当代脑计划研究进展

科技的进步让人们对大到宇宙小到微观粒子的世界有深入的认识,但是人类对自身大脑的精细结构和运行机制的了解甚少。为此,多个国家和地区纷纷提出并开展“脑研究计划”,简称“脑计划”,以提高对人类大脑的认知,并寻求治疗神经及精神系统疾病的方法。本文对近年来欧盟、美国、日本及我国开展的“脑计划”进行综述,分别介绍各个国家和地区“脑计划”的研究方向及取得的突破性成果,介绍正在开展的“齐鲁脑计划”。“脑计划”的开展有利于推动人工智能等相关学科进步和经济社会发展,未来“脑计划”的实施需要更深入的国际合作。     

青光眼影像人工智能深度学习研究现状与展望

青光眼是一组异质性神经退行性疾病,其特征是视网膜神经节细胞及其轴突逐渐消失,现已成为全球不可逆性失明的主要原因。人工智能(AI)是由机器展示的智能,而深度学习(DL)是其中一个基于深度神经网络的分支,在医学成像领域取得了重大突破。在青光眼影像方面,已有越来越多的研究将DL应用于眼底图像以及光学相干断层扫描(OCT),以检测青光眼性视神经病变。有很好的结果显示,将DL技术整合到影像中进行青光眼评估是高效、准确的,这可能会解决当前实践和临床工作流程中的一些难题。但是,未来进一步的研究对于解决现存挑战至关重要,例如为不同研究之间的图像标记建立标准,将“黑匣子”的学习过程进行可视化,提高模型在未知数据集上的泛化能力,开发基于DL的实际应用程序,以及建立合理的临床工作流程,进行前瞻性验证和成本效益分析等。本文总结了AI应用于青光眼影像的最新研究现状,并讨论了对临床的潜在影响和未来的研究方向。     

中药作用分子机制研究新策略

药物靶标是药物治疗疾病的桥梁,是创新药物发现的源头。中药成分复杂,单味药或中药复方均是多成分共同作用于多靶点、多途径产生药效,其作用机制难以精确阐述。现代药学的药物作用机制研究是基于对靶点和受体的作用,不适合中药的复杂体系。近年来,多成分多靶点、组合靶点、组分中药等思想和研究方法的提出,从不同侧面描述了中药作用的特点,但仍不能反映中药的整体作用。由此,我们首次提出"药靶组学(Targetomics)"这一概念,即通过多组学融合等各种手段鉴定人体可用于药物作用并改善健康的所有效应分子的集合。以"明星"中药为主要研究对象,在"药靶组学"策略的指导下产出多药物作用于多模型动物不同时间点的多组织多组学数据,构建考虑结构和功能的药物作用动态分子网络,应用深度学习、人工智能、多组学数据融合等生物信息学技术识别中药作用的功能分子群及其相关通路和网络的变化规律,并对潜在"药物靶标"进行验证。从而形成一个具有靶标多样性并经过验证的药物"药靶组",为中药作用分子机制研究提供新途径。同时将这些药物多组学数据与疾病组学数据相融合并进行有效对接,也能够为疾病治疗提供重要靶点、用药指导等信息,为药物的快速研发提供方向。     

临床决策支持系统技术现状及质量评价思路初探

目的：我国监管部门对临床决策支持系统（CDSS）的法律责任和监管模式正在探索之中,如何更好地规范临床决策支持系统,使其发挥临床辅助作用,是监管科学的重要研究方向。本文主要探索临床决策支持系统的质量评价方法和检测手段。方法：通过调研临床决策支持系统的发展现状以及分析现有的具有一定影响力的临床决策支持系统的技术特性,在此基础上,讨论临床决策支持系统在医疗领域的发展趋势和所面临的挑战。并对临床决策支持系统在质量评价过程中需重点关注的内容进行比较全面的总结,包括分类方法、评价方法和伦理问题。结果与结论：临床决策支持系统正处于蓬勃发展期,相应的技术和业态也在不断形成中,目前来说,绝大多数临床决策支持系统并不能直接给出相应的决策,多数还是处于启发和帮助医护人员进行思考的阶段。对于监管和评价来说,面临的挑战主要来自于算法适应性、决策透明性、界面可用性、系统鲁棒性和可移植性等因素的评价。     

麻醉机器人的昨天、今天与明天

麻醉机器人是当下医疗人工智能领域开发和研究的热点之一,按功能主要可分为给药机器人、麻醉技术操作机器人和认知型机器人。给药机器人基于闭环靶控输注系统,可进行个体化自主麻醉药物输注;麻醉技术操作机器人主要用于完成气管插管、区域神经阻滞等高灵巧度的临床操作;认知型机器人主要用于识别和判断需要人为干预的临床突发情况,并给出实时建议。未来麻醉机器人的各项功能将被进一步整合与强化,作为麻醉科医师,如何把握这一发展趋势,让人工智能技术辅助麻醉科医师更好地服务于患者是值得思考的问题。     

