脑卒中大型医学数据库应用及研究进展

随着全球人口老龄化的加剧,脑卒中已成为60岁以上人群中仅次于恶性肿瘤的第二大死亡原因。大型医学数据库通过系统集成医学数据,提供流行病学资料,从研究假设转化为指导临床实践的循证医学证据,广泛应用于临床医学研究。本文重点介绍世界范围内不同脑卒中数据库的特点,阐述其在脑卒中中的应用及研究进展,以及人工智能技术在数据库建设中的应用,以期促进脑卒中数据库的建设并开展高质量的脑卒中临床研究。     

人工智能影像技术在卒中诊疗中的应用

多模态影像是全面评估缺血性卒中发生发展的重要手段,其数据信息较多,且分析难度 较大,传统的计算机视觉方法依赖于手工提取特征,在复杂任务上性能有限且通用性不佳。人工智 能影像技术主要指利用人工智能方法处理计算机视觉任务,包括图像分类,病灶定位、检测、分割等, 可深入挖掘多维影像学信息,并综合其他临床资料,已在卒中的早期筛查、病灶识别、病情诊断和预 后预测等方面展开了广泛而深入的研究工作。人工智能影像技术在快速精准的影像学分析及标准化 诊疗辅助方面具有一定应用价值,但在临床价值验证和产品转化方面仍存在不足,且其在临床实践 中的应用发展亦面临诸多挑战。     

机器视觉技术在康复领域的应用

机器视觉技术通过视觉采集和分析系统对外界环境进行实时图像采集和处理,得到目标的特征信息,最终实现外部设备的控制.机器视觉技术具有精度高、实时性强、自动化与智能化程度高的优点,已广泛应用于机器人控制、工业生产、辅助医疗诊断等领域.随着医疗技术的发展,机器视觉作为人工智能的重要分支,在康复领域也得到越来越多的应用.本文综述了机器视觉的基本结构和工作原理,并对其在辅助辅具、肢体康复、心理康复等5种康复领域的常见应用进展状况进行简要归纳与介绍,最后总结了机器视觉应用于康复领域的主要问题和发展趋势.     

人工智能在医学的应用研究进展

人工智能技术的快速发展,得益于大数据、数据库、算法、算力的巨大进步,医学研究是人工智能的重要应用方向。人工智能与医学的融合发展,提高了医疗技术水平与医疗服务效率,为医生与医疗设备有效赋能,更好地服务于患者。特别在此次新冠肺炎疫情中取得的巨大成效,足见人工智能在医疗领域中发挥巨大作用,因此吸引了许多研究者不断深入探索。本文对近年来人工智能在医学方面应用的相关文献进行梳理,基于人工智能技术与医学研究的发展背景,重点论述人工智能在药物研发、辅助诊疗、语音识别和语义理解、健康管理、医院管理等领域的应用进展,分析人工智能在医疗领域应用存在的挑战,最后讨论人工智能在医疗领域的发展趋势。 【关键词】人工智能;医学应用;技术挑战;综述     

腰椎X线摄影人工智能测量技术研究进展

腰痛是全球范围内普遍存在的公共健康卫生问题,但临床医师对腰椎X线图像的视觉分析和主观判断已不能满足临床精准化、定量化的诊疗需求。近年来,人工智能（AI）及大数据技术的蓬勃发展,为医疗图像的智能检测和定量分析提供了条件和基础。众多学者通过人工神经网络、支持向量机和卷积神经网络等模型的建立和算法的改进,使腰椎X线定量分析及诊断成为可能。AI技术与医疗图像的交叉融合在减轻临床医师工作负荷、有效降低或消除手工测量误差和辅助临床医师从定量角度更客观地评估脊柱畸形等疾病具有很好的应用前景。目前,AI技术辅助腰椎疾病诊断的发展仍处于早期阶段,AI算法的改进、高质量数据库建立及制定新参数的量化标准等需要进一步探索。     

