数智医疗最新文章合集
近年来初级保健领域基于机器学习预测模型研究发展迅速，但关于其设计特征与方法学质量的研究报道较少。
系统总结、分析初级保健领域基于机器学习预测模型研究的设计特征与方法学质量。
采用计算机检索PubMed、Embase、中国知网、万方数据知识服务平台建库至2023-02-21发布的初级保健领域基于机器学习预测模型研究，采用叙述性总结和描述方法分析纳入文献的基本特征、预测模型类型、样本量、缺失值处理方法、机器学习算法类型、模型性能评价指标及预测效能、模型验证方法等。
最终纳入30篇文献，涉及106个预测模型，其中发表时间为2021~2023年17篇；研究主题涉及呼吸系统疾病6篇，肿瘤4篇，门诊预约3篇；26篇文献样本量>1 000（占86.67%，95%CI=68.36%~95.64%）；使用机器学习方法处理缺失值者7篇；65个预测模型使用基于树的机器学习算法，其中随机森林使用频率最高（占32.08%，95%CI=23.53%~41.95%）；61个预测模型使用受试者工作特征（ROC）曲线下面积（AUC）或一致性（C统计量）作为区分度评价指标（占57.55%，95%CI=47.57%~66.97%），但仅14个预测模型报告了校准度指标（占13.21%，95%CI=7.67%~21.50%）；106个预测模型多数区分度良好，但92个预测模型偏倚风险评估结果为高风险（占86.79%，95%CI=78.50%~92.33%）；仅7篇文献所涉预测模型进行了外部验证。
近3年来初级保健领域基于机器学习预测模型研究逐渐增多，研究主题主要涉及呼吸系统疾病、肿瘤、门诊预约等；预测模型在样本量、缺失值处理方法等方面存在较大差异，多数预测模型区分度良好，但大部分预测模型未进行外部验证，总体偏倚风险较高。
随着人工智能（AI）在医学领域的广泛应用，越来越多基于AI的临床决策支持系统应用于临床诊断与筛查等。早期临床评估对于评价基于AI临床决策支持系统的临床性能、安全性和人为因素具有重要意义，有利于为进一步的大规模临床试验奠定基础，但相关临床研究报告的透明度和完整性尚待提高。2022年5月，基于AI的临床决策支持系统早期临床评估报告指南（DECIDE-AI）正式在线发表。本文将结合DECIDE-AI中的AI相关报告项目及相关文献，探讨基于AI的临床决策支持系统早期临床评估的透明化报告，以期帮助我国系统开发者和研究者更好地理解与应用相关指南，提高基于AI的临床决策支持系统早期临床评估报告的透明度。
帕金森病（PD）的诊断主要以临床症状为主，缺乏正确诊断的客观方法。目前已有关于视网膜结构改变作为PD早期诊断的生物标志的研究，但基于视网膜结构改变的机器学习对预测早期PD的研究尚少。
基于视网膜结构改变的特征构建机器学习模型，探索其在早期PD诊断中的预测价值，及探讨不同机器学习算法对PD早期诊断的准确性。
选取2021年10月—2022年9月在河南省人民医院神经内科门诊就诊和住院治疗的年龄40~70岁的PD患者49例（PD组），并选取来医院体检的年龄及性别相匹配的39名健康者（健康对照组）为研究对象。所有研究对象行扫频源光学相关断层扫描和扫频源光学相干断层扫描血流成像检查，并定量分析黄斑区视网膜的厚度和血管密度。将88例受试者按7∶3的比例随机分为训练集62例和验证集26例，选择PD组与健康对照组差异有统计学意义的变量作为纳入机器学习模型的特征变量，并在训练集中分别构建Logistic回归（LR）、K-近邻算法（KNN）、决策树（DT）、随机森林（RF）和极端梯度提升（XGboost）模型。采用受试者工作特征（ROC）曲线下面积（AUC）、准确度、灵敏度和特异度评价基于视网膜改变的机器学习模型对早期PD诊断的预测价值。
