大数据分析在智慧医疗辅助诊断中的应用与发展趋势

智慧医疗以临床大数据为基础,以物联网、云计算、人工智能等技术为手段,是一种以患者数据为中心的医疗服务模式。该文介绍了当前智慧医疗和大数据概况,分析总结了当前大数据分析在智慧医疗辅助诊断中的应用,包括在医学检验、医学图像分析、临床决策支持系统以及远程诊疗中的应用,并对大数据分析在智慧医疗诊断中的挑战及未来发展趋势进行了展望。     

人工智能技术在新型冠状病毒肺炎疫情防控工作中的应用及启示

归纳了人工智能技术在新型冠状病毒肺炎疫情防控工作中的应用情况,分别从医疗辅助机器人、大数据分析、云平台、远程医疗、智能检测5个方面进行分析,阐明人工智能在疫情防控中的优势,剖析人工智能在医疗领域的发展前景,为今后人工智能在医疗领域的广泛应用提供参考。     

肺结节影像人工智能技术现状与思考

我国是肺癌高发国家,面对影像科医师匮乏与患病人数日益增长的医疗需求问题,肺结节人工智能技术的应用有望有效地平衡当前的医疗资源。本文旨在陈述肺结节影像人工智能技术发展的现状,探讨如何正确看待肺结节人工智能技术及其核心要素和目前面临的挑战等问题。指出肺结节人工智能技术已经初见成效,跨学科的深度合作、规范标注的影像大数据训练集及适合临床场景的多任务模型是其未来发展的核心推动力。     

医学检验领域人工智能技术应用与展望

2017年7月8日,国务院印发《新一代人工智能发展规划》,将人工智能作为引领未来的战略性技术,新一轮产业变革的核心驱动力,提到了国家发展规划的高度。新一代人工智能技术呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等特征。新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进,正在引发链式突破,推动经济社会各领域从数字化、网络化向智能化加速跃升,人工智能在医疗行业中的应用也备受瞩目,智能化医疗设备的研发或将成为行业的下一个爆点。本论文从检验科工作实践出发,站在用户的角度,论述临床医学检验中人工智能可能应用的方向,也想象了很多未来极有可能实现的人工智能应用场景,为临床医学检验领域进一步发展开辟了一条新的通道,同时也为人工智能应用拓展了一个广阔的领域,是一篇难得的具有示范效能的人工智能+医疗文章。     

机器学习在急诊医学中应用的研究进展及展望

随着信息技术及医疗数据信息化的不断发展,越来越多的临床医生认识到人工智能或将彻底改变医学实践。机器学习可对大量医疗数据进行学习,探索数据集中的依赖关系,从而形成相应的医学模型;模型可对新的数据进行快速准确预测,有利于疾病早期诊断分级、辅助制定临床决策等。急诊医学面临着医疗资源相对短缺、急危重症患者识别及快速诊治需求等现状。在大数据时代,以临床需求为导向,机器学习为手段的智慧医疗或将成为解决上述问题的关键之一。     

基于大数据智能化背景下神经病学实践教学体系构建的探索

<正>培养医疗大数据复合型人才，让培养的人才成为依靠大数据、人工智能进行疾病的预测、诊断和治疗是时代的需求，也是未来医学生人才培养的方向^[1]。2015年国务院印发了《关于印发促进大数据发展行动纲要的通知》,大数据技术被提升至“国家战略层”。通过大数据技术，构建一种创新的神经病学实践教学体系具有重要意义。     

大数据下人工智能在慢性阻塞性肺疾病社区随访中的应用进展

综述了大数据下人工智能在慢性阻塞性肺疾病社区随访中的应用进展。具体内容包括COPD的社区延续护理照顾现状、大数据与人工智能的概念、大数据时代下工人智能在社区随访中的应用以及在COPD社区随访研究的应用进展。认为在大数据及人工智能背景下,为我国居民提供以现代科学技术为基础的全面健康管理体系,能够将护理模式从被动医疗转变为积极的医疗保健,更好的早期预防慢性病,建立有效的慢性病预防控制体系,可以为大众提供基于大数据应用的综合健康管理信息和个性化社区护理方案。     

人工智能在心血管影像中的应用进展

计算力的进步和数据的爆发使得人类迎来了第三次人工智能浪潮.人工智能给影像医学带来了便利,也促进了影像医学的发展.目前,中国心血管病患病率处于持续上升阶段,将人工智能这门新技术应用于心血管影像领域潜力巨大.作者就人工智能在该领域的现状进行综述.     

