人工智能在心电图中的应用进展

人工智能是心电诊断领域的研究热点和发展趋势。心电图在心血管疾病的诊断中具有重要作用, 但其准确判读需要相当的专业理论知识。目前, 机器学习在心电图自动筛查、诊断及预测心血管疾病等方面均有较大进展, 在某些领域, 已经实现快速而类似医师的解读。更为重要的是, 多层神经网络能够精准识别肉眼不可见的信号和模式, 使心电图成为一种无创而有效的检查手段。该文主要综述人工智能在心电图中的应用现状, 重点关注心律失常、冠心病、心功能不全及肥厚型心肌病, 并讨论其局限性和未来发展方向。     

机器学习在系统性红斑狼疮中的应用进展

在信息时代, 人工智能在疾病诊治及医疗保健方面发展迅速, 可分析大数据并且挖掘内在联系。机器学习应用于SLE可揭示疾病异质性特点及复杂机制, 利用大数据及算法构建模型可解决临床问题, 完善患者的分层, 优化治疗策略, 完善疾病的评估系统, 有助于精准医疗。     

人工智能在心力衰竭中的应用

人工智能作为一项变革性技术在医学领域展现出了巨大的应用前景。目前在心力衰竭领域中, 人工智能可协助临床医师对其进行诊断、分类和预后判断, 提高疾病的管理水平, 减轻医疗负担, 未来或可为其的诊疗及研究提供更深入的帮助。该文就人工智能在心力衰竭领域的研究现状做一论述。     

人工智能在心血管疾病影像学领域中的应用

近年来, 人工智能(AI)在心血管疾病影像学领域的研究方兴未艾, 涉及图像分析、疾病诊断和预后评估等。在心血管超声、CT、MRI、核医学等无创影像领域, 高质量的AI研究层出不穷, 近两年发表的成果数量超越以往的总和, 这无疑将会对心血管疾病的诊疗模式、医疗格局和资源分配产生深远影响。鉴于此, 该文就AI影像在心血管疾病中的最新研究进展进行综述, 以飨读者。     

人工智能在糖尿病饮食管理领域的应用进展

糖尿病饮食管理在糖尿病的治疗过程中起着重要作用。"控制饮食"是糖尿病治疗中最基础也是最重要的一个环节,轻度糖尿病患者可通过食疗,有效控制血糖。有效的饮食管理评估可及时发现糖尿病患者饮食自我管理存在的不足。人工智能在医学领域应用广泛,本文将简述人工智能技术在糖尿病饮食管理方面,包括饮食推荐和自动监测中发挥的作用及应用进展。     

人工智能在主动脉夹层影像学诊断与风险预测中的应用

主动脉夹层(AD)严重威胁患者生命健康, 具有极高病死率。AD的生存率与早期诊断、危险因素控制、术后评估及预后预测等密切相关。人工智能作为当今科技发展的前沿技术, 已被广泛应用于医学领域, 并且在AD早期筛查、影像诊断、风险预测等方面都取得了较大进展。该文将对人工智能在AD中的应用作一综述, 对该领域的未来前景进行展望, 并探讨其中存在的问题和改进措施。     

机器学习在急性冠脉综合征风险评估中的应用

对急性冠脉综合征(ACS)患者的预后风险评估是ACS诊疗中非常重要的内容, 但依然不够精准。人工智能的机器学习可以用于建立比传统统计学方法更精确和个体化的预后风险统计模型, 近年来在医疗领域有了迅速进展。该文介绍利用机器学习构建预后模型的基本原理和方法, 并对其在ACS预后评估中的临床应用现状进行综述。     

儿童疫苗接种与支气管哮喘的关系

近20余年来全球儿童支气管哮喘的患病率呈明显上升趋势, 这一趋势与儿童疫苗接种的增加相一致, 因此有学者提出儿童接种疫苗可能会增加儿童哮喘风险的假设。然而疫苗接种是预防感染性疾病的重要手段, 一些重要传染性疾病由于广泛的特异性免疫接种而得到成功控制, 不能因为某一假设而停止接种。为探索儿童疫苗接种与哮喘的关系, 本文综述了儿童疫苗接种与哮喘的关系及相关研究进展, 以期提高临床及公卫人员的认识。     

基于人工智能的无创血流动力学监测研究进展

无创血流动力学监测具有简单易操作、无创、几乎无并发症、患者依从性好等优点, 在临床实践中, 可以为分析患者生理和病理状态以及心血管疾病的预防和诊断提供重要的参考和指导。人工智能(AI)具备对海量数据进行高级计算的能力, 为无创血流动力学监测提供了更多的可能和更广阔的前景。该文对基于AI的无创血流动力学监测的相关研究进行了综述。     

心电图人工智能在心力衰竭中的研究进展

心力衰竭(心衰)是多种心脏疾病的终末阶段, 需要及早诊断、进行危险分层和个体化管理。心电图是临床最常用的工具之一, 其使用方法简单, 可迅速高效地对患者心脏的电活动及结构功能进行动态检测。但在心衰患者的诊断与评估中, 心电图存在特异性低、主观性强、严重依赖专业人员的判断能力等局限性, 而人工智能(AI)技术可有效弥补心电图人工判读的不足。当前AI已在医疗大数据中广泛应用, 可区分疾病表型、进行事件预测和复杂决策, 而心电图因其数据量大、信息丰富、便于储存和传输等特点, 具备与AI相结合的独特优势。该文将综述心电图AI在心衰诊断、精准分型和治疗指导等方面的研究进展。     

