关键词： 劳动本体论   劳动价值论   劳动解放论   人工智能  

摘要： 文章从马克思劳动理论的三个维度，即劳动本体论、劳动价值论、劳动解放论对人工智能的本质进行分析。从劳动本体论视角来看，人工智能的发展对人类劳动的主体地位构成挑战，同时人工智能无法取代人类的主体地位。从劳动价值论视角来看，人工智能对传统劳动价值论造成冲击，导致提出“马克思劳动价值论是否过时”的疑问，结合马克思的经典论述，证明劳动价值论在人工智能时代的适用性。从劳动解放论视角来看，人工智能为劳动者创造出更多的自由时间，有助于人的自由全面的发展。最终得出结论：人工智能虽然带来了诸多的挑战，但是也为马克思劳动理论的发展提供了新的契机。

关键词： 危重症患者   老年   病死率   机器学习   预测模型   列线图  

摘要： 目的:探讨基于可解释性的机器学习算法将床旁简易指标纳入老年重症患者死亡预测模型的可行性，为临床的病情评估提供新方案。方法:回顾性选择2017年6月至2020年5月在新疆伊犁哈萨克自治州塔城地区人民医院重症监护病房（ICU）住院的年龄≥65岁的老年危重症患者。收集患者人口统计学特征、入院24 h内的基础生命体征、24 h液体出入量等基础数据以及急性生理学与慢性健康状况评分Ⅱ（APACHEⅡ）、格拉斯哥昏迷评分（GCS）和序贯器官衰竭评分（SOFA）等传统评分。根据院内结局将患者分为生存组和死亡组。用基础数据和评分数据分别构成4个数据集，即基线数据集（B），包括年龄、体温、心率、脉搏血氧饱和度、呼吸频率、平均动脉压、尿量、静脉总入量、晶体输液量;B+APACHEⅡ数据集（BA）;B+GCS数据集（BG）;B+SOFA数据集（BS）。分别用Logistic回归（LR）、极度梯度提升（XGboost）和梯度提升决策树（GBDT）3种机器学习算法在4个数据集训练病死率预测模型，并通过沙普利可加性特征解释方法（SHAP）绘制出每个预测模型的特征重要性柱状图。比较各模型的曲线下面积（AUC）、准确度和F1分数以确定最优预测模型，并绘制模型列线图。结果:共纳入392例患者，其中生存组341例，死亡组51例。两组间心率、脉搏血氧饱和度、平均动脉压、静脉总入量、晶体输液量和病因分布差异均存在统计学意义。死亡组前3位病因为休克、脑出血和慢性阻塞性肺疾病。4个数据集经3种机器学习算法训练建立的12个预测模型中，基于B数据集的预后模型总体表现偏后，而以BA数据集训练的LR模型预测效能最优，该模型的AUC为0.767 〔95%可信区间（95% CI）为0.692～0.836〕，准确度为0.875（95% CI为0.837～0.903），F1分数为0.190;该模型中排名前3位的变量为24 h晶体输注量、心率和平均动脉压;绘制该模型的列线图结果显示，总分在150～230分预测效能良好。 结论:基于简单的床旁观测指标联合APACHEⅡ评分建立的可解释性机器学习模型能够有效识别老年重症患者的死亡风险。

关键词： 人工智能   图像识别   围术期管理   岗位胜任力   麻醉科住培教学改革   超声可视化技术  

摘要： 人工智能(artificial intelligence,AI)在医学教育和临床实践中扮演着革命性的角色,合理应用能够在临床教学中提高麻醉住培学员的学习效率及临床思维.通过深入分析大量医学文献和数据,发现AI不只能在图像识别上帮助学员提升术前访视能力,还能在麻醉科关键的穿刺技能上为学员们提供定制化的学习材料和指导,同时能在围手术期准确推荐和预测药物使用.此外,AI利用在线平台和智能翻译技术,突破了地理和语言的限制,促进了国际医学界的实时交流与合作,使医生和学员能共享最新的研究成果和临床经验,实现教学相长.AI的辅助不仅加强了住培学员的临床实操能力,增强了自信和职位适应能力,还能为责任导师提供及时反馈,帮助进行学员培养的个性化指导.这些技术的运用不仅提高了医疗服务的效率和安全性,也有助于缩小不同地区间医疗水平的差距,为全球医疗保健领域的发展带来了空前的机遇.AI的进一步融合预示着医疗未来将更加智能化、个性化,极大地推动了医学教育和临床实践的进步.

关键词： 运动障碍,药物性   人工智能   自动监测   文本分类技术   数据挖掘   真实世界研究   丙戊酸钠  

摘要： 目的:借助临床药物不良事件主动监测与智能评估警示系统-Ⅱ（ADE-ASAS-Ⅱ）和文本分类技术，基于医院信息系统（HIS）住院患者信息，构建运动障碍自动监测模块，探索其在开展真实世界药源性运动障碍（DIMD）研究中的应用效果。方法:收集整理文献综述、个案报道、自发报告和患者病历等资料，基于ADE-ASAS-Ⅱ系统和文本分类技术筛选关键词集，构建自动监测模块。选取2022年10月10至16日解放军总医院（我院）住院患者信息，将人工评价与系统报警病例进行对比，评价自动监测模块的性能，通过反复机器学习对其进行优化。收集2022年我院使用丙戊酸钠住院患者的病历，应用构建的运动障碍自动监测模块，分析丙戊酸钠相关运动障碍的发生情况。结果:共收集到4 918例住院患者（146例出现运动障碍），经过反复模块调试确定了运动障碍自动监测模块最终设置条件，包括纳入标准（文本关键词43个，诊断3个）和排除标准（忽略文本11个，忽略文档标题20个）。2022年我院使用丙戊酸钠的住院患者有1 138例，通过自动监测模块监测到以抽动、震颤等为主要临床表现的DIMD发生率为1.67%（19/1 138）。结论:基于机器学习和人工评价构建的药源性运动障碍自动监测模块，可用于监测DIMD的发生情况，为临床药物警戒工作提供信息。