人工智能在检验医学中的应用及展望

人工智能正在影响着检验医学实验室的日常,从检验标本的采集、传输、检测到检验结果自动审核及综合评估,人工智能技术已经开始渗入到检验医学过程的多个环节,基于智能接口技术的人工智能将加速医学实验室的自动化和标准化建设,以检验大数据和深度学习算法相结合的人工智能技术也将有助于在已有的检验大数据中发现新知识、开发新模型、优化新标准,最终辅助在医患之间建立最佳的诊疗决策。该文对人工智能技术在检验医学领域的最新应用进行阐述,并对人工智能在未来检验医学领域的部分应用场景进行初步探讨。     

可信病理人工智能:从理论到实践

人工智能正在融入病理学研究的各个领域,但在临床实践中却遇到了诸多挑战,包括因医疗数据隐私保护而形成“数据孤岛”,不利于人工智能模型的训练;现有人工智能模型缺乏可解释性,导致使用者无法理解而难以形成人机互动;人工智能模型对多模态数据利用不足,致使其预测效能难以进一步提升等。为解决上述难题,我们建议在现有病理人工智能研究中引入可信人工智能技术:(1)数据安全共享,在坚持数据保护的基础上打破数据孤岛,使用联邦学习的方法、仅调用数据训练的结果而不上传数据本身,在不影响数据安全的情况下大大增加可用于训练的数据量;(2)赋予人工智能可解释性,使用图神经网络技术模拟病理医生学习病理诊断的过程,使得模型本身具有可解释性;(3)多模态信息融合,使用知识图谱技术对更为多样和全面的数据来源进行整合并深入挖掘分析,获得更准确的模型。相信通过此三方面的工作,可信病理人工智能技术可使病理人工智能达到可控可靠和明确责任,从而促进病理人工智能的发展和临床应用。     

基于深度学习的多模态医学影像研究进展

凭借深度学习及大数据等技术的飞速发展,人工智能是医学领域最具发展前景的技术,鉴于医学影像对疾病的诊断与及时治疗的关键作用,医学影像与人工智能的结合正成为重要的交叉学科研究方向。在临床实践中,医生为了更精确全面的诊断疾病,往往需要同时参考多模态的影像数据进行综合分析和判断。本文首先介绍了多模态深度学习的基本概念和工作原理,对深度学习技术应用于多模态医学影像辅助诊断的代表性研究成果做出综述,分析了多模态深度学习在医学影像领域的技术挑战,并对该技术的应用前景作出展望。      

人工智能背景下中医护理发展的 SWOT 分析

随着计算机技术的发展和成熟,人工智能迎来了发展的黄金时期。近年来,人工智能被广泛运用于医疗健康等行业,在配合医疗诊断、治疗及手术中取得突破性进展.但在中医护理领域,因中医本身的复杂多变性,人工智能在中医学科的发展存在局限性.本文基于SWOT分析模型,从优势、劣势以及所面对的发展机会和挑战方面分析人工智能背景下中医护理发展的内部条件和外部因素,有针对性的提出发展策略,为推进人工智能在中医护理领域的发展提供科学建议。     

人工智能在心肌增强超声的应用现状及发展趋势

医工结合是未来医学发展的趋势,人工智能与大数据的融合将为影像医学翻开崭新的一页。心肌增强超声（myocardial contrast echocardiography , MCE）的临床应用目前处于定性诊断阶段,现有研究表明心肌灌注定量分析优于定性分析,但由于目前的后处理软件操作繁琐,耗时明显,且严重依赖操作者经验水平,其重复性和准确性较差,导致心肌灌注定量分析无法广泛应用于临床。部分研究将人工智能应用于心肌轮廓描记,以自动/半自动方式获取感兴趣区（region of interest, ROI）,为心肌灌注定量分析的广泛应用提供可能,本综述旨在回顾人工智能在心肌增强超声心肌轮廓描记的应用研究现状及发展趋势。     