机器学习在心脏磁共振成像中的应用进展

心脏磁共振成像(CMR)是评估心脏结构、功能和组织特征的"一站式"检查方法, 为心血管疾病诊疗提供了全方位、精准化和个体化的影像学信息。机器学习能够从超越人类视觉的维度识别、分析、处理及挖掘海量图像信息, 有助于提高CMR成像速度及图像质量、实现图像分割及定量分析、优化预后模型, 甚至能够基于平扫序列识别心肌纤维化, 进而充分发挥CMR的诊断及预后评估价值。该文对现阶段机器学习在CMR中应用的研究进展进行综述。     

鼻腔分泌物与支气管哮喘的相关性研究进展

鼻腔分泌物检测是过敏性鼻炎、慢性鼻窦炎、鼻腔感染等疾病的重要检测手段。鼻腔分泌物与支气管哮喘(哮喘)的相关性是近年来讨论的热点问题, 也是有争论的焦点之一。有研究发现二者可能密切相关, 哮喘能够引起鼻腔炎症水平和微生态改变, 但有学者认为二者的相关性较弱, 其原因是鼻腔分泌物稳定性差, 受外界环境影响大。本文就哮喘患者鼻腔分泌物变化进行归纳和总结。     

人工智能助力心血管疾病的诊断与治疗

人工智能(AI)是指能够模拟人的某些思维过程和智能行为的技术或系统, 经过65年的发展, AI技术发展迅速, 尤其是近10年来, 在医疗领域的应用更是突飞猛进。我国心血管疾病患病人数众多, 心血管疾病领域对AI的需求与应用已经涉及多个方面, 在心血管疾病的早期筛查、自动诊断、危险分层等方面展现出独特优势, 该文就AI辅助心血管疾病诊断与治疗的研究进展进行总结, 为我国心血管疾病防控提供参考。     

嗜酸粒细胞哮喘的机制与治疗进展

支气管哮喘(哮喘)是一种慢性炎症, 是由多种细胞和细胞组分共同参与形成的。其中, 嗜酸粒细胞性哮喘是痰液或外周血嗜酸粒细胞增多和气道嗜酸粒细胞浸润的一种哮喘表型。嗜酸粒细胞是一种参与多种炎症反应的粒细胞, 也是哮喘生理变化的主要因素, 在哮喘气道炎症中发挥主导作用, 其作用的机制较为复杂, 可以通过释放颗粒蛋白、细胞因子、趋化因子等介质参与哮喘的病理过程。近年来, 针对嗜酸粒细胞的靶向治疗药物已广泛应用于临床工作。本文就近年嗜酸粒细胞哮喘的发病与诊治进展作一综述。     

支气管哮喘诊治年度进展2023

支气管哮喘(简称哮喘)是一种由多种免疫细胞、细胞因子及炎症介质介导的常见慢性气道炎症性疾病, 在临床症状、严重程度和治疗效果上具有明显的异质性, 给诊治带来了巨大挑战。本文对2022年10月1日至2023年9月30日期间发表的关于哮喘基础与临床研究文献进行回顾, 重点从哮喘的发病机制、诊断、评估和治疗四个方面进行总结和阐述, 旨在为临床诊治提供更多依据, 为未来研究提供新视角。     

白细胞介素33在支气管哮喘急性加重中的作用

支气管哮喘是常见的慢性呼吸道疾病, 大多数情况下哮喘急性发作与接触过敏原、病毒性上呼吸道感染、空气污染、吸烟相关。白细胞介素33(IL-33)是IL-1的家族成员, 从基因、动物实验模型、临床上均已证明IL-33与哮喘密切相关。肺组织中的结构细胞以及被趋化因子招募至肺组织的游离细胞通过一系列模式识别受体、传导介质、传导轴, 诱导IL-33的产生、释放, 进一步导致辅助型T细胞1型免疫反应减弱、辅助型T细胞2型免疫反应增强, 哮喘症状加重。阐明IL-33的释放机制可以为认识哮喘急性发作及精准靶向治疗支气管哮喘提供新的思路。本文对支气管哮喘急性加重过程中IL-33的产生、释放机制作一综述。     

肥大细胞在支气管哮喘发病机制和治疗措施中的研究进展

支气管哮喘(哮喘)是由多种细胞以及细胞组分参与的慢性气道炎症性疾病, 其中肥大细胞被激活后会释放大量炎症介质、细胞因子和趋化因子, 导致各种哮喘相关病理表现, 如血管通透性增加、支气管炎症、支气管收缩等, 并激活或招募其他细胞参与哮喘的发病过程。本文将对肥大细胞在哮喘发病中的作用及针对肥大细胞的治疗措施进行综述。     

用好人工智能, 助力我国心血管临床研究

随着人工智能技术的迅速发展, 心血管领域迎来了革命性突破的契机, 但目前该技术的实际应用尚未完全融入临床工作流程中。本期内容分享了我国心血管医生在人工智能辅助心血管疾病诊治和临床研究方面的良好尝试和初步成效, 以期推动人工智能与心血管领域的深度融合, 造福广大心血管疾病患者。     

卷首语

岁序更替, 华章日新。在刚刚过去的2023年, 《中华老年医学杂志》在编委会的大力支持和广大作者、读者的热情关爱与关注下, 编辑部全体人员积极进取, 多项工作取得了新的进展。在此, 编辑部全体人员谨向大家表示诚挚的感谢!     

更正

本刊2023年第51卷第10期第1033-1042页《稳定型心绞痛运动康复中国专家共识》中, 参考文献部分:第34条参考文献《稳定型心绞痛患者运动康复危险分层与分类管理》第一作者名字:"范璃轩"应为"范瑀轩", 特此更正。