关键词： 人工智能   结肠镜   腺瘤漏检率   肠道准备  

摘要： 目的 探究基于深度学习的人工智能肠道准备评估系统（e-Boston bowel preparation scale system，e-BBPS系统）评分与腺瘤漏检率之间的关系。 方法 回顾性收集2017-12-21至2019-12-31在武汉大学人民医院内镜中心结肠镜检查的4 373例患者肠镜图像用于模型训练。前瞻性纳入2021-10-08至2022-11-09在中山大学附属第八医院行结肠镜检查的患者。使用e-BBPS系统评估患者肠道准备情况，内镜医师根据BBPS评分进行肠道准备评估。如果内镜医师和e-BBPS都认为肠道准备充分，患者立即接受第2次结肠镜检查，否则患者在第2次肠镜检查前重新进行肠道准备。比较e-BBPS系统评估肠道准备合格组（e-BBPS评分≤3分）与肠道准备不合格组（e-BBPS评分>3分）之间腺瘤和息肉病灶漏诊率的差异。 结果 肠道准备合格组患者腺瘤病灶漏检率明显小于肠道准备不合格组［26.72%（62/232）比42.53%（37/87）， χ 2 =7.384， P =0.007， OR =2.029（95% CI ：1.212~3.396）］。同时，肠道准备合格组患者息肉漏检率明显小于肠道准备不合格组［27.28%（195/702）比41.24%（113/274）， χ 2 =16.539， P <0.001， OR =1.825（95% CI ：1.363~2.443）］。 结论 基于深度学习的e-BBPS系统在肠道准备评估方面具有准确性和可靠性，有望标准化肠道准备评估流程，减少病灶漏检。

关键词： 人工智能   人力资源管理   管理影响  

摘要： 在当今时代,人工智能技术迅猛发展,其在人力资源管理领域的运用逐渐拓展,为该领域的传统模式带来了划时代的创新.深入探讨人工智能在人力资源管理所遭遇的挑战及所蕴含的机遇,可以设计一种新的人力资源管理模式,该模式涵盖智能化的规划策略、基于数据驱动的决策过程、自动化的服务实施以及员工体验与参与感的增强.

关键词： 数字化转型   健康数据   人工智能   大数据   智慧医疗  

摘要： 随着数字科技革命的深入推进，生成式大语言模型、物联网、类脑人工智能等技术层出不穷，医疗卫生行业也面临着前所未有的数字化转型机遇与挑战。对公立医院而言，推进数字化转型既是实现医院高质量发展的前提条件，更关乎广大群众的就医需求。然而，医院数字化转型并非一蹴而就，需要在理念思维、顶层设计、数据治理等方面统筹谋划、系统推进，以数据为基础，以信息化为纽带，以智能为引擎，加快医疗服务模式和管理方式的变革，从认知到行动、从内部到外部，全方位重塑医院数字化新生态。

关键词： 生物医学技术   干细胞技术   人工智能   脑机接口   基因编辑   健康与疾病   人类健康  

摘要： 医学科幻《生命新纪元：NeuroNet与医疗革命的曙光》一文向读者展现了人工智能、脑机接口、基因编辑和干细胞技术在未来掀起的“医疗革命”。这些技术的发展无疑会促进人类健康与福祉，但当越来越多的疾病被“征服”，人类的寿命不断延长，健康与疾病的定义将被重塑，也会对人类现有的规范构成挑战并引发风险。

关键词： 互联网诊疗   病历书写   移动设备   人工智能  

摘要： 目的:开发一款人工智能辅助的病历书写系统，以帮助医生更及时、高效地撰写互联网诊疗病历。方法:通过中山大学肿瘤防治中心掌上医院APP，集成如智能预问诊自动病史采集、报告文本光学字符识别、结构化病历文书自动输出、检验检查异常值自动识别插入、历史病历导入和电子签名等多项辅助功能。结果:显著提升了医生病历书写的便捷性和规范性。上线4个月内，该系统已支持医生撰写超过1万份互联网诊疗病历，且使用量逐月增长。结论:这一系统有效提升了病历书写效率，进而改善了互联网诊疗的整体质量、安全性及患者满意度。