人工智能在脑卒中神经影像中的应用

近年来，人工智能在计算机科学领域快速崛起。医学成像过程中产生了海量图像信息，因此非常适合采用人工智能技术进行相关数据处理。脑卒中患者神经影像在临床诊断、治疗及随访评估中非常关键，人工智能技术在基于脑卒中影像数据的处理和分析中发挥着越来越重要的作用。本文主要回顾人工智能技术在缺血性与出血性脑卒中神经影像应用中的研究进展，重点关注缺血性脑卒中的自动检测、责任脑区缺血状态判断及治疗评估，以及出血性脑卒中的智能诊断、量化分析及治疗评估；同时对基于脑卒中影像智能诊断系统的临床转化应用现状进行分析，探讨当前人工智能在脑卒中神经影像应用过程中存在的主要挑战，并对未来发展前景进行展望。     

Opportunities and challenges of artificial intelligence in the medical field: current application,emerging problems,and problem-solving strategies

Recent advancements in the field of artificial intelligence have demonstrated success in a variety of clinical tasks secondary to the development and application of big data, supercomputing, sensor networks, brain science, and other technologies. However, no projects can yet be used on a large scale in real clinical practice because of the lack of standardized processes, lack of ethical and legal supervision, and other issues. We analyzed the existing problems in the field of artificial intelligence and herein propose possible solutions. We call for the establishment of a process framework to ensure the safety and orderly development of artificial intelligence in the medical industry. This will facilitate the design and implementation of artificial intelligence products, promote better management via regulatory authorities, and ensure that reliable and safe artificial intelligence products are selected for application.     

医学大数据与人工智能标准体系:现状、机遇与挑战

医学大数据和人工智能(artificial intelligence,AI)在提升医学资源利用率和服务质量方面具有极大的潜力,但同时也在隐私保护和技术风险方面带来挑战。标准是构造、评价和应用新技术的共识和规范,医学大数据和AI在临床的应用迫切需要制订数据、系统、计量标准以及应用和评价新技术的行为规范。本文定义了医学大数据与AI标准的内涵,包括数据相关标准、公共数据集、测试基准、行为规范;总结了医学大数据和AI标准的现状、潜在问题及挑战;在展望医学大数据与AI发展前景的同时,提出了结合大数据/AI增强的系统和医学科学大装置的系统新架构。     

前景与挑战:当医学影像遇见人工智能

伴随人工智能的蓬勃发展, 图像智能识别技术可较大程度降低医生工作量的观点在业界已达成共识。但在综合诊疗上, 人工智能可否给予医生更好的意见和建议尚无定论。目前, 国内医学影像领域的人工智能绝大多数仅集中于单纯的图像识别, 缺乏医学数据的积累和对影像报告的分析, 人工智能和医学影像结合的模式刚刚开始, 我们期待科技的进步继续成为人类文明的动力之源。     

人工智能赋能护理进展及发展策略

随着计算方法和计算能力的快速发展,人工智能在问题模型构建和分析方面的能力得以快速提升。人工智能已逐步渗入医疗护理领域,在辅助医护方面发挥重要作用。本研究主要对人工智能技术赋能护理领域的现状展开论述,同时对当前存在的问题和挑战进行分析,以期为人工智能更有效地支持护理发展提供新思路。     

人工智能在超声医学领域中的应用

人工智能(artificial intelligence,AI)近几年再度成为各领域关注的焦点,其中深度学习的提出带来了一系列革命性变化,而随着计算机视觉向深度学习过渡以及硬件和大数据的进步,AI在图像识别领域展现出更广阔的发展前景。深度学习模型使得相关图像算法甚至达到了比人眼更高的识别准确率, 这为医学影像的发展提供了巨大契机。超声医学作为影像领域的重要分支,利用AI相关算法进行声像图分析的研究不断涌现,不仅为临床科研提供了新思路,亦有助于提高超声诊断的准确性。