参数及计划复杂度等的鲁棒性。 结果:与手工计划相比，在线ART计划的计划靶区（PTV）覆盖相当，而临床靶区（CTV）D 99%更高［（45.93±0.36）∶（45.32±0.31）Gy， P<0.001］。在线ART计划的PTV D max显著高于手工计划［（49.89±1.25）∶（48.48±0.77）Gy， P<0.001］，但是PTV D 1%则小于手工计划［（47.22±0.29）∶（47.59±0.48）Gy， P<0.001］。在线ART计划与手工计划的PTV适形指数的差异无统计学意义（ P=0.967）。均匀性指数方面，两者均值基本相同，在线ART计划的离散性更小（ P<0.001）。危及器官（OAR）受量方面：在线ART计划的膀胱D mean、直肠V 40 Gy、小肠D mean大于手工计划，而直肠D mean、小肠D 2 cm3小于手工计划；在线ART计划的左右股骨头、脊髓和骨髓的剂量学参数均优于手工计划。自适应计划的机器跳数大于手工计划，但是自适应计划的复杂度显著低于手工计划（0.135±0.012∶0.151±0.015， P<0.001）。自适应计划与手工计划的Mobius γ通过率（5%/3 mm）均满足临床要求。 结论:基于IOE的Ethos在宫颈癌在线自适应计划中具有很好的鲁棒性，可以保证在线自适应各个治疗分次自动生成计划的质量。