关键词： 信息技术   管理会计   职能影响   大数据   云计算   人工智能   数据安全  

摘要： 当代经济的全球化和市场经济的繁荣,掀起了产业革命的浪潮和促进了信息技术的迅猛发展,信息数据的丰富和企业业务的深度融合将企业会计推向管理会计的发展.本文通过分析信息技术对管理会计职能的影响,探讨信息技术给管理会计带来的挑战,提出科学的管理会计优化措施,充分利用信息技术的优势,支持企业的可持续发展.

关键词： 人工智能   上海市静安区   招商   储热技术   有效沟通   节能技术   多点布局   项目前景  

摘要： 2024年7月,上海市静安区招商人员在2024世界人工智能大会期间结识一家知名节能技术公司,经过邀约洽谈、实地考察及多次有效沟通后,仅用一个月时间,企业就决定入驻位于静安区的数通链谷。2024年11月,在第七届进博会期间,虹口区与青海一家储热技术公司深入沟通未来布局规划及项目前景,坚定了企业在上海多点布局的信心。

关键词： 脂肪肝   机器学习   模型预测   自适应提升算法   受试者工作特征曲线  

摘要： 目的 本研究旨在利用机器学习技术构建一种高效的脂肪肝预测模型,以帮助医务人员准确识别和分类脂肪肝高危人群,从而为早期干预和个性化治疗提供支持.方法 研究数据来自2017-2020年的美国国家和健康调查(National Health and Nutrition Examination Survey,NHANES)数据库.最终纳入11个变量进行分析.采用6种机器学习算法决策树(Decision Tree,DT)、极端梯度提算(Extreme Gradient Boosting,XGBoost)、自适应提升算法(Adaptive Boosting,Adaboost)、K最邻近(K-Nearest Neighbor,KNN)、Logistic回归、人工神经网络(Artificial neural network,ANN)模型构建脂肪肝预测模型,采用随机生成的70%作为训练集,剩下的30%作为测试集.模型评估指标包括精确率、准确率、召回率、F1值、受试者工作特征曲线(Receiver Operating Characteristic curve,ROC)及曲线下面积(Area Under Curve,AUC).结果 共纳入3383名受试者,其中脂肪肝患者1506例,DT、XGBoost、AdaBoost、KNN、Logistic回归、ANN模型的AUC分别为0.98838、0.94624、0.88935、0.99110、0.90047、0.98990.除了KNN模型外,其余所有模型的校准曲线均表现良好,其中AdaBoost模型在六个模型中展现出最佳的预测性能.结论 AdaBoost模型被认为是最优的预测模型,适用于脂肪肝的预测,并能够解释特征变量之间的交互关系.体质指数、甘油三酯和低密度脂蛋白指标能够有效识别脂肪肝的高危人群.

关键词： 人工智能   企业   合同   智能稽核系统  

摘要： 稽核工作是保障企业运营安全、有效防范各类风险的关键环节.在市场竞争日趋激烈的今天,稽核工作的重要性日益凸显.本文研究了企业合同智能稽核系统,分析了其功能,如合同检索导入、信息解析提取、内容审查、报告自动生成;指出了系统优势,并表明了具体的应用场景,阐述了设计思路,介绍了系统的实现要点,最后探讨了构建智能合同审阅系统对传统工作方式的改变.研究结果表明,AI智能稽核系统有助于企业提升稽核工作质量和效率,降低人力成本,实现风险预警,保障运营安全,为相关领域的理论发展和实践应用提供参考,推动智能稽核技术进步.

关键词： 小学心理健康教育   人工智能   实践策略  

摘要： 心理健康教育课程是小学的重要学科之一.随着现代信息技术的飞速进步,人工智能(AI)已经在小学心理健康教育领域显现出其他教学手段难以企及的优势.文章以北师大版小学心理健康教育为例,从"AI对话""AI绘画""AI游戏""AI数据"四个方面讨论人工智能在心理课堂的实践策略,以帮助学生形成健康心理,促进学生健康成长.

关键词： 机器学习算法   量子化学   计算精度   分子表示优化  

摘要： 量子化学计算在材料设计、分子机制研究等领域具有重要价值,但其高计算成本和精度问题限制了其应用范围.为解决这一瓶颈,近年来机器学习算法被广泛引入,并在提升计算效率和精度方面展现出巨大的潜力.本文旨在探索基于机器学习的量子化学计算优化策略,研究了常用机器学习方法、数据驱动建模、分子表示优化等策略,分析了提升计算精度的关键措施,以期在保证计算精度的前提下降低成本,助力复杂分子体系研究,推动量子化学计算在科学研究和工业应用中的进一步发展.