半定量磁共振成像（MRI）评分是膝骨关节炎（KOA）MRI影像评估中关键一环。目前已开发出多种通用膝关节评分系统，包括全器官磁共振成像评分（WORMS）、磁共振成像骨关节炎膝关节评分（MOAKS）等，以及针对滑膜炎或特定情况专用系统。观察研究与临床试验表明，半定量MRI评分有利于了解疾病自然史，在早期诊断、疗效评价、资格筛查、安全评估等方面作用日益重要，结合人工智能可进一步提高其在图像处理、表型分类、风险预测等领域性能。

基于人工智能的肺结节辅助诊断、辅助检测对于肺癌早期筛查具有重要意义。由于当前产品通常采用监督学习，研发与测试过程需要高质量的胸部CT肺结节数据集。目前，此类数据集的构建和质量控制尚未建立具体的技术规范，业内处于探索阶段。随着人工智能医疗器械标准化的推进，关于数据集通用要求的标准正在起草。为促进产业发展、推进标准化进程，本文以训练集为案例，提出了胸部CT肺结节数据集的构建流程，包括数据采集、数据标注等环节。同时，本文解释了该类数据集质量特性的表现形式，提供了质量控制思路。本文旨在为数据集制造责任方提供参考路线，保障数据资源的有序供给，促进肺结节人工智能产品的研发生产。

ChatGPT的火爆，带动了各种大模型层出不穷。在行业领域，通用医疗健康人工智能大模型尤为引人关注，这种模型不但可以灵活地解析不同医学模态组合，包括医学成像、电子健康档案、临检结果、基因组学、图表和医学文献数据等，而且还能产生富有表现力的多形态输出，包括规范文本的书写和解释、口头建议或展示高级逻辑推理能力的图像注释等。这类大模型可以应用到临床决策、疾病预防、生物医学研究、药物开发、医疗系统的管理与规划等不同领域。

大模型是指使用海量通用数据预训练的模型。不同于人工智能模型通常只为特定任务开发，其可通过微调完成各类相关任务，具有广泛覆盖各种医学应用需求的潜力，更加符合临床实践需求，有望提高医疗效率和质量，是新一代人工智能模型的研究热点。本文针对大模型的基本概念和现状、医学应用及其面临的挑战进行分析和总结，为眼科临床医师了解医学大模型及其在眼科的潜在应用前景，理性应用眼科大模型，推动智能医学进入新阶段提供参考。

随着智能制造技术的发展，骨科手术机器人辅助手术在脊柱外科、关节外科领域已得到了广泛的认可和良好的应用。随着通用型骨科手术机器人天玑（TiRobot）的出现，骨科手术机器人的应用也进入了创伤骨科领域，为骨盆髋臼骨折、髋部骨折、手足骨折等骨折固定提供了微创化、智能化、精准化的解决方案。近期，骨折复位机器人开启了机器人"智能"参与骨盆骨折复位的序幕，将骨科机器人的应用从"固定"拓展到"复位"领域。此外，机器人辅助骨折术后康复锻炼也在积极探索研究中。因此，骨科手术机器人有望参与到骨折治疗的"复位、固定、功能锻炼"的每个环节。本文将介绍骨科手术机器人在创伤骨科的临床应用现状及未来发展。

具有变革性潜力的多模态模型在医疗领域的快速发展和广泛应用,标志着医疗人工智能进入了一个全新的大模型时代,通过整合和分析大量的文本、图像和语音数据等,在预防、诊断和治疗各个环节推动了医疗服务的个性化和精准化.然而,随着大型多模态模型在医疗健康领域的快速发展和应用,医疗领域的监管机构和传统规则体系也面临着全新挑战.其中,虚假信息、"情感操纵"、算法偏见和侵权责任的模糊都是亟待解决的核心问题.为应对这些挑战,一是落实人工智能全生命周期安全措施,打造可信的医疗大模型应用;二是践行伦理嵌入设计的 AI伦理治理理念,实现医疗大模型价值对齐;三是明确医疗大模型的产品责任规则的适用,确保对受害人的有效救济.共同推进医疗人工智能安全和有效应用,为构建更加健康、公正和智能的医疗生态系统作出贡献.

