人工智能技术在康复和慢性病管理及辅助诊断的应用进展

随着新一轮的计算机信息技术的快速发展,人工智能(AI)技术在康复和慢性病管理及辅助诊断领域已经取得了大量的研究成果,有望进一步提高医护工作人员的工作效率。本文聚焦康复和慢性病领域的管理及辅助诊断技术,系统性地介绍以康复机器人和慢性病管理系统为代表的智能化应用,为一线医护科研人员提供了一种新的发展方向,最后展望未来AI技术的发展趋势。     

人工智能在耳鼻咽喉头颈外科的应用

人工智能(artificial intelligence, AI)技术在医学领域的应用日益广泛,耳鼻咽喉头颈外科作为临床医学的一个重要分支,也开始逐渐应用AI技术来提高诊断、治疗和疾病管理的效率和精度。本文将从AI的发展历史、在医学领域的应用、可穿戴设备以及AI在耳鼻咽喉头颈外科中的应用等方面进行综述,探讨AI在医学领域应用中面临的挑战,并展望其未来发展前景。     

我国医学人工智能软件及其测试技术发展概况

医学软件测试是评估医学软件功能及性能的主要技术手段。近年来,随着人工智能（Artificial Intelligence,AI）技术在医学领域的广泛应用,医学AI软件不断更新,其覆盖高算力、数据量大、模型复杂,而传统医学软件测试技术已不能满足相关需求,从而导致医学AI软件测试存在效果不佳、审评审批进展缓慢等问题,严重制约产业及其行业的发展。与传统医学软件测试技术相比,医学AI软件测试技术能够针对医学AI软件关键检测内容及性能指标,有效提高医学AI软件的检测效率。本文概述医学AI软件的发展现状,并与传统医学软件进行对比,总结现有医学软件测试技术,对医学AI软件测试技术的研究进展和不足之处进行综合分析,同时对医学AI软件发展面临的挑战及问题进行展望,旨在为医学AI软件测试技术的发展提供一定的理论基础。     

人工智能在放射科阅片教学中的应用现状及前景展望

放射科是一门专业性和实践性很强的临床辅助诊断学科,阅片教学对于培养合格的放射科医学人才具有重要意义。文章就当前放射科阅片教学模式现状及不足进行分析,包括教师教学理念陈旧、教学效率低下、师生互动性差、学生学习兴趣不高、学习主动性差等。为适应人工智能（artificial intelligence,AI）时代下医学教育发展趋势,“AI+教育”模式应运而生并席卷整个医学教育行业。文章对近年人工智能在放射科阅片教学中的应用现状进行总结,并结合上述现状及不足提出了人工智能在放射科阅片教学中的前景展望：包括转变教学理念,构建新型“AI+教育”模式;激发学生学习兴趣,调动学习主动性;促进工作效率,提升教学质量和效率;强化法律与伦理意识,推动合理合法应用人工智能。     

探讨医学检验和临床医学的协调关系

检验医学是临床医学必不可少的一个重要分支,近年来,随着检验项目的不断增加,检验技术的自动化、智能化、信息化发展,为临床诊断和治疗提供了及时可靠的医学数据.由于检验工作的特殊性,一份检验标本从临床下医嘱到患者准备、样品采集、运送、样本处理、检验直至检验报告单发放,需要医、护、技、患几方面的配合与沟通协调[1],方可高质量完成,任何一方的疏忽都可能导致失误.因此加强医学检验与临床科室的相互对话与沟通就显得十分迫切和必要。     

手术机器人结合5G在运动医学中的应用研究

目的：分析手术机器人结合5G在运动医学中的应用。方法：以运动医学常见的前交叉韧带（ACL重建术为例,分析手术机器人在其中的运用,以及5G与运动医学手术机器人的结合。结果：ACL重建术在手术机器人辅助情况下可提高精准性和可重复性,降低学习曲线。结合5G和人工智能可以完成高效数据传输与计算,便于远程应用与手术实施。结论：应用5G和人工智能的手术机器人在运动医学手术中能够提高操作精准性,在临床应用与推广中具有发展前景。     

浅议检验人员与医护人员的沟通协调

检验医学是现代临床医学必不可少的一个重要组成部分,近年来随着检验项目的不断增加,检验技术的自动化、智能化、信息化发展,为临床诊断和治疗提供了及时可靠的医学数据,同时也创造了良好的经济效益和社会效益.由于检验工作的特殊性,一份检验标本从临床下医嘱到患者准备、样品采集、运送、样本处理、检验直至检验报告单发放,需要医、护、技、患几方面的配合与沟通协调[1],方可高质量完成,任何一方的疏忽都可能导致失误.作为一名检验人员,笔者认为可以从以下几点着手.     

