人工智能在角膜相关疾病领域的应用研究

人工智能(artificial intelligence，AI)是计算机领域的前沿科学，近年来在众多领域发展迅猛，其在眼科的研究和应用也日益增多。AI在角膜相关疾病领域的研究主要包括圆锥角膜的早期诊断及分级、角膜屈光手术相关评估、感染性角膜炎的分类及程度判断、角膜移植术后再干预的评估等，主要采用的算法包括神经网络、支持向量机及决策树，模型的灵敏度和特异度均达90%以上。AI可为医生提供客观的临床决策、为患者提供精准的治疗奠定基础。本文将对近年来AI在角膜相关疾病领域的应用研究进行综述。     

5G+AI技术赋能医学本科教学改革的相关探索

医学本科教学一直面临着理论与实践不均衡、教学模式陈旧等问题。近年来,5G和人工智能（AI）的迅猛发展为医学本科教学改革提供了新机遇。本综述旨在分析5G+AI技术在医学本科教学中的应用,探讨其对教学内容、教学方法、基础设施与资源、数据隐私与安全等方面的影响,并展望未来的发展方向。通过对医学本科教学现状进行详细分析,发现传统教学存在的问题,探讨5G+AI技术如何赋能医学本科教学改革,包括理论课程的在线图书馆应用、AI辅助教学、临床技能中心的5G化等方面,综合考察该技术在推进AI应用、革新医学课程体系、实现仿真模拟等方面的优势,同时对5G+AI技术在医学本科教学中面临的挑战进行分析。5G+AI技术在医学本科教学改革中具有广阔前景,可以通过提高教学效果、个性化教学、实现虚拟实践等方式全面推进医学本科教学水平。然而,要充分发挥其优势,还需解决基础设施建设、教师培训、数据隐私等方面的挑战。期望通过该技术的应用,实现医学本科教学更科学、更高效的目标。     

医学影像人工智能产业化的现状及面临的挑战

人工智能(artificial intelligence,AI)技术的探索及应用受到全球各国的高度关注,该文旨在对AI在医学影像领域的发展做一分析和展望。文章总结了医学影像AI产业化在政策层面、技术层面、需求层面及经济环境等多个方面的优势,并分析了其产业化之后可能对医疗模式带来的种种变化。同时该文也理性地指出了AI产业化在技术落地、盈利模式的突破及市场竞争等多个方面存在挑战。希望各界人士能够共同积极拥抱新技术,共同推动医学影像AI产业良性、快速地发展。     

人工智能在肾肿瘤影像中的应用

以深度学习等为代表的新一代人工智能(artificial intelligence,AI)技术在医学影像中的应用是当前社会医疗发展的重要需求方向,肾肿瘤的AI医学影像临床研究也引起了相当大的关注。本文旨在阐述AI在肾肿瘤影像中应用的现状、问题,并对未来进行初步展望。     

人工智能技术在乳腺影像学诊断中的应用现状与展望

当今科技发展的代表性前沿技术——人工智能(arti?cial intelligence,AI),已经和正在推动包括医学在内的众多学科及产业发生广泛而深刻的变化。随着计算机硬件的进步、存储设备性能的提高以及海量数据和新算法的涌现,近几年AI技术的发展取得了重大突破。在医学领域中,医学影像是AI技术应用较早、较为成熟的方向之一。用于乳腺影像学诊断的AI产品正在迅速地从实验阶段过渡到应用阶段,展现了良好的应用价值及发展态势。该研究就当前乳腺影像学诊断中AI技术的发展及应用现状进行分析和综述,并对乳腺影像方面AI未来的发展方向进行展望,以期为相关AI技术的研究提供参考。     

人工智能分割心外膜脂肪组织研究进展

心外膜脂肪(EAT)属内脏脂肪组织，具有复杂的生理及病理特性，对于多种心血管相关疾病的发生、发展及预后等具有重要影响。随着人工智能(AI)的快速发展，基于AI分割EAT并用于诊疗心血管疾病等已成为研究热点。本文就AI分割EAT研究进展进行综述。     

人工智能在住院医师规范化培养中的应用价值探讨

人工智能(artificial intelligence,AI)的快速发展,促使"AI+教育"模式以爆炸式发展席卷整个教育行业,在医学生教育方面也发挥着重要作用。住院医师规范化培训是医学生毕业后教育的重要环节。AI的应用会对住院医师规范化培养产生什么影响呢?本文就AI对住院医师规范化培养教学模式改变、教学库优化和培训的影响,以及学员面临的机遇与挑战予以阐述。     

