关键词： 人工智能   机器学习   生殖医学   生殖技术,辅助   不孕  

摘要： 人工智能（artificial intelligence，AI）在人类辅助生殖技术（assisted reproductive technology，ART）领域的应用日益受到关注，一些AI技术已经应用于ART临床实践，协助医生进行精液分析、胚胎选择以及子宫内膜容受性评估等工作，并在改善患者预后、提高医生工作效率方面展现了巨大的潜力。然而，目前大多数研究仍处于探索阶段。规范AI的开发流程、增进医患双方对AI的认知并促进其与临床实践融合，有助于推动AI技术的进步。本文对AI在ART领域各环节中的研究应用进展进行综述，并探讨该技术面临的挑战和发展方向。

关键词： 甲状腺   甲状腺结节   甲状腺癌   人工智能   超声检查   精准诊断  

摘要： 目的 探讨动态AI超声智能辅助诊断系统用于直径≤1.0 cm甲状腺结节术前评估临床价值研究。 方法 选取2023年4月1日至2023年12月30日在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532例甲状腺结节性疾病患者清扫的742个直径≤1.0 cm的甲状腺结节，其中直径≤0.5 cm 423个，>0.5~≤1.0 cm 319个，男235例，女507例，采用SPSS 26.0、R studio软件行数据处理，分别统计分析动态AI、传统超声及细针穿刺诊断对甲状腺结节的诊断效能。 结果 AI诊断甲状腺结节良恶性的灵敏度为92.38%，特异度为53.93%，准确度为82.48%，与术后病理结果有较好符合率（ Kappa =0.687， P <0.001）。美国放射协会（ACR）甲状腺影像报告和数据系统（TI-RADS）诊断甲状腺结节良恶性的灵敏度为85.66%，特异度为49.21%，准确度为76.28%，与术后病理结果有较好符合率（ Kappa =0.603， P <0.001）。细针穿刺细胞学检查（FNAC）诊断甲状腺结节良恶性的灵敏度为96.37%，特异度为84.82%，准确度为93.40%，与术后病理结果有极好符合率（ Kappa =0.807， P <0.001）。通过对比发现三种检测方法的研究数据差异均有统计学意义。同时，在桥本氏甲状腺炎背景下，三种诊断方式的诊断效能均有所下降。 结论 动态AI检查对直径≤1.0 cm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患者制定科学合理的个体化诊治策略。

关键词： 人工智能   生殖技术,辅助   护理   智能化  

摘要： 近年来智能化护理正逐步改变传统的护理模式，人工智能（artificial intelligence，AI）技术在辅助生殖领域的应用逐步拓宽。本文系统分析了AI在生殖健康护理多个方面的应用，同时总结了此过程面临的挑战，包括数据隐私、技术可靠性、伦理道德和法律制度，以及人文关怀等。本文对AI在辅助生殖领域的应用契机和随之而来的问题进行了深入剖析，旨在为今后的研究提供方向，以保障AI技术能够安全、高效地与生殖健康护理领域相融合。