与健康对照组相比，PD组患者浅层毛细血管的上方外圈（A6）、颞侧外圈（A7）、下方外圈（A8）以及鼻侧外圈（A9）密度减少，视网膜层的上方内圈（A2）、颞侧内圈（A3）、下方内圈（A4）、鼻侧内圈（A5）、A6~A9厚度，节细胞复合体层的A9厚度，神经纤维层的A7厚度，视网膜外层的A2和A4~A9厚度变薄（P<0.05）。视网膜层A2厚度（OR=0.781，95%CI=0.659~0.926）、视网膜层A3厚度（OR=1.190，95%CI=1.019~1.390）、视网膜外层A2厚度（OR=0.748，95%CI=0.603~0.929）、视网膜外层A6厚度（OR=2.264，95%CI=1.469~3.490）、视网膜外层A8厚度（OR=0.723，95%CI=0.576~0.906）以及神经纤维层A7厚度变薄（OR=0.592，95%CI=0.454~0.773）及浅层毛细血管A7密度减少（OR=1.966，95%CI=1.399~2.765）为早期PD发生的独立危险因素（P<0.05）。将上述变量纳入并构建机器学习模型，结果显示，构建的5个模型中，LR模型整体性能最高，其AUC为0.841，而DT模型的准确度最高，其准确度为0.846。
基于视网膜特征的机器学习模型可准确的预测早期PD，其中，DT模型对早期PD诊断具有较高的准确度。
近年来有关将人工智能（AI）应用于胃癌诊治的研究日益增多，但目前尚未有研究者使用文献计量学分析法对其进行系统的分析。
对将AI应用于胃癌诊治的相关研究进行分析，探讨2003—2022年研究的热点及发展趋势。
于2022-11-06，计算机检索Web of Science（WOS）核心合集数据库，获取将AI应用于胃癌诊治的相关研究。通过文献计量学分析法，采用VOSviewer 1.6.18软件对国家（地区）间、机构间、作者间的合作情况、共被引作者情况、关键词共现与叠加情况进行可视化分析，采用CiteSpace 5.7.R5软件进行机构中介中心性分析、期刊双图叠加分析、近6年共被引文献聚类分析、共被引文献聚类时间线图分析及参考文献突现分析。采用Excel 2019软件绘制发文量条形图，以及国家（地区）、机构、期刊、作者、共被引作者、引用参考文献和关键词的描述性分析表格。
共纳入703篇文献，2003—2022年将AI应用于胃癌诊治的相关研究年发文量整体呈上升趋势，2017年后年发文量快速增长，其中2019—2021年增长最为迅速。发文量最多的国家（地区）、机构和作者分别为中国、中国科学院和TADA TOMOHIRO。共被引次数排在前3的作者BRAY FREDDIE、HIRASAWA TOSHIAKI和JIANG YUMING对该领域做出了重要贡献。Frontiers in Oncology是发文量最多的期刊，Gastrointestinal Endoscopy是刊载将AI应用于胃癌诊治相关研究、发文量排在前10的期刊中最具影响力的期刊。施引期刊的所属领域主要集中在"Medicine，Medical，Clinical"（"药物，医学，临床"）、"Molecular，Biology，Immunology"（"分子，生物学，免疫学"）2个领域；被引期刊的所属领域主要集中在"Molecular，Biology，Genetics"（"分子，生物学，遗传学"）、"Health，Nursing，Medicine"（"健康，护理，药物"）2个领域。共被引次数排在首位的参考文献为Global cancer statistics 2018：GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries。根据关键词聚类结果可将所有关键词分为4类：AI辅助胃癌的生物学研究、AI辅助胃癌的内镜诊断、AI辅助胃癌的病理诊断和AI辅助胃癌的非内镜治疗及预后预测。深度学习、卷积神经网络、影像组学、消化道内镜、病理学和免疫治疗是目前的研究热点。
AI在胃癌诊治中具有广阔的应用前景，越来越多的学者致力于开展胃癌诊治的AI研究。目前，AI在胃癌的生物学、诊断、分期、疗效评估和预后预测方面得到了广泛的研究。本研究结果可为从事AI与胃癌相关研究工作的学者提供参考。
近年来移动健康技术在慢性病管理中的研究发展迅速，然而该领域的研究趋势、热点和前沿问题尚不清晰。
对移动健康技术在慢性病管理中的应用和发展进行系统梳理，为未来开展相关研究提供借鉴。