2024 年,世界卫生组织发布了"Ethics and governance of artificial intelligence for health.Guidance on large multi-modal models",将其翻译成中文《卫生领域人工智能的伦理与治理:多模态大模型指南》供中国的同仁参阅,协助规划与卫生领域多模态大模型有关的益处和挑战,并为适当开发、提供和使用多模态大模型提供政策和实践方面的指导.世界卫生组织咨询了 20 位人工智能领域的顶尖专家,他们确定了在卫生领域使用人工智能的潜在益处和潜在风险,并发布了以协商方式达成一致的六项原则,供正在使用人工智能的政府、开发者和提供者在制定政策和实践时考虑.指南提供了与指导原则相一致的企业内部、政府和国际合作的治理建议,指南的基础是考虑到人类使用卫生领域生成式人工智能独特方式的指导原则和治理建议.生成式人工智能是算法在可用于生成新内容的数据集上进行训练的一种人工智能技术.指南针对其中一种类型的生成式人工智能,即多模态大模型,这种模型可以接受一种或多种类型的数据输入,并产生不局限于输入算法的数据类型的多种输出.据预测,多模态大模型将广泛应用于医疗保健、科学研究、公共卫生和药物开发等领域.多模态大模型也被称为"通用基础模型",尽管尚未证实多模态大模型能否完成各种任务和目的.

随着深度学习技术发展与临床数据的快速积累,医学人工智能成为研究热点.基于临床文本信息,利用机器学习和自然语言处理技术进行临床辅助诊疗决策是重要的应用方向.然而,主要研究都聚焦于高质量数据基础上的通用或常见的临床诊疗预测任务(如基于影像的医学诊断等).由于临床环节多样,常常存在数据资源不足情况下的诊疗决策,如复杂疾病的门急诊分诊诊断临床工作量大,智能预测模型能够提升临床效率,是具有重要价值的新方向.本研究以4万余例医院神经外科临床文本数据为基础,提出了一种基于深度学习的神经外科辅助分诊模型(ABTC).该模型融合了ALBERT预训练模型和TextCNN卷积神经网络,以增强医学文本的嵌入表示和上下文内容的学习,从而提高神经外科诊断的准确性和效率.实验结果显示,该模型对69种神经外科疾病的预测性能Fl值达到了0.776 9(高于所有基线模型).同时,在常见神经外科疾病如创伤性脑损伤诊断预测性能表现良好,F1值＞0.90.提示神经外科门急诊辅助分诊模型对提升临床诊疗决策效率具有一定价值.

中医舌诊现代化研究是通过机器视觉与图像处理技术获取病证舌诊图像,进行智能诊断与分析的复杂过程.人工智能技术的发展为中医舌诊图像智能化研究带来新机遇.本文梳理近10年中医舌诊仪器研发与标准应用现状,探讨深度学习方法在舌象质量评估、舌象分割、舌色分类、舌象形质识别、三维舌象重建及临床应用研究进展,剖析人工智能舌诊技术目前存在的瓶颈问题,提出面向临床病证结合应用,多层次拓展、跨模态融合提升舌诊特征的深度与广度,运用通用人工智能方法提升舌象智能诊断技术内涵,创新构建智能舌诊全域信息感知与健康评估、病证诊断的新模式,推进智慧中医诊疗技术实现跨越式发展.

正中矢状面(midsagittal plane,MSP)是经过人体正中线的矢状平面.MSP作为颅颌面三维结构中最主要的对称面之一,在面部对称性分析及恢复中具有重要意义.目前临床确立正中矢状面的方法存在医师主观因素影响大、标点过程费时费力、标志点组合选择无通用标准等问题,进而也催生了一系列基于数字化技术确立颅颌面MSP的研究,展现了数字化技术在颅颌面MSP确立中的巨大潜力.本文回顾数字化技术辅助确立颅颌面MSP的研究进展,着重对点构法、对称法、深度学习法确立颅颌面MSP的现有研究进行综述,探讨数字化技术对颅颌面MSP建立的进一步优化方案.