人工智能在二尖瓣反流超声精准诊疗中的应用进展

二尖瓣反流（MR）是临床常见的瓣膜疾病之一，其发病率不断上升。超声心动图是评估MR的首选影像学检查方法，具有无创、无辐射、操作便捷、价格低廉等优势。近年来，人工智能（AI）广泛应用于药物研发、临床诊断、临床决策、临床治疗及健康管理等方面。AI辅助MR精准诊疗可为患者提供个性化诊疗服务。本文就AI在MR诊断、治疗及预后随访中的应用进展进行综述。     

AI时代下骨髓细胞形态学的教学与思考

随着人工智能(AI)技术的迅速发展,其在临床和教学工作中的应用受到越来越多的关注。骨髓细胞形态学历来是临床细胞学教学中的重、难点,传统教学方式难以调动学生学习的积极性,因此,为了提高该学科的教学质量,可将AI技术与骨髓细胞形态学教学相结合,应用AI图像教学系统进行教学,学生利用该系统根据自身情况进行有针对性的预习、分层次学习、课后复习、查缺补漏,从而牢固掌握所学知识点,提升学习效率;教师利用该系统进行教学可提高教学效果,减轻教学负担,将更多的精力投入到教学研究中。     

深度学习用于宫颈癌诊疗研究进展

宫颈癌(CC)居于女性恶性肿瘤第二位,严重危害女性健康和生命,成为全球关注的健康问题。人工智能(AI)是利用计算机程序模拟、延伸和拓展人的智能行为的科学;以AI为核心技术的智能医学是医学未来发展的重要方向。深度学习(DL)为AI新领域,在图像分析领域展示出巨大应用潜力,用于诊断及鉴别诊断肿瘤、指导治疗及预测预后等具有特有优势。本文对DL用于筛查和诊断CC、指导治疗及判断预后的现状、问题及前景进行综述。     

“检验医学”遇上“人工智能”

陈鸣:人工智能(AI)是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门新兴学科,其发展最早可溯源至20世纪50年代,1956年McCarthy在美国达特默斯的一次学术会议上第一次提出“人工智能”的概念。近年来,随着AI相关学科发展、理论建模、技术创新、软硬件的整体发展,AI技术取得了突破性的进展。2017年7月8日国务院印发的《新一代人工智能发展规划》正式将AI上升到国家发展规划高度,其中针对医疗领域提出了“推广应用人工智能治疗新模式新手段,建立快速精准的智能医疗体系”的任务部署。我国检验医学发展从原始的手工检验起步,经历了半自动化分析到全自动化分析的检验现代化阶段,目前正处在全实验室自动化和实验室信息化时代,而AI可能为检验医学的下一步发展注入新的活力。目前,以专家系统(MES)、人工神经网络(ANN)、数据挖掘(DM)为支撑的AI技术在疾病诊断、提升检验流程自动化程度、个体化结果的分析和DM等医学检验领域得到了广泛应用。本期主持人邀请了国内从事智能检验研究的多位专家,一起来探讨AI技术目前在智能检验领域的优势与挑战,同时对下一步AI技术领域的方法方向进行了展望。     

人工智能在神经介入诊疗中的应用前景

人工智能（artificial intelligence，AI）机器人能否逐渐替代人类来诊治疾病是当下全球研究的热点。计算机的海量存储、快速计算、不知疲倦学习、永无止境升级使得AI可能首先在诊断上替代并超越人类。计算机图像分析、工业自动化、智能控制的应用推动了AI机器人治疗系统的研发，并促使其逐步被应用到精准度和稳定性要求极高的显微手术和具有放射损害的介入治疗领域。2019年11月，首例AI机器人实施的颅内动脉瘤介入手术在加拿大多伦多西区医院完成，具有划时代意义。本文介绍了AI在脑血管疾病诊断，尤其介入手术机器人在神经介入诊疗方面的应用现状，并就AI应用前景进行展望。     

预防消毒剂致化学性眼伤的方法

在为口腔颌面部手术及耳鼻喉科手术患者行术区消毒时，眼部也是必须消毒范围。临床观察2003年3月-2004年2月126例患者（其中口腔科76例，耳鼻喉科50例），其中有38例术后发生了化学性角膜炎及结膜炎，通过多方查找原因，确认是消毒剂浸润眼睛所致。本院手术室用的是0．42％～0．46％的强力碘，pH值约为3．12，此消毒液为酸性，如进入眼内可引起化学性酸烧伤，对症状较重的患者，行裂隙灯检查，可见角膜呈点、片状剥脱，患者出现眼剧痛、畏光、流泪等严重的角膜刺激征，给患者带来很大的痛苦。我们试用固定静脉留置针的贴可舒贴于眼部，通过临床应用及观察，证明完全可以避免这种情况。     

