关键词： 医疗服务   价值感知   文本挖掘   机器学习算法   BERT模型   心血管疾病  

摘要： 目的 分析心血管疾病患者对医疗服务的自由文本评论，识别其在医疗过程中的关注点和情感倾向，洞察患者视角下医疗服务价值的关键要素。方法 在患者满意度调查中嵌入可自由文本评论的开放式问题，收集2022年9月至2023年7月因心血管疾病住院的患者对医疗服务的真实评价，形成患者观点的大型文本库。采用有监督机器学习算法和BERT模型，对文本库进行主题建模和情感分析。采用Logistic回归分析患者负性评论主题与患者满意度、忠诚度之间的关系。结果 共收集4 693例心血管疾病患者的自由文本评论，评论对象数量最多的是护士（25.1%），其次是医师（14.9%）。情感分析结果显示，3 592人（76.5%）发表正性评论，977人（20.8%）发表负性评论，102人（2.2%）发表混合评论，22人（0.5%）发表中性评论。主题分析结果显示，心血管疾病患者最常提到的5个主题分别是人文关怀（14.4%）、信息教育沟通（9.0%）、专业技术水平（6.6%）、膳食（6.2%）和诊疗有效性（4.2%）。Logistic回归分析结果显示，人文关怀、信息教育沟通以及应答需求等维度负面评价的出现与患者满意度、忠诚度的降低显著相关。结论 人际交互维度与功能性维度在患者医疗服务价值感知中呈现出双元重要性，人际交互维度往往会成为患者审视医疗服务价值和质量的决定性因素。

关键词： 金融科技   绿色创新   金融效率   金融深化   机器学习  

摘要： 在新一轮科技革命和产业变革背景下，探讨如何利用金融科技蓬勃发展的契机，深入实施可持续发展战略，加快推动绿色发展，促进绿色技术创新应用，对中国实现低碳环保绿色发展具有重要意义。基于此，在构建金融科技指数的基础上，利用中国281个城市的数据探讨金融科技对城市绿色创新的影响。研究发现：金融科技能够显著促进城市绿色创新，且能通过人力资本、金融效率、创业活跃度及金融深化等渠道促进城市绿色创新；越高的市场化水平和财政透明度，越有利于金融科技赋能城市绿色创新；金融科技不仅能够促进本地的绿色创新，而且能够促进邻近区域的绿色创新；金融科技更能够促使中心城市、污染行业、大企业及国有企业的绿色创新水平实现提升。因此，可以建立以城市绿色创新为核心的金融科技顶层设计；制定完善的市场规则，提高财政透明度，以增强金融科技的城市绿色创新效应；建立因地制宜的金融科技发展政策，同时强化金融科技的跨区域联动，进一步增强城市间的绿色资源优化配置。

关键词： 马克思   工业生产   人工智能   生产方式   价值辨思  

摘要： 人工智能时代，产生数字劳动的新形态，提高了资本的有机构成，改变了劳动的时空状况。这并不与马克思的劳动价值论冲突，人的活劳动仍是创造价值的唯一源泉。马克思早期的经济学研究，为他创立历史唯物主义并在生产关系上认知工业生产方式提供了理论依据。在中后期，马克思逐步从生产关系领域转向对机器大工业生产方式的研究，指明了工业生产在推进生产力向前发展的同时，其资本主义的生产逻辑也暴露出来。马克思通过工业生产解蔽资本的增殖本质，指出资本主义必然灭亡趋势。当代资本主义与科学深度合谋，人工智能成为工业生产发展的最高形态。因此，从这一角度辨思人工智能在当代的发展，仍具有深刻的现实意义。

关键词： 非小细胞肺癌   免疫检查点抑制剂   CT   机器学习   影像组学  

摘要： 目的 开发基于胸部CT的肿瘤微环境特异性影像组学模型，结合临床信息构建诺莫图用于预测晚期非小细胞肺癌（aNSCLC）免疫检查点抑制剂（ICIs）疗效。方法 整合TCGA、GEO和TCIA数据库的转录组与CT影像数据，通过加权基因共表达网络分析（WGCNA）在GEO队列中筛选ICIs治疗相关基因（IRGs），随后在TCGA基于IRGs构建机器学习预后模型并探究高低风险组患者的肿瘤免疫微环境特征；通过“PyRadiomics”软件包提取TCIA中lung＿3队列的影像组学特征，筛选出与IRGs相关（|r|>0.4）的94个特征。回顾性分析2016年1月～2020年12月在广东省人民医院接受首程ICIs治疗的210例aNSCLC患者，按7∶3的比例分为训练组（n=147）与验证组（n=63），在训练组中通过最小绝对收缩和选择算子筛选影像特征，结合Logistic回归构建临床-影像组学联合模型及诺莫图预测ICIs疗效，采用受试者工作曲线曲线、校准曲线和决策曲线分析评估模型性能。结果 WGCNA筛选出84个与免疫反应激活通路相关的IRGs，基于与IRGs相关的肿瘤微环境特异性影像组学标签联合临床特征的ICIs疗效预测模型在训练组（AUC=0.725,95%CI:0.644～0.807）和验证组（AUC=0.706,95%CI:0.577～0.836）的表现均优于单一模型，且能有效预测aNSCLC患者生存情况。诺莫图的校准曲线与决策曲线分析证实其临床实用价值。结论 本研究建立的“基因组-影像组-临床”多维预测体系为aNSCLC的ICIs治疗疗效评估提供了可解释的生物标志物组合及临床决策工具。