人工智能在影像医学教育中的机遇与挑战

<正>近年来人工智能(AI)兴起,尤其在影像医学发展中引起极大关注。人工智能技术是一种计算模型,能够模拟人类在某项任务上的表现,能够提高整个影像医学的工作效率^[1]。将人工智能技术融入医学教育并不是一个新概念。相比之下,人工智能在医学教育中的应用相对较少。目前,关于人工智能的研究集中在精准医学上,人工智能(AI)正在以多种方式改变影像学实践。尽管如此,人工智能在影像医学的教育方面还有一定潜力。     

人工智能在恶性肿瘤放疗领域中的应用与前景

人工智能（AI）是能模拟人类思考和判断等智力工作的人造装置。AI在新药研发、疾病诊断、健康管理、医学影像、临床决策、医院管理、便携设备、康复医疗和生物医学等领域已有不少成功应用的案例。智能计算机医院管理系统、智能医疗诊断专家系统、智能手术机器人等AI技术给医疗领域带来了革命性变化。在恶性肿瘤放疗领域,肿瘤放疗靶区和危及器官智能化自动化勾画、建立AI化的放射治疗计划模型、建立基于互联网+的放疗远程智能化质控系统正如火如荼。理念改变技术,技术也会改变理念。智能医疗也必将改变未来的医疗模式。     

人工智能在临床医学中的应用与思考

人工智能（AI）已成为发达国家的国家战略。在医疗健康领域的各个环节（如虚拟助理、医学影像、药物挖掘、营养学、医院管理、健康管理、精神疾病、可穿戴设备、风险管理、病理学和临床诊疗活动等）,AI已取得极大的发展。本文就医疗活动中较为成功的AI研究,即AI与病理诊断、眼部疾病、皮肤疾病、医学影像、中医药、心电监测、手术机器人、肿瘤治疗、医学科学研究作一系统性的评述,阐述医疗领域AI应用存在的问题与展望。相信随着AI技术的发展,AI将会推动医疗领域革命性的进步,使广大病患受益。     

人工智能医疗器械质量管理标准化趋势分析

目的旨在研究人工智能(Artificial Intelligence,AI)医疗器械质量管理的发展趋势,促进标准规范研究。方法根据AI医疗器械相关监管、法规的最新动态,梳理质量管理面临的特殊问题;结合产品检测实践情况,分析AI医疗器械质量管理的需求与发展方向。结果在AI医疗器械的质量管理过程中,可溯源性、数据集管理、质量控制等方面都需进一步增强。结论本文研究的思路和方法有助于建立适合AI医疗器械的专用标准规范。     

人工智能在个体健康管理和群体疾病监测中的应用进展

人工智能技术与医疗健康领域的融合不断加深,相比在医学影像识别和药物开发设计等领域的有序发展,人工智能协助公共卫生的发展仍处于初级阶段。我国预防医学与公共卫生体系的建设主要包括个体精准健康和群体流行病风险监测,两者各有侧重且互为补充。本文基于从个体到整体的角度,讨论了人工智能算法和技术驱动的基因检测、可穿戴设备、物联网移动端口在个体的精准化健康管理中的发展;以及通过收集个体健康数据,并将其与时间、社会行为等大数据进行联合计算,构建新型流行病风险预警系统的可能性。     

美国人工智能医疗器械监管与应用分析

近年来人工智能医疗器械发展迅速,美国在该类型器械的注册审批与监管制度建设上全球领先.本研究对美国食品药品监督管理局人工智能医疗器械监管制度和已上市产品的审批与应用情况进行分析,发现美国正在探索创新管理制度,希望通过对上市后真实世界数据的利用,加快产品上市速度、加强产品全生命周期监管.美国该领域发展虽仍处于起步阶段,但已...     