构建新生儿遗传代谢病筛查诊断体系促进精准防控

遗传代谢病是一类表现为代谢异常的出生缺陷.生化检查是检测代谢异常的传统手段,其中串联质谱技术可高效实现一种实验检测多种疾病,对新生儿筛查具有重要意义.由于筛查的仪器、试剂和分析软件大量依赖进口,筛查成本高,加之不同地区操作水平和技术规范存在差异,我国新生儿串联质谱筛查存在检测质量不均一、人工初筛假阳性率高、筛诊治脱节等问题.针对这些问题,"生殖健康及重大出生缺陷防控研究"十三五国家重点研发计划项目"新生儿遗传代谢病筛查诊断集成化产品自主研发"集合产业创新技术力量,从串联质谱设备和配套试剂开发入手,建立了从前处理、质谱分析到数据人工智能化诊断的国产化新筛产品体系.初筛阳性率降低至0.5％以下,减轻了召回负担,提升了诊断准确性.在遗传诊断产品研发上,基于微流控芯片技术、核酸质谱技术和高通量测序技术,分别形成可覆盖中低、中高、高通量等不同通量需求的基因诊断产品,为遗传代谢病明确诊断提供有利手段.立足于筛诊实践经验和研究成果,项目组技术和临床专家形成了关于串联质谱筛查技术操作规范和多种遗传代谢病诊疗的专家共识.从而从技术、产品、标准和推广应用上全方位构建起一套为新生儿遗传代谢病精准防控服务的筛查诊断体系.     

机器学习在放射治疗中的临床应用

放射治疗是癌症的主要治疗手段之一,以机器学习为代表的人工智能飞速发展,可应用于放射治疗临床实践的各个环节,包括临床决策支持、自动勾画靶区、预测疗效和副反应等,提高准确性与效率。尽管面临着结构化数据缺乏、模型可解释性差等挑战,机器学习在放射治疗中的应用将日趋深刻而广泛。本文从机器学习简介、在放射治疗中的临床应用研究进展和挑战与解决之道等3个方面展开综述。     

乳腺癌MRI影像组学的研究进展

乳腺癌是全世界女性最常见的恶性肿瘤之一,也是患癌女性的主要死因。提高诊断准确性、早期评估乳腺癌预后及治疗效果是临床实践中的关键问题。MRI因其较高的软组织分辨率,目前仍是诊断乳腺癌的常用成像方式。相对于乳房X线摄影和超声,MRI可以提供更全面的诊断信息。影像组学是一个高通量提取和定量分析影像特征的新研究领域,近年来受到广泛关注并应用于肿瘤领域。作者就乳腺癌MRI影像组学方面的研究进展进行综述。     

基于人工智能的病理学在肿瘤诊疗中的研究进展

肿瘤的早期发现和精确诊断对于患者治疗的选择和生存率的提高有很大的帮助,病理学作为肿瘤早期诊断的金标准,由病理医生通过肉眼观察对样本的组织结构和细胞病变进行分析诊断,这是高度主观、繁琐、不可重复的过程。随着近些年人工智能技术的发展,尤其是影像组学能够从MRI图像中高通量地提取定量特征,将图像转换成高维的、可挖掘的数据,在肿瘤诊断、分级、预后等方面表现出极大的优势。基于人工智能对病理图像进行定量分析,在肿瘤的诊疗中也有独特的价值,不仅提高了肿瘤诊断的准确性和客观性,而且减轻了病理医生的工作,在某些情况下对于图像的识别能力超过了专业的病理医生。影像组学与病理数据的结合是当前新的研究趋势。笔者综述了基于人工智能的病理学在肿瘤中的应用研究,病理信息在MRI中的作用及未来展望。     

人工智能如何改变指南的未来

近年来,人工智能的快速发展和进步对医学领域的影响日益加深。科技部发布的人工智能指南明确提出要加大人工智能技术在医药卫生领域应用的支持力度。临床实践指南作为医疗实践的重要指导性文件,可以规范医务人员的诊疗行为,缩小最佳研究证据与当前实践之间的差距,具有重要意义和价值。如何利用人工智能技术加速指南的制订流程,提高其制订效率,创新其传播与实施模式,乃至改变指南的未来发展,已引起国内外学者的广泛关注。本文就人工智能在临床实践指南领域的应用现状和发展前景进行分析和讨论,并在此基础上提出促进人工智能与临床实践指南结合的思考与建议。