动态人工智能超声辅助诊断系统对甲状腺结节诊断价值研究

目的 探讨动态人工智能（AI）超声辅助诊断系统（以下简称动态AI）对甲状腺结节良恶性鉴别诊断价值及对治疗策略的指导意义。方法 选取2021年11月1日至2021年12月31日于中国人民解放军总医院第一医学中心甲状腺（疝）外科接受手术治疗的193例（共346枚结节）甲状腺结节病人,应用动态AI对结节进行良恶性鉴别,对比不同性别、年龄的病人其不同大小、性质的结节的动态AI检查结果、术前细针穿刺细胞学检查结果及术后病理学检查结果,评价动态AI诊断效能。结果 动态AI诊断甲状腺结节的灵敏度为88.5%,特异度为 76.5%,准确率为 85.0%,与术后病理学检查结果有较高一致性（Kappa＝0.643,P＜0.01）。对比动态AI检查和术前穿刺活检的灵敏度（χ2=0.210,P=0.647）和准确率（χ2=1.699,P=0.192）差异无统计学意义,特异度差异有统计学意义（χ2=7.238,P=0.007）。动态AI检查在不同性别（χ2=0.002,P=0.968）及年龄（χ2=3.913,P=0.41）人群中准确率差异无统计学意义,稳定性较好。良性结节的准确率（76.5%）较恶性结节的准确率（88.5%）低（χ2=8.184,P=0.004）。动态AI检查准确率随着结节大小增加有上升趋势（χ2=7.357,P=0.007）,直径＞1 cm结节准确率可达94.4%。结论 动态AI检查对甲状腺结节的良恶性有较高的诊断价值,且无创可重复、高效便捷、安全可靠,可减少不必要的穿刺,节约医疗资源及社会成本,可有效辅助外科医师为病人制定科学合理的个体化诊治策略。     

人工智能对胃肠疾病诊疗的推动作用

高速发展的计算机技术给日常生活及工作带来巨大变化。人工智能是计算机科学的一个分支,是让计算机去行使通常情况下具备智能生命才可能行使的活动,广义的人工智能涵盖机器学习和机器人等等,本文主要聚焦于机器学习与相关的医学领域,深度学习是机器学习中的人工神经网络,卷积神经网络(CNN)是深度神经网络的一种,是在深度神经网络基础上,进一步模仿大脑的视觉皮层构造和视觉活动原理而开发;目前在医疗大数据分析中应用的机器学习方式主要为CNN。在未来数年内,人工智能作为常规工具进入医学图像解读相关的科室是发展趋势。本文主要分享人工智能与生物医学的融合进展,并结合实际案例,重点介绍CNN在胃肠道疾病的病理诊断、影像学诊断及内镜诊断等方面的应用研究现状。     

机器学习在医学中的应用现状

人工智能在近年来已广泛应用于社会各个领域,取得巨大成就。但公众对人工智能的认知仍存在一定误区,笔者就人工智能的当前定义、主要思想及方法做了简要回顾;对当前主流的人工智能技术——机器学习及不足做简要介绍。介绍当前人工智能在医学领域中的应用。相信随着技术的进步,在可见的未来,人工智能将作为医师的强有力的助手,减轻医师负担,减少误诊、误治,提高医疗救治水平。     

数字化技术在颅颌面外科中的应用进展与展望

数字化技术的引进极大地推动了颅颌面外科的进步。数字化三维重建、3D模型打印、数字图像模拟手术和手术导板等革新了治疗手段、降低了手术难度、提升了治疗结果的精准性和可预测性,现已成为颅颌面外科常规诊疗手段。相信随着不断完善的动态导航、智能化手术机器人的研发和使用,颅颌面外科将会获得长足的发展。     

人工智能在白内障诊断治疗中的应用

人工智能(artificial intelligence,AI)技术在辅助白内障诊断中可对晶状体结构进行定位分析,在白内障分级上的判断能力达到专业医生的水平。对于白内障的治疗,其在手术方案选择、医师培训方面可提供客观参考,增加了手术安全性。同时AI技术也可实现白内障在人群中的筛查,为远程医疗奠定基础。(国际眼科纵览,2020,44:386-390)     

血浆微小 RNA-223(miR-223)及叉头框蛋白3a水平与冠心病病人心脏结构变化的相关性研究

人工智能在心电图中的应用是心血管领域正在发生变革的一个重要方向。近年来,先进的人工智能技术,如深度学习,卷积神经网络等,已经实现了对心电图的快速、类似于人类的判读,而多层神经网络可以精确地检测到人类判读者基本无法识别的信号和模式,使心电图成为一个强大的“生物标志物”。大量的数字化心电图已经被用于开发人工智能模型,可检测阵发性心房颤动、左心室功能障碍、心肌病以及高钾血症、瓣膜疾病等异常情况。在这篇综述中,我们总结了人工智能辅助的心电图诊断在心血管疾病中的应用现状,讨论并评估了其临床意义、局限性和发展前景。     

人工智能技术在MSCT肺结节诊断中的应用

人工智能(artificial intelligence,AI)是当前科学技术发展中的一门前沿学科[1],被定义为精准医疗的典范,其强大的后处理能力和进一步学习、分析能力逐渐得到业界的认可,它广泛应用于医学领域,在临床医学影像诊断中、特别是在肺部小结节的诊断应用已日渐增多,但临床应用方面的有关报道仍较少。近年来,我院在肺部小结节、冠状动脉血管成像以及颅内血肿诊断等方面的MSCT影像诊断也在不断尝试应用。相信在不久的将来,以人工智能技术为主导的新潮流[2],必将为医学影像诊断带来新机遇。本文有关肺部结节MSCT应用的认识进行分析,供同道参考。     

基于深度学习的乳腺X线肿块自动检测系统诊断乳腺肿块

目的 探讨基于深度学习（DL）的乳腺X线肿块自动检测系统诊断乳腺肿块的价值。方法 回顾性分析298例接受乳腺X线检查的女性患者。以3名高年资放射科医师对X线片的评估结果为参照标准,对比分析2名工作时间<5年的放射科医师在无（简称医师1和医师2）或有人工智能（AI）（简称医师1+AI和医师2+AI）辅助下的肿块检出率及检出稳定性。结果 医师1+AI、医师2+AI肿块检出率分别高于医师1、医师2（P均<0.05）。医师+AI检出乳腺肿块不受美国放射学院（ACR）肿块腺体构成、乳腺影像报告和数据系统（BI-RADS）分类及其形状、密度等因素影响（P均>0.05）。结论 基于DL的乳腺X线影像肿块检测系统可有效提高低年资医师的肿块检出率,提升医师对不同类型肿块检出的稳定性。