基于人工智能的药物研发：目前的进展和未来的挑战

近年来,人工智能在药物研发领域得到了广泛的应用。特别是自然语言处理技术在预训练模型的出现后有了非常显著的提高,在此基础上,图神经网络的引入也使得药物研发变得更加准确和高效。为了使药物研发者更加系统全面地了解人工智能在药物研发中的应用,本文介绍了人工智能中的前沿算法,同时阐述了人工智能在药物小分子设计、虚拟筛选、药物再利用以及药物性质预测等多方面的应用场景,最后探讨它在未来药物研发中的机遇与挑战。     

人工智能在全科医学领域的应用

人工智能的概念从提出到现在虽然只有65年的时间,但已进入蓬勃发展期。人工智能技术目前广泛应用于金融、医疗、安防、交通、教育、自动驾驶等多个领域。近年来全球频繁出现的“大健康”、云计算、医疗大数据等概念,也推动着人工智能在医疗领域的快速发展;目前人工智能在电子病历、医学影像识别、疾病风险预测、健康管理、辅助诊断及药物研发等方面取得了丰硕的成果。2017年国务院印发《新一代人工智能发展规划》,提出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,智能医疗受到了极高的重视,并预测智能医疗将占人工智能总体市场规模的1/5。从20世纪80年代末期开始,在政府的大力推动下,我国全科医学正式成立并得到了长足的发展;2011年国务院出台《关于建立全科医生制度的指导意见》,我国全科医学进入快速发展阶段,全科医学服务模式在基层逐渐推广;2018年国务院印发《关于促进“互联网+”医疗健康发展的意见》,提出探索智能健康管理及智能养老社区服务体系建设,优化及推进“互联网+”家庭医生签约、教育及科普服务。本文从全科医疗服务、家庭医生签约、分级诊疗、全科医生培训、社区公共卫生服务5个方面对人工智能在全科医学领域中的应用发展现状进行总结,分析目前面临的挑战,并对未来发展前景进行展望。      

Trust and medical AI: the challenges we face and the expertise needed to overcome them

Artificial intelligence (AI) is increasingly of tremendous interest in the medical field. How-ever, failures of medical AI could have serious consequences for both clinical outcomes and the patient experience. These consequences could erode public trust in AI, which could in turn undermine trust in our healthcare institutions. This article makes 2 contributions. First, it describes the major conceptual, technical, and humanistic challenges in medical AI. Second, it proposes a solution that hinges on the education and accreditation of new expert groups who specialize in the development, verification, and operation of medical AI technologies. These groups will be required to maintain trust in our healthcare institutions.     

Ontology: Footstone for Strong Artificial Intelligence

In the past ten years, the application of artificial intelligence (AI) in biomedicine has increased rapidly, which roots in the rapid growth of biomedicine data, the improvement of computing performance, and the development of deep learning methods. At present, there are great difficulties in front of AI for solving complex and comprehensive medical problems. Ontology can play an important role in how to make machines have stronger intelligence and has wider applications in the medical field. By using ontologies, (meta) data can be standardized so that data quality is improved and more data analysis methods can be introduced, data integration can be supported by the semantics relationships which are specified in ontologies, and effective logic expression in nature language can be better understood by machine. This can be a pathway to stronger AI. Under this circumstance, the Chinese Conference on Biomedical Ontology and Terminology was held in Beijing in autumn 2019, with the theme “Making Machine Understand Data”. The success of this conference further improves the development of ontology in the field of biomedical information in China, and will promote the integration of Chinese ontology research and application with the international standards and the findability, accessibility, interoperability, and reusability(FAIR) Data Principle.     

医养结合背景下“中医药+智慧养老”的思考

介绍“中医药+智慧养老”发展现况与趋势,阐述中医药在养老领域应用的优势,从中医药与可穿戴设备、机器人、人工智能医疗等方面分析“中医药+智慧养老”模式发展前景。