以Web of Science核心合集、PubMed为文献数据来源，于2022-10-18通过CiteSpace 6.1.R 3软件检索1997—2022年发表的相关文献，限制语种为英文，排除会议论文、会议摘要、在线发表、社论、信函、书籍章节、新闻等类型的文献。对纳入文献的国家（地区）、学科交叉和关键词进行分析，以掌握国际上相关研究的现状和热点，采用关键词聚类分析、关键词突发检测和时间轴视图综合分析移动健康技术在慢性病管理中的研究前沿和趋势。
共纳入文献7 622篇，文献发表量在2011年开始出现明显增长趋势，其中美国对文献数量的贡献最大，共有2 645篇（34.70%）。论文刊发期刊主要集中在医学、心理学和健康学等领域。频次排在前5位的关键词分别为慢性病（711次）、护理（695次）、管理（544次）、干预（502次）、健康（448次）。共形成10个有意义的聚类，可归纳为研究工具、研究理论与方法、研究对象、研究因素4个维度。结合关键词突现和时间线视图来看，热点问题主要聚焦于远程医疗、远程护理及数字健康。
国际上对移动健康技术在慢性病管理中应用的研究热度不减，研究领域已从医学转向健康学，研究重点是采用移动健康技术对慢性病进行干预，利用数字技术为慢性病提供远程健康综合服务。提示我国学者应重视移动健康和数字技术在慢性病管理中的应用，开展干预研究为慢性病患者寻找高质量健康服务，为慢性病服务与管理的高质量发展提供建议。
奥密克戎在世界各地广泛传播，深圳作为连接国内外交通的重要枢纽，自2022年2月以来持续受其影响，感染者数量迅速增加。
构建修正的易感-暴露-感染-康复（SEIR）模型，为深圳市疫情防控工作提供具有应用价值的政策参考和建议，以缓解防控压力。
在传统SEIR传染病动力学模型基础上，针对奥密克戎传播速度快、隐匿性高、人群普遍易感等流行病学特征，引入具有政策性特征的组别，即密接者、次密接者、入深隔离者和携带者组别，构建修正SEIR模型，拟合2022-02-18—28的深圳疫情数据确定修正模型的相关参数。
该模型的预测数据与2022-03-01—04的实际数据基本一致，为预测疫情后续发展提供了可靠依据；进一步预测了2022-03-05—19的疫情发展趋势，从疫情防控的人工干预程度、介入时间及床位数、隔离房间数等医疗卫生资源需求等方面为深圳后续的疫情防控措施提供了指导。
修正SEIR模型在疫情发展预测、防控措施制定和调整及医疗资源配置等方面具有重要实用价值。
大数据和人工智能技术在新型冠状病毒感染（COVID-19）疫情防控中发挥了积极作用，但是目前鲜有研究对其应用情况和未来趋势进行综合探讨。本研究从COVID-19疫情防控面临的问题出发，在介绍大数据和人工智能技术优势的基础上，对疫情防控过程中常用的大数据和人工智能技术及其实际应用案例进行概述；并基于Haddon模型视角，从疫情发生前、发生中和发生后3个阶段，针对传染病的传染源、传播途径和易感人群三要素，对大数据和人工智能技术在其中的应用进行了深入探讨。研究结果对明确大数据和人工智能技术在COVID-19疫情各流行阶段的积极作用及发展应用方向，提升疫情的防控效率和质量，有效应对未来新发传染病等具有重要意义。
老年常见病患者多重用药情况普遍存在。医务工作者、患者及其家属对于老年患者多重用药的评价管理与咨询服务均有强烈需求，但是针对不同类别用户，如何科学、准确地进行依托互联网技术的管理服务和咨询功能的设计，并未得到充分研究。
以开展面向改善老年人的不合理用药问题及减少老年患者的药物相关不良事件的互联网服务为新思路，面向医疗专业人员进行老年患者多重用药评价管理与咨询服务平台服务功能和方式的设计调研。
2021-02-20—03-06，以国家重点研发计划"老年常见病多重用药风险管控"项目参与医疗机构的医疗专业人员为研究对象，并向其发放针对老年患者多重用药评价管理与咨询服务平台的必要性、平台运行方式和平台功能而自行设计的"面向医疗专业人员的老年患者多重用药评价管理与咨询服务平台需求调研问卷"。采用主成分分析方法对各平台功能提取公因子，进一步采用Kaiser正态化最大方差法进行因子旋转，并对各因子得分均值进行排序，以此来解释各因子的相对重要性。