关键词： 肺腺癌   肿瘤信号通路   计算生物学   机器学习   预后模型  

摘要： 目的通过生物信息学方法开发与肿瘤信号通路相关的肺腺癌预后模型，并识别与肺腺癌发生相关的关键驱动基因。方法从TCGA数据库中收集450例肺腺癌组织和58例癌旁正常肺组织的转录组表达数据和临床特征，从GEO数据库中收集926例肺腺癌组织的转录组表达数据和临床特征。推断TCGA数据库、GSE30219数据集、GSE50081数据集样本中14种信号通路[雄激素、表皮生长因子受体(EGFR)、雌激素、缺氧、JAK-STAT、促分裂原活化的蛋白质激酶(MAPK)、核因子κB、p53、磷脂酰肌醇3激酶(PI3K)、转化生长因子β、肿瘤坏死因子α、肿瘤坏死因子相关凋亡诱导配体、血管内皮生长因子、Wnt]的活性。单因素Cox回归分析TCGA数据库、GSE30219数据集、GSE50081数据集肺腺癌组织中不同信号通路活性对患者预后的影响。采用Spearman秩相关分析探讨肿瘤信号通路活性与临床分期的相关性。采用一致性聚类方法，基于EGFR、MAPK、PI3K、p53信号通路活性对TCGA数据库肺腺癌样本进行聚类分群。绘制Kaplan-Meier生存曲线比较不同亚群的生存状态。识别C2亚群与其他亚群之间的差异基因，在TCGA数据库、GSE30219数据集和GSE50081数据集中对C2亚群的差异基因进行单因素Cox回归分析，筛选出共表达预后相关基因。基于4种机器学习算法筛选关键预后基因，构建肺腺癌预后模型。利用该预后模型计算肺腺癌患者的风险评分，依据风险评分的最佳截断值将患者分为高危组和低危组。采用Kaplan-Meier生存曲线和受试者操作特征(ROC)曲线进行性能评估。单因素和多因素Cox回归分析肺腺癌患者总生存期(OS)的影响因素。基于模型风险评分和相关临床特征构建列线图，用以预测肺腺癌患者1年、3年、5年生存率，并通过校准曲线和决策曲线分析进行验证。采用孟德尔随机化分析探讨PHF19基因表达与肺腺癌之间的关联性。预测靶向PHF19基因的潜在药物识别与分子对接。结果信号通路活性与肺腺癌患者预后的单因素Cox回归分析显示，促癌通路活性上调、抑癌通路活性下调与预后不良相关，进一步识别出EGFR、MAPK、PI3K、p53信号通路可能在肺腺癌预后中发挥核心作用。Spearman秩相关分析显示，EGFR、MAPK、PI3K信号通路活性与肺腺癌临床分期呈正相关(r值分别为0.291、0.408、0.167)，而p53信号通路活性与临床分期呈负相关(r＝－0.392)(均P<0.001)。将TCGA数据库中450例肺腺癌组织样本分为4个亚群：C1、C2、C3和C4。Log-rank检验与多重比较结果显示，C2亚群的生存状态最差(χ2＝39.25，P<0.000 1)。通过与其他亚群进行差异基因分析，鉴定出C2亚群的1 574个差异基因。通过单因素Cox回归分析筛选出310个共表达预后相关基因，结合4种机器学习算法筛选出11个关键预后基因，最终构建了StepCox[forward]-Ridge预后模型。Log-rank检验结果显示，在TCGA训练集和5个GEO验证集中，高危组的生存状态较低危组差(χ2值分别为74.43、24.69、26.02、38.84、20.98、32.63，均P<0.001)。ROC曲线结果显示该预后模型在训练集和验证集中均展现出良好的预测性能。单因素和多因素Cox回归分析结果显示，StepCox[forward]-Ridge预后模型的风险评分是肺腺癌患者OS的影响因素(均P<0.001)。根据模型风险评分和相关临床特征构建列线图，校准曲线表明该列线图的预测结果与实际观察结果具有良好的一致性，决策曲线分析显示其临床净获益优于模型风险评分和相关临床特征。逆方差加权法显示，PHF19基因表达变化是肺腺癌发生的潜在致病因素(OR＝1.099，P＝0.024)。小分子药物儿茶素、肠内酯和曲格列酮与PHF19具有较强的结合能力。结论本研究通过系统分析与肺腺癌进展和预后相关的肿瘤信号通路，构建了一个基于11个关键预后基因的预后模型，并识别出PHF19基因是与肺腺癌发生相关的关键驱动基因。

关键词： 大数据   人工智能   医学研究   算法   生成性人工智能   数据治理   数据管理   数据伦理学   知识产权   解决方案  

摘要： 目的 本研究旨在探讨影响医学大数据和人工智能的治理管理的重要因素及其引起的挑战与问题，为提出相应的解决方案提供依据。 方法 我们借鉴现有文献，简要分析大数据和人工智能对医学研究的影响。通过讨论分析影响数据治理管理的核心要素及其相互关系，提出一些潜在的策略，解决与医学大数据和人工智能相关的主要挑战与问题。 结果 大数据和人工智能的应用显著影响医学研究范式、药物研发、临床决策和医学教育。这些应用引起数据治理管理相关的挑战分为两个主要方面。第一涉及由技术核心因素引发的伦理挑战。其主要问题是在数据收集、编码和反馈这些算法过程可能存在的偏差。第二涉及数据和利益相关者两大治理管理要素，其主要问题是基础数据的质量和整合效率低下，以及数据产权和数据相关知识产权缺乏认可的认定体系，其在确定数据共享和应用期间在利益相关者之间的权益分配和责任归属方面至关重要。 结论 应解决医学中大数据和人工智能的治理和管理的关键问题。这些措施包括制定数据伦理框架，包括医学人工智能的伦理策略和要点；建立数据结构标准，以提高数据质量和交互性；以及明确关于数据所有权、知识产权及其权益分配的决策原则。

