人工智能在疾病诊疗中的应用专题
人工智能在疾病诊疗中的应用专题
- 论文汇编
- 摘要：腹部战创伤是现代战场环境下常见的战创伤类型，其发生率较高，病情变化迅速，病死率高，目前亟需采用新的医疗技术以提高我军腹部战创伤急救的效率及成功率。随着人工智能(AI)、5G移动通信等新兴技术的发展并与医疗相结合模式的推进，智能医疗的概念逐渐形成，并可为腹部战创伤的诊治提供帮助。本文就数次现代战争中腹部战创伤的伤情特点、智能医疗在腹部战创伤救治中的应用及其待解决的弊端进行综述，旨在为腹部战创伤的相关研究提供参考。关键词：智能医疗;腹部战创伤;人工智能;5G;腹腔镜手术146|877|7<HTML><网络PDF><Meta-XML>更新时间：2025-01-23
- 摘要：消化道肿瘤的发病率及病死率均较高，其诊疗现状不容乐观，而早期诊断有利于提高患者的生存率和生活质量。目前已有多种内镜成像技术成功应用于消化道肿瘤的诊断，但各有利弊，其中内镜光学相干断层扫描(OCT)成像以其无创及高分辨率的优势而崭露头角，在浅表消化道肿瘤的分期诊断中具有重要应用价值，其海量图像随着人工智能(AI)技术的进步可得到有效处理，使AI辅助OCT在消化道肿瘤的诊断中展现了良好的应用前景。本文综述了OCT的原理及发展，并探讨了AI辅助OCT在消化道肿瘤诊断中进行深度学习的潜力。关键词：光学相干断层扫描;消化道肿瘤;人工智能;诊断101|789|7<HTML><网络PDF><Meta-XML>更新时间：2025-01-23
- 摘要：膝骨关节炎(KOA)是一种慢性退行性关节疾病，在老龄人群中较为常见，具有高发性和高致残性。影像学检查是诊断KOA的常见方法，但由于人力和时间等因素限制，难以获得数据标签等先验信息，因而在预测疾病进展方面表现欠佳。随着大数据和计算机技术的快速发展，人工智能(AI)正在逐渐融入医疗领域的各个方面。AI辅助诊断模型在KOA自动化诊断、病情严重程度分级以及疾病进展预测方面有着巨大潜力，可显著提升诊断效率和疾病进展预测准确性，提供更加个性化的诊疗手段和精确的疾病进展风险评估，但也存在数据标签标注成本高、模型泛化能力差等局限性。本文综述AI在KOA诊疗中的应用进展，总结AI在该领域的潜在价值，并针对目前AI技术的应用局限，提出建立更多标准化的临床样本数据库，持续优化AI算法，加强外部验证等建议，旨在更好地促进AI在KOA诊疗中的应用。关键词：骨关节炎;人工智能;机器学习;深度学习165|1520|8<HTML><网络PDF><Meta-XML>更新时间：2025-01-23
- 摘要：目的探讨基于磁共振成像(MRI)的前列腺癌(PCa)瘤内及瘤周影像组学对骨转移的诊断价值。方法收集2018年1月－2023年1月在甘肃省人民医院经组织穿刺病理学检查确诊为PCa的211例患者的临床资料进行回顾性分析。将患者按照7:3的比例随机分为训练集(n=147)与验证集(n=64)；分别从患者的T2加权成像(T2WI)、扩散加权成像(DWI)及扩散系数成像(ADC)3个序列勾画感兴趣区(ROIs)，用于提取影像组学特征；使用Z-score(正则化)、LASSO算法进行影像组学特征的降维、选择、构建；然后基于逻辑回归(LR)机器学习分类器构建模型；绘制受试者操作特征(ROC)曲线并计算曲线下面积(AUC)，评估模型的效能；绘制校准曲线和决策曲线(DCA)评价模型的拟合度及临床净获益。结果从T2WI、DWI和ADC中分别提取瘤内和瘤周影像组学特征各312个。使用LASSO回归模型最终筛选出与骨转移密切相关的瘤内影像组学特征10个(包括2个T2序列特征、7个DWI特征、1个ADC序列特征)及瘤周影像组学特征9个(包括4个T2序列特征、3个DWI特征、2个ADC序列特征)。基于瘤内影像组学特征构建的模型在验证集中AUC为0.845(95%CI 0.747~0.943)，基于瘤周影像组学特征构建的模型在验证集中AUC为0.818(95%CI 0.716~0.919)；基于瘤内、瘤周影像组学特征及临床特征(包括Gleason评分、总前列腺特异性抗原、体重指数)构建的联合模型(列线图)的AUC为0.936(95%CI 0.902~0.970)；校准曲线表明联合模型具有良好的拟合度，DCA表明联合模型具有更好的临床净获益。结论瘤周影像组学对于初诊PCa骨转移有较高的诊断价值，且结合瘤内影像组学特征及临床特征可明显提高模型的诊断能力。关键词：前列腺癌;骨转移;瘤周影像组学;机器学习177|868|8<HTML><网络PDF><Meta-XML>更新时间：2025-01-23