本研究面向医疗专业人员共采集有效调研问卷548份，问卷有效回收率为100.00%。8项平台功能（患者依从性评价、处方适宜性评价、处方经济性评价、服药告知与提醒、服药注意事项、服药记录管理、潜在用药问题提醒、药品不良反应记录与分析）的因子提取载荷平方和中前3个因子的累积方差解释率为77.036%；8项平台功能最终提取为3个因子，分别命名为提醒因子（F1）、评价因子（F2）、不良分析因子（F3），3个因子按因子得分均值由高到低排序依次为F1（因子得分均值为2.977）、F2（因子得分均值为0.118）、F3（因子得分均值为0.112）。
从医疗专业人员角度来看，提醒、评价、不良分析为老年患者多重用药评价管理与咨询服务平台主要运行方式与核心功能，提醒相关功能是该平台最重要的功能。这将为确保该平台在以后的运行中能切实为我国老年常见病患者多重用药风险监测与管控体系的构建提供实质性帮助。
为确保老年患者多重用药评价管理与咨询服务平台的设计和开发与实际需求紧密相连，本课题组既往面向医疗专业人员群体开展了老年多重用药管理评价与咨询平台需求的调研工作，但目前国内鲜有研究探索大众人群对老年人多重用药风险的认知程度，以及其对基于互联网医疗进行多重用药管理评价和咨询的需求现状。
了解大众人群对老年多重用药管理评价与咨询平台的认知现状，以进一步探索老年患者多重用药评价管理与咨询服务平台的运行方式，为老年患者多重用药评价管理与咨询服务平台的改进与完善提供指导性意见。
2021-09-29—10-09，面向大众人群采用网络问卷调查法，以中国移动和粉俱乐部微信公众号平台为调研渠道，对中国移动和粉俱乐部用户开展调研，向其发放针对老年患者多重用药评价管理与咨询服务平台的运行方式、各功能重要性等问题而自行设计的"面向大众人群的老年患者多重用药评价管理与咨询服务平台需求调研问卷"。采用主成分分析方法对各平台功能提取公因子，进一步采用Kaiser正态化最大方差法进行因子旋转，并对各因子得分均值进行排序，以此来解释各因子的相对重要性。
本研究面向大众人群共采集有效调研问卷29 502份，问卷有效回收率为94.89%。12项平台功能（患者依从性评价、处方适宜性评价、处方经济性评价、服药告知与提醒、服药注意事项、服药记录管理、潜在用药问题提醒、人工实时咨询、人工非实时咨询、自助查询、提醒服药、记录分析）的因子提取载荷平方和中前4个因子的累积方差解释率为76.791%；12项平台功能最终提取为4个因子，分别命名为提醒因子（F1）、评价因子（F2）、查询与记录因子（F3）和咨询因子（F4），4个因子得分均值由高到低排序依次为F2（因子得分均值为0.507）、F1（因子得分均值为0.457）、F3（因子得分均值为0.430）、F4（因子得分均值为0.253）。
接近90.00%的大众人群认为患有多种常见病的老年人在用药方面存在风险，需要相关平台开展多重用药方面的辅助管理与咨询服务。大众人群视角下，提醒、评价、查询与记录、咨询是老年患者多重用药评价管理与咨询服务平台主要运行方式与核心功能。
骨关节炎（OA）是临床常见的退行性疾病，晚期可导致关节功能丧失，具有致残率高的特点，目前尚无有效的根治方法。因此，早期诊断和精准治疗是改善治疗效果的关键。人工智能（AI）属于多学科交叉融合的研究热点，近年来已逐渐应用到OA诊疗过程中，能够提高OA的诊断准确性、改善临床治疗和预后效果。本文通过归纳相关文献，对AI在OA诊疗中的应用现状进行系统阐述，发现其在辅助OA影像诊断、手术治疗、疾病进展预测和术后康复等方面具有潜在的应用价值，但也存在数据采集不规范、算法系统不稳定等局限，今后应建立标准化的临床样本数据库，持续优化算法模型，使AI技术更好地参与OA诊疗。