关键词： 人工智能   医工合作   教练模式   辅助诊疗  

摘要： 近年来，人工智能技术蓬勃发展，在图像识别、特征提取等方面的优势使之有机会被广泛应用于医学影像和医疗文书等领域，作为辅助诊疗活动的重要工具。然而，临床医学科学家往往并非人工智能领域的专家，在选择构建或评估模型时需要与计算机领域的工程师专家沟通合作，不充分的沟通或不恰当的合作模式会导致资源的利用效率降低，无法实现高效率跨学科合作。对于临床医师，人工智能模型像一个语言不通的学徒，临床医师无法将自身的理论与实践经验直接传授给学徒，而需要一位懂得模型语言的翻译官。本文旨在规范临床人工智能系统开发和验证流程，提出一种医工合作的新模式，以指导临床人工智能系统的开发与应用，构建具有较高诊疗质量、较广泛适用场景的人工智能辅助诊疗系统。本文提出了临床人工智能系统开发的8个阶段，其中，临床专家医师作为教练员（coach）的角色，计算机工程师作为翻译官（translator）的角色，人工智能模型作为学徒（apprentice）的角色，以教练-翻译-学徒的模式（coach-translator-apprentice）进行高质量临床人工智能系统的开发与验证。

关键词： 围绝经期   机器学习   预测模型   抑郁   随机森林模型  

摘要： 目的 构建基于机器学习的围绝经期抑郁症状风险预测模型，筛选围绝经期抑郁的危险因素。 方法 从中国健康与养老追踪调查(CHARLS)2020年数据中选取1 105名45～55岁女性作为研究对象，使用随机森林、XGBoost和AdaBoost 3种机器学习算法构建围绝经期抑郁症状风险预测模型。采用SPSS 24.0进行数据描述统计和组间比较。采用Python3.10软件构建风险预测模型，使用受试者操作特征(ROC)曲线及校准曲线综合评估模型性能，筛选出预测性能最佳的模型，并使用Shapley加性解释(SHAP)算法分析特征重要性及特征对预测结果的影响。 结果 1 105名围绝经期女性中，非抑郁症状组671例(60.7%)，抑郁症状组434例(39.3%)。3个机器学习模型中，随机森林模型整体性能最佳，其ROC下面积(AUC)为0.793，校准度为0.181。SHAP分析显示，家庭年总收入为随机森林模型中最大风险因素，其相对重要性为0.048，其后依次为认知功能(0.047)、自评健康状况(0.046)、生活满意度(0.043)和睡眠时长(0.041)等。 结论 基于随机森林算法构建模型可有效预测围绝经期抑郁症状发生风险。家庭年总收入、认知功能、自评健康状况、生活满意度等指标是围绝经期女性抑郁症状的危险因素。

关键词： 流程模拟   热力学   动态模拟   人工智能   数字孪生  

摘要： 介绍了国内化工行业流程模拟软件的发展和应用现状，自主研发程度较低，基本上使用国外化工流程模拟软件，存在不可控的安全隐患。着眼于流程模拟软件的核心技术，从物性数据库、热力学、计算引擎、设备机理建模等方面分析对比了国内外流程模拟软件存在的差距；动态流程模拟软件可用于分析化工过程的可控性、开停车方案以及模拟间歇化工过程，国内近年来发展较快；结合人工智能和数字孪生技术的发展和应用，总结了流程模拟软件的发展方向；最后从化工行业本身面临的挑战提出化工流程软件行业需要适应发展趋势，做出相应的应对措施。

关键词： 人工智能   神经影像教育平台   精准教学   住培效率  

摘要： 人工智能（artificial intelligence，AI）技术为医学影像教学、培训模式的改革和创新带来了新的机遇。本研究构建了AI神经影像教育平台，包括影像案例库、智能交互学习、自测练习、在线考试4个模块。该平台实现了更灵活便捷的教育模式及精准个体化的培养方式，能够调动影像医学生及住培学员学习的积极性和主动性，促进理论知识与临床实践的快速融合，提高住培效率与质量。

关键词： 人工智能   超声内镜   中国   专家共识  

摘要： 超声内镜是诊断肝胆胰系统病灶、黏膜下肿瘤等消化系统疾病、判断胃肠道早期癌浸润深度的有效工具。人工智能技术在超声内镜的质量控制和辅助诊断中起到了重要作用，但目前国内外尚无超声内镜人工智能系统临床应用的相关共识。2024年中华医学会消化内镜学分会大数据协作组组织全国领域内权威专家讨论，结合国内外最新循证医学证据，形成超声内镜人工智能系统临床应用专家共识，旨在为内镜医师应用超声内镜人工智能提供全面合理的决策证据。本共识包括人工智能在肝胆胰系统标准站点识别、消化道早期癌浸润深度预测、黏膜下肿瘤病理分型、肝胆胰异常病灶识别及病理分型等方面的9条推荐意见陈述。