关键词： 抗微生物药物耐药性   人工智能   耐药性预测   临床决策支持系统   流行病学监测  

摘要： 抗微生物药物耐药性（antimicrobial resistance, AMR）已成为全球公共卫生领域面临的重大挑战，传统防控手段在检测效率、数据处理及临床决策等方面存在明显不足。人工智能（artificial intelligence, AI）技术凭借其强大的数据分析和模式识别能力，已被广泛应用于AMR防控的多个关键环节。现有证据表明，AI技术可有效提高耐药性诊断效率、优化个体化治疗策略并增强耐药菌传播的实时监测能力。尽管在实际应用中仍面临数据异质性、模型可解释性及伦理合规等挑战，AI技术在支持精准感染管理和应对耐药性危机方面已展现出广阔前景。本文系统阐述AI在AMR防控中的临床应用，包括基于质谱和基因组数据的耐药性检测与预测、临床决策支持系统在抗感染治疗中的应用，以及AI在流行病学监测、病原追踪与早期预警、新型抗菌药物研发中的作用，以期为临床实践提供参考依据。

关键词： 人工智能   高等教育   问题提出能力   知识生产范式   创新  

摘要： 在人工智能技术重塑知识生态的背景下，高等教育正面临从“解答导向”向“提问驱动”的范式转型。目前，AI对已知问题的高效解答消解了传统教育中“解题能力”的稀缺性，而知识创新的本质始于“提出有价值问题”的能力。研究强调，突破性创新依赖“非常规问题”的提出，交叉学科融合需要“跨域问题”的联结，提问更是个体主动建构认知、表达价值判断的核心过程。在此背景下，高等教育需重构目标，从培养“问题解决者"转向“问题提出者”，将提问能力作为AI时代的“元能力”——其不仅是知识生产的起点、人机协作的主导权所在，更是教育守住不可替代性的关键。这一转型既是应对技术挑战的策略，更是回归教育本质的必然要求。

关键词： 人工智能   故障诊断   农机电气   维修教学   中职教育  

摘要： 随着人工智能技术的快速发展,将其应用于职业教育领域已成为必然趋势。农机电气维修作为中职的重要专业之一,培养了大批农机装备的维修和管理人才。传统的农机电气维修教学模式已难以满足智能化农机设备维修的要求,本文探讨了人工智能故障诊断系统在农机电气维修教学中的应用。结果表明,该平台的应用有效提高了学生的故障诊断和排除能力,激发了学习兴趣,为学生毕业后从事智能农机装备维修工作奠定了基础。

关键词： 生物医学大模型   多模态   人工智能   范式变革  

摘要： 从信息时代到智能时代，以大模型为代表的人工智能技术具有划时代意义，其发展迅猛是全球科技研究的焦点。生物医学大模型(Biomedical Foundation Models，BFMs)作为人工智能与生物医学深度交叉的产物，依托于海量生物医学数据和大模型技术进步，通过整合多模态生物医学数据、创新算法架构与高性能算力，正在推动生命科学从传统实验驱动向“AI+”的智能范式转型。本文梳理了生物医学大模型的核心数据构成、协同技术发展、多元化场景应用、带来的范式变革以及技术挑战难题和当前研究方向。生物医学大模型的持续进化有望实现从“辅助工具”到“智能协作者”的跃迁，引领生物医学传统研究工作的智能化变革。

关键词： 大数据   人工智能   企业财务管理   数字化转型   智能财务  

摘要： 在大数据与人工智能技术深度融合发展的背景下,企业财务管理面临数字化转型的迫切需求。本文系统探讨了大数据背景下人工智能技术在企业财务管理中的应用,分析人工智能技术在财务数据处理、预算管理、成本控制、风险预警等核心领域的具体应用场景,阐述应用过程中存在的数据安全、技术适配等问题,并针对性地提出优化策略。研究表明,人工智能技术的应用能够显著提升企业财务管理效率与精准度,助力企业实现数字化、智能化转型,但需要通过完善数据治理、加强技术创新、培养专业人才等措施,保障其有效应用与持续发展。

关键词： 前列腺   低体温   危险因素   机器学习   预测模型  

摘要： 目的 运用逻辑回归、决策树和支持向量机构建经尿道前列腺钬激光剜除术后低体温风险预测模型并比较性能，为评估及预防经尿道前列腺钬激光剜除术后低体温提供依据。方法 回顾性收集本中心403例、另一中心（潍坊市人民医院）120例经尿道前列腺钬激光剜除术后低体温患者的临床资料，采用逻辑回归、决策树和支持向量机3种机器学习方法构建经尿道前列腺钬激光剜除术后低体温风险预测模型，采用准确性、召回率、精确率、F1指数和受试者工作特征（ROC）曲线下面积（AUC）评价模型性能。结果 纳入患者的手术时长、前列腺重量、术中冲洗量和偏瘦，共4个变量。本中心选择70%的数据集（283例）作为训练集，30%的数据集（120例）作为验证集，另一中心数据（120例）作为外部验证集。在训练集、验证集及外部验证集中，支持向量机的精确率及准确率均为最优，在训练集与验证集中支持向量机的ROC均为最优，逻辑回归次之，且二者在2个数据集中的AUC差异不大。对比支持向量机（SVM）模型与逻辑回归和决策树模型发现，SVM在验证集上的精确率、准确率、召回率、F1指数和AUC值方面均超过其他2种模型。SVM在外部验证集上的精确率、准确率均优于逻辑回归和决策树模型，召回率、F1指数、AUC值略低于决策树模型。SVM在训练集上的精确率、准确率、F1指数和AUC值均优于逻辑回归和决策树模型，尽管其召回率略低于决策树模型。结论 支持向量机在构建经尿道前列腺钬激光剜除术后低体温风险预测模型中具有较高的性能及较好的泛化能力，可为相关临床决策提供指导建议。