随着信息技术的发展，人工智能为疾病诊疗带来重要价值。然而，人工智能中存在算法偏见现象，可导致医疗卫生资源分配不均等问题，严重损害患者的健康公平。算法偏见是人为偏见的技术化体现，其形成与人工智能开发过程密切相关，主要源于数据收集、训练优化和输出应用3个方面。医护工作者作为患者健康的直接参与者，应采取相应措施以预防算法偏见，避免其引发健康公平问题。医护工作者需保障健康数据真实无偏见、优化人工智能的公平性和加强其输出应用的透明度，同时需思考如何处理临床实践中算法偏见引发的不公平现象，全面保障患者健康公平。本研究就健康领域中算法偏见的形成原因和应对策略展开综述，以期提高医护工作者识别和处理算法偏见的意识与能力，为保障信息化时代中的患者健康公平提供参考。
近年来，人工智能（AI）在医学领域发展迅速，在糖尿病视网膜病变（DR）中的应用范围不断扩展。
通过文献计量分析总结AI在DR领域的应用情况，阐明AI在DR领域相关研究的现状、热点和新兴趋势，以期为未来的研究提供思路。
以Web of Science数据库为来源，检索建库至2022-11-04的AI应用于DR领域的相关文献，运用CiteSpace软件对纳入文献进行发文量、国家、机构、作者、共被引和关键词的文献计量学分析。
共获得1 770篇文献，2011年1月至2022年11月发文量总体呈上升趋势，2021年发文量达峰值（402篇）。中国是发文量（440篇）位居第1的国家，英国为中心性（0.26）最高的国家。机构合作网络图谱共纳入436家机构，以中山大学和首都医科大学为代表。作者合作网络图谱共纳入601位作者，以JIA Y L和HWANG T为代表。GULSHAN V、ABRàMOFF M D与TING D W 3位高被引作者对该领域做出了重要贡献。Ophthalmology、Invest Ophth Vis Sci和Ieee T Med Imaging是AI应用于DR领域的相关研究最具影响力的3大期刊。AI应用于DR研究的热点领域主要集中在病灶分割和DR诊断方面。对DR并发症糖尿病性黄斑水肿的疗效预测、DR病程管理以及AI算法性能提高可能是未来的研究趋势。
研究者可参考本研究所示的研究热点及趋势，重点关注AI在DR诊断、病程管理与AI算法性能提高方面的相关问题。
我国心血管疾病（CVD）患病率和发病率仍在持续增高，且近几年农村地区CVD死亡率持续超过城市地区。远程心电筛查有益于基层医疗卫生机构CVD筛查，但其也存在一定的难点。本文就如何提高远程心电筛查的知晓度、可信度以及居民的获得感？如何调动基层医生积极性，主动地参与到筛查的工作中？如何解决基层医生管理能力与管理经验不足，只能提供单一的筛查、沟通的服务？如何解决基层医疗卫生机构与上级医院的双向转诊中各级医院之间缺乏协同机制，没有持续运行的筛查团队+诊断团队+评估团队+治疗团队+随访管理团队的问题进行讨论，并提出了：合理高效利用各方资源；落实分级诊疗、加强团队分工协作；充分发挥护理和公共卫生团队的能力，制订不同筛查方案；加强上级医疗机构专家对基层医生的技术支持，增加基层医疗卫生机构社会效益；在工作中进行人才培养，提升基层人员的专业水平；"互联网+基层医疗"赋能双向转诊；构建病例的大数据库；构建医疗健康集团，分工协作等建议。
阻塞性睡眠呼吸暂停（OSA）是一种慢性病，其患病率高、并发症多、潜在危害大。流行病学研究显示，OSA与多种心血管疾病的发生发展密切相关。目前，我国中重度OSA患者达6 600万，然而约有80%的OSA潜在患者尚未得到及时诊断和治疗。当前OSA的诊断和治疗主要在医院的睡眠中心完成，此过程耗时费力，导致大量患者延误诊治。随着物联网和互联网等新兴技术的发展，远程医疗以其便捷、交互性、高效、共享、连贯及突破时空限制的优势越来越多的被应用于慢性病的诊治与管理中。目前，本中心已初步构建OSA的远程诊疗管理体系，但其临床效能及卫生经济学价值尚需进一步验证。本研究将设计随机对照试验比较OSA新型远程医疗模式和传统医疗模式下的临床效能和卫生经济效益，探讨OSA的远程诊疗模式在使用更低医疗成本中的临床获益是否不劣于传统诊疗模式，以期为医疗资源的高效利用、慢性病远程诊疗的进一步推广奠定基础。
随着老龄化社会的到来，与年龄密切相关的认知障碍(包括痴呆)的患病率明显增加。先前的研究表明，具有不同认知能力的人群所表现的步态状态也不一样。过去研究者们在研究遗忘型轻度认知障碍（aMCI）和阿尔茨海默病（AD）的步态时，使用了统计分析方法，对机器学习方法的使用较少。