人工智能辅助诊断乳腺良恶性结节的应用价值

目的 探讨人工智能(AI)超声技术在乳腺良恶性结节辅助鉴别诊断中的临床应用价值。方法 选取2020年5月至2021年10月安庆市第一人民医院收治的80例乳腺患者,共166枚结节,以病理诊断结果为金标准,比较AI辅助低年资医师、低年资医师及高年资医师诊断乳腺良恶性结节与病理结果的一致性,记录并比较不同检查方法影像学诊断的阳性预测值、阴性预测值、特异度、灵敏度及病理符合率等。结果 低年资医师诊断、AI辅助低年资医师诊断与病理结果的一致性对照分析,差异有统计学意义(P<0.05);以病理结果作为受试者工作特征(ROC)曲线分析的金标准,低年资医师、AI辅助低年资医师ROC 曲线下面积分别为 0.681、0.843,差异有统计学意义(P<0.05);同时AI辅助低年资医师诊断的阳性预测值、阴性预测值、特异度、灵敏度及病理符合率分别提高了17.81%、9.01%、21.95%、10.40%、13.25%。结论 AI辅助低年资医师诊断乳腺良恶性结节具有较高的诊断效能,对乳腺良恶性结节的检查具有较高的临床应用价值。     

将人工智能引入网络药理学学科建设北大核心CSCD

网络药理学的提出是药理学的一大进步,它标志着药理学的研究从传统的一药一靶,一钥匙一锁的研究思想走向了系统化的研究模式[1]。在过去十年的网络药理学研究中,网络及网络科学中的多种度量指标成为了药理研究中的描述和研究工具,为药物新用途发现及药物治疗理论的完善提供了全新视角。     

基于分水岭及区域增长算法建立一种测量自发性脑出血血肿体积的分割方法

  目的   基于分水岭及区域增长算法建立一种CT图像脑血肿分割方法,以快速准确测量血肿体积,探讨其与临床金标准手动分割结果的一致性,并与临床常用的两种多田公式计算进行比较。   方法   回顾性收集2018年1月–2019年6月由于自发性脑出血于四川大学华西医院神经外科就诊的患者术前152例CT图像,通过随机数字表将其随机分为训练集、测试集和验证集,分别为100例、22例、30例。算法训练及测试采用训练集与测试集的标记结果,验证集采用4种方式——人工手动分割、算法分割（基于分水岭及区域增长算法的分割计算）、多田公式（传统多田公式计算）与精准多田公式（基于3D-slicer的精准多田公式计算）——对出血病灶体积进行测量。将符合研究对象标准的医学数字成像和通信（Digital Imaging and Communications in Medicine, DICOM）资料通过两名高年资神经外科医生进行手动分割脑出血病灶。基于分水岭算法及区域增长算法搭建血肿分割模型以神经外科医生选取的种子点作为增长起点,采用区域灰度差异准则,结合手动分割验证,最终确定符合颅内血肿分割精度要求的区域生长阈值。以人工手动分割为金标准,采用Bland-Altman一致性分析验证其余3种测量血肿体积的方式的一致性。   结果   以人工手动分割为金标准,3种测量血肿体积的方式中,算法分割百分误差最小,差值范围最窄,组内相关系数最高（0.987）,一致性较好,且95%一致性界限（limits of agreement, LoA）最窄。其分割的百分误差在不同血肿体积比较中差异无统计学意义。   结论   基于分水岭及区域增长算法的自发性脑出血血肿分割方法的测量稳定,与临床金标准一致性好,具有一定临床意义,但仍需更多的临床样本予以验证。      

从人工智能角度看磁导航气管镜的应用和发展

电磁导航支气管镜的问世给外周型肺结节的诊断、定位甚至治疗带来了令人振奋的解决方案,突破了传统支气管镜检查的应用瓶颈,在对外周型肺结节活检过程中,使操作者有了实时的图像引导。磁导航系统可智能识别并重建患者的支气管树,可生成可视化数据给予操作者虚拟视觉引导,并能够实时感知磁定位信号,从而精准地引导导航或活检工具,本研究以Veran电磁导航系统为例,介绍了其相关人工智能配置及应用,并针对该系统仍存在的一些不足提出改进设想与展望,以期促进电磁导航气管镜研发及更好的临床应用。