关键词： 人工智能   出院随访   语音识别技术   语音合成  

摘要： 目的:开发基于语音技术的出院患者智能化随访语音系统，实现随访平台的标准化、自动化和批量化管理。方法:基于人工智能语音识别、语音合成等核心技术，通过与医院信息管理系统相结合，运用客观结构化设计，开发出院患者随访系统。系统功能包括患者信息管理、随访任务管理、随访路径综合管理、多元化随访模板管理、随访记录管理、随访统计分析、多平台端口对接功能等模块。通过总服务人次、外呼人次、接通人次、电话接通率、呼叫时长、平均时长、短信接收人次、短信接收成功率等进行系统成本-效果分析。结果:自系统使用以来共创建196个基于病种的话术模板。出院患者随访率为100%;随访成功率从系统实施前的76.4%提升到97.0%;月平均总服务18 256人次，月平均智能外呼13 214人次，电话接通率为85.0%，短信接收成功率为97.0%;医院每月专职随访护士人数由原来的64名减少至2名;每次平均随访时间从原来的 4.5 min下降至1.6 min，节约2.9 min;随访分析由人工转为系统分析，每月每个护理单元节约 6~8 h。结论:基于语音技术的智能化语音随访系统提高了护士和医疗机构的工作效率和随访质量。

关键词： 低心排血量综合征   预测模型   机器学习   决策树  

摘要： 目的:应用机器学习（ML）算法构建预测心脏外科术后低心排血量综合征发病风险的决策树模型，并评价其预测效果。方法:从南京市第一医院重症医学科心脏重症临床数据库中提取1 681例患者的临床资料，纳入基础信息、检验检查信息、手术信息、血流动力学信息等49项临床参数，通过ML建立预测模型，进而应用SHAP方法和部分依赖图筛选主要预测特征及其阈值，最终生成预测心脏术后低心排血量综合征的决策树模型，并通过受试者操作特征（ROC）曲线对模型预测效果进行评价。结果:SHAP算法分析显示术前左室射血分数［SHAP值=0.008 449（0.000 852）］、血乳酸水平［SHAP值=0.007 434（0.000 718）］、术中平均动脉压<65 mmHg（1 mmHg=0.133 kPa）持续时间［SHAP值=0.004 983（0.000 761）］3项参数对决策树模型具有较高的全局重要性，其构建的模型对心脏外科术后低心排血量综合征发病风险具有较高预测价值，ROC曲线下面积为0.791［95% 可信区间（ CI）：0.718~0.864］，预测准确度为0.763（95% CI：0.722~0.800），敏感度为0.736（95% CI：0.597~0.847），特异度为0.766（95% CI：0.723~0.806）。 结论:应用ML算法筛选了预测心脏外科术后低心排血量综合征发病风险的特征参数，建立了预测效果良好、易于临床应用的决策树模型。

关键词： 算法伦理   健康数据   人工智能   STANDING Together共识   数据透明度   医疗公平  

摘要： 随着人工智能（AI）在医疗领域的广泛应用，算法偏见已成为影响医疗公平的重要问题。健康数据作为AI模型训练的基础，其偏见不仅会降低模型准确性，还可能加剧健康不平等。如果健康数据不能充分代表所有社会群体，尤其是少数族裔、老年人和残障人士等边缘群体，基于这些数据训练的AI模型可能会导致不公平的决策。为应对这一问题，STANDING Together共识提出了一系列建议，旨在提高健康数据的透明度，并评估数据集的公平性。本文通过分析相关文献，探讨健康数据中的偏见问题，并分析STANDING Together共识建议的潜在影响。文章认为，提高健康数据的多样性、透明度，以及主动评估数据集的公平性，有助于消除算法偏见，推动医疗公平，并为各类群体提供更加公正的医疗服务。

关键词： 炎症性肠病   人工智能   内镜诊断   组织病理检查   诊断模型  

摘要： 人工智能（AI）这一新兴技术的出现和应用给炎症性肠病（IBD）的诊断带来了巨大的变革。越来越多的研究着手于开发基于机器学习（ML）和深度学习（DL）的诊断模型，并获得了良好的诊断性能，尤其是在IBD的图像诊断，卷积神经网络（CNN）等模型由于其出色的图像分析能力，在内镜检查和组织病理检查等方面具有十分可观的发展前景。近年来AI诊断模型的应用越发广泛，但与此同时，关于算法、数据库及其应用方面仍存在一些难以忽视的局限性。本文将主要就图像识别方面对AI在IBD诊断中的应用进行综述，以期为IBD精准图像诊断领域下步研究提供参考。

关键词： 人工智能   计算机视觉   深度学习   腐蚀图像检测与分析  

摘要： 金属结构和设备在使用过程中的腐蚀不仅会导致巨大经济损失，还可能引发环境污染和安全隐患。因此，采取快速的腐蚀检测与分析技术显得尤为重要。随着人工智能算法的不断进步，其在腐蚀图像检测与分析领域展现出巨大潜力。文章综述了人工智能，特别是计算机视觉技术和深度学习的发展，探讨了其如何改变传统检测技术的格局，并通过自动化、数据分析和特征提取等方法，有效解决腐蚀图像检测与分析的效率和准确性。最后，总结了人工智能在该领域中需要解决的一些关键问题，旨在探讨人工智能在腐蚀研究领域的应用潜力，为未来检测与评估技术的研究提供新视角，促进人工智能广泛应用。