构建基于步态的机器学习模型识别aMCI和AD，探索aMCI和AD之间的步态标志物，以便将其用作帮助诊断aMCI患者和AD患者的可能工具。
于2018年12月至2020年12月，从国家康复辅具研究中心附属康复医院、佛山市第一人民医院、大连大学附属中山医院招募了102例受试者，按照筛选标准最终纳入98例受试者，其中55例为aMCI患者，10例为AD患者，33例为健康对照（HC）者。使用可穿戴设备采集参与者在单任务（自由行走）、双任务（倍数7）和双任务（倒数100）时的步态参数。使用随机森林算法（RF）和梯度提升决策树算法（GBDT）建立模型，10个步态参数作为预测变量，疾病状态（HC、aMCI、AD）作为响应变量，比较两种机器学习算法对3个疾病组的识别效果。然后使用机器学习算法结合递归特征消除法（RFE）进行重要特征选择。
三组年龄、性别、身高、体质量、鞋码比较，差异无统计学意义（P>0.05）；MMSE评分、MoCA评分比较，差异有统计学意义（P<0.05）。自由行走测试时，aMCI组和AD组受试者步幅较HC组短，足跟着地角度较HC组小；AD组步速较HC组和aMCI组受试者慢，足趾离地角度较HC组小（P<0.05）。双任务倍数7测试时，aMCI组和AD组受试者步速较HC组慢，足趾离地角度和足跟着地角度较HC组小；AD组支撑时间较HC组长，足趾离地角度较aMCI组小（P<0.05）。双任务倒数100测试时，AD组步速较HC组和aMCI组受试者慢，足趾离地角度和足跟着地角度较HC组和aMCI组小，步幅较HC组短；aMCI组足跟着地角度较HC组小（P<0.05）。GBDT-RFE方法发现aMCI和AD之间的重要步态特征是步幅、足趾离地角度和足跟着地角度，并在RF模型中实现了识别aMCI和AD的最佳性能，最高准确率为87.69%。
步幅、足趾离地角度和足跟着地角度是识别aMCI患者和AD患者的重要步态标志物，未来临床医生可依据重要步态标志物诊断和治疗aMCI患者和AD患者。
随着近20余年人工智能（AI）在食管癌领域应用研究的骤增，出现了许多关于该研究的系统、荟萃分析等，但其仅针对AI在该领域应用的单一方面的总结研究，研究人员难以全面了解领域最新发展与研究热点。
通过文献计量分析总结AI在食管癌领域的应用，阐明AI在食管癌领域相关研究的进展、热点和新兴趋势。
检索Web of Science Core Collection（WoSCC）的Science Citation Index Expanded（SCI-E）数据库收录的AI应用于食管癌领域的所有英文文献，检索时间2000-01-01至2022-04-06。应用Microsoft Excel 2019、CiteSpace（5.8R3-64bit）和VOSviewer（1.6.18）对文献进行发文量、国家、作者、机构、共被引和关键词分析。
2000—2022年共检索到AI应用于食管癌领域的文献918篇，共计引用文献总量23 490篇。发文趋势：2000—2016年为迟缓期，发文量从6篇增至40篇；2017—2022年为快速增长期，发文量从62篇突增至216篇。60个国家、118家机构、5 979位作者参与了AI在食管癌领域应用的研究，发文量排名前3位的国家分别是中国（306篇）、美国（238篇）、英国（113篇），机构合作强度排名前3位的分别是阿姆斯特丹大学〔连线粗细（TLS）=72〕、凯瑟琳娜医院（TLS=64）、埃因霍芬大学（TLS=53），发文量排名前3位的作者是荷兰的作者Jacques J G H M Bergman（16篇）、日本的作者Tomohiro Tada（12篇）、荷兰的作者Fons Van Der Sommen（12篇）。共被引作者39 962位，共被引文献42 992篇。AI应用于食管癌领域相关研究的突现关键词共33个，早期（2001—2008年）：突现关键词以p53、突变为主；中期（2013—2018年）：以食管癌分类、检查新技术（断层扫描）以及食管癌和不同癌症之间区分、鉴别和比较为主；近期（2019—2022年）：以深度学习、卷积神经网络、机器学习在食管癌检查、诊断应用为最新前沿，且深度学习一词突现强度排在33个突现关键词首位（突现强度为13.89）。