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。     

2例全喉下咽切除及胃咽吻合术病人的护理

喉癌是耳鼻喉科常见的肿瘤之一，近年来发病率明显增加、仅次于鼻咽癌及鼻腔窦癌。自1873年奥地利外科学家Billorth等做第1例全喉切除术治疗喉癌获得成功后，随着医学科学的发展，各种不同类型的喉癌切除术有了迅速发展，综合治疗喉癌也有了明显成效。2006年，我院对2例喉癌病人做全喉切除及胃咽吻合术均获成功，现将护理报道如下。     

人工智能医学影像在胸部应用的机遇与挑战

人工智能(Artificial Intelligence,AI)是以深度学习(Deep Learning,DL)、人工神经网络(Artificial Neural Network,ANN)、机器学习(Machine Learning,ML)等新一代核心算法、强大的计算机计算能力和大数据(Big Date)共同促进的产物。也就是说,算法、算力和数据是其三要素。近年来,随着人工智能技术的飞速发展,AI在医学影像领域的应用日新月异,其中AI胸部影像研究最早也最成熟,本综述将从人工智能在胸部影像应用现状、机遇和挑战以及未来发展方向等方面进行阐述。     

以护理结局为导向的路径模式在耳鼻喉科护理实践教学中的应用效果

[目的]探讨规范化、科学化的耳鼻喉科护理实践教学路径,培养护生的评判性思维能力,逐步建立临床护理思维。[方法]选择2014年9月—2015年5月在我院耳鼻喉科实习的护理专业学生54名,随机分为观察组与对照组各27名。观察组采用以护理结局为导向的路径教学法,对照组采用临床传统带教法。在耳鼻喉科实习结束前2d进行考核评价。[结果]观察组护生理论、技能及学习效果评价均优于对照组(P0.05)。[结论]以护理结局为导向的路径教学法,综合了路径教学与护理程序的优势,将理论学习与临床实践有机结合起来,同时培养和发展了护生发现、分析及解决问题的能力,尤其锻炼了护生的临床决策力。     

人工智能对我国检验医学的机遇与挑战

人工智能(AI)应用于医疗健康领域是大势所趋,将全方位推动检验医学的变革。该文结合我国检验医学的发展现状,探讨了AI相关技术在提升检验流程的自动化程度、挖掘检验数据的辅助诊断价值、重塑检验行业服务模式中的应用潜力,进而从检验医学工作者的角度,设想未来面临AI取代检验科日常工作带来的冲击,如何实现向检验数据管理人员或检验医师的职能转型,开创人-机协同的检验医学新时代。期望该文对检验医学领域AI发展方向的推演能为广大检验同仁及智能医疗从业者提供启发和参考。     

甲状腺肿瘤原位细胞凋亡检测与PPARγ表达的研究

目的：研究原位细胞凋亡指数（apoptosis index，AI）及核转录因子过氧化物酶体增殖物激活受体γ（peroxisome proliferator-activated receptor γ，PPARγ）在原发性甲状腺肿瘤中的表达及其与病变的关系。方法：对87例原发性甲状腺肿瘤组织（乳头状腺癌38例，滤泡性腺癌21例，未分化癌5例，腺瘤23例）分别应用原位细胞凋亡检测（TuNEL）试剂盒测定AI及应用免疫组化方法检测PPARγ表达情况。结果：AI及PPARγ,蛋白在各甲状腺肿瘤组织均有表达，AI在腺癌表达高于腺瘤（P〈0．01），PPARγ在滤泡性腺癌及腺瘤表达显著高于乳头状腺癌及未分化癌（P〈0．01）；AI及PPARγ有正相关性（r=0．554，P〈0．01）。结论：AI及PPARγ的表达与甲状腺肿瘤显著相关，检测AI及PPARγ水平对于鉴别原发性甲状腺滤泡癌具有重要参考意义。     

耳鼻喉科门诊病人的心理反应特点与护理策略

目的 探讨总结耳鼻喉科门诊就诊者的心理特点及相关的护理对策。方法 从急诊、慢性病、先天性畸形、初复诊、癌症、不同年龄段、进行特殊检查治疗和不同时间段等8个方面分析门诊就诊病人的心态、不同心理特点、容易引发的相应问题和可能产生的矛盾。结果 把握了耳鼻喉科病人的心理特点，采取了有针对性的共性和个性的心理护理，营造了良好的就诊环境。结论 掌握了耳鼻喉科病人的心理特点，制定了相应的护理对策，确保了把以病人为中心的诊疗护理落到实处。