AI在食管癌领域的相关研究已迈入新阶段，从基因、突变逐步朝精准检查、诊断和治疗方向发展，深度学习、卷积神经网络、机器学习在食管癌检查、诊断应用为近期（2019—2022年）AI应用于食管癌领域的最新前沿。未来AI应用于食管癌的挑战可能主要集中在食管癌个体化数据收集、数据质量、数据处理规范、AI代码复现、辅助诊断可信度决策上。
脊柱侧凸是脊柱常见的畸形之一，门诊物理治疗是轻度侧凸患者最常采取的治疗方式。有效的治疗需要保证充足的治疗时间和频次，但线下医疗资源有限，还可能会受到患者时间和空间等因素的影响，远程康复则可解决时空等因素的限制，使训练更为简单方便。
探讨远程康复联合门诊治疗轻度青少年特发性脊柱侧凸（AIS）的疗效。
选取2020年9月至2021年9月就诊于天津医院康复科门诊且符合纳入标准的轻度AIS患者58例。依据AIS患者及其家长治疗意愿将其分为线上组（n=18）、结合组（n=20）及线下组（n=20）。线上组通过微信和腾讯会议APP进行远程脊柱侧凸特定物理运动疗法（PSSE）治疗，结合组采用门诊+线上方式进行特定PSSE治疗，线下组采用门诊方式进行特定PSSE治疗。比较三组患者治疗前后主弯Cobb角、冠状面平衡距离（CBD）、胸椎后凸角（TK）、腰椎前凸角（LL）、脊柱矢状轴（SVA）、躯干旋转角（ATR）、Raimondi值、骨盆投射角（PI）、骨盆倾斜角（PT）、骶骨倾斜角（SS）、顶椎双侧椎旁肌肌肉激活率（MAR）、顶椎双侧椎旁肌均方根肌电值比值（RMSR）和脊柱侧凸研究学会-22（SRS-22）量表评分的变化。
三组患者治疗后主弯Cobb角、TK、SVA、ATR、Raimondi值、SS、顶椎椎旁肌MAR、RMSR及SRS-22量表评分中自我形象评分、心理健康评分较治疗前改善（P<0.05）；结合组在改善ATR、治疗满意度方面优于线上组和线下组，在改善主弯Cobb角方面优于线上组；结合组与线下组椎旁肌MAR的改善优于线上组（P<0.05）。
远程康复联合门诊治疗的方式可以有效减缓轻度AIS弯弧的进展，改善脊柱矢状位异常、体态异常及椎体旋转，提高顶椎椎旁肌MAR并改善顶椎双侧椎旁肌平衡性，对轻度AIS患者的生活质量也有积极作用。
肺癌的发病率和死亡率均居世界首位，5年生存率不到20%，对于早期肺癌的筛查有多种方式，其中人工智能（AI）极大提高了早期肺癌的检出率，但目前仍存在对不典型肺结节如何有效管理以尽早发现早期肺癌的问题，探究肺结节增长的影响因素对指导临床管理具有重要意义。
探讨AI随访肺结节增长的影响因素及临床应用价值。
回顾性选取2019年4月就诊于锦州医科大学附属第三医院的175例肺结节患者作为研究对象，根据AI分类分为实性结节组82例和磨玻璃结节（GGN）组93例。收集研究对象的一般资料，并利用AI计算收集肺结节相关影像学信息，定期随访以观察不同肺结节的增长情况，应用多因素Cox比例风险回归分析探讨肺结节增长的影响因素。
实性结节组的实性占比、平均CT值高于GGN组（P<0.001）。多因素Cox比例风险回归分析结果显示，结节平均直径〔HR=2.185，95%CI（1.079，4.425），P=0.030〕、结节体积〔HR=1.001，95%CI（1.000，1.001），P=0.022〕、恶性概率〔HR=2.232，95%CI（1.036，4.806），P=0.040〕及表面征象〔HR=2.125，95%CI（1.006，4.489），P=0.048〕是实性结节增长的影响因素；平均直径〔HR=2.458，95%CI（1.053，5.739），P=0.038〕、体积〔HR=1.001，95%CI（1.000，1.002），P=0.010〕、实性占比〔HR=1.022，95%CI（1.002，1.041），P=0.030〕、恶性概率〔HR=2.386，95%CI（1.174，4.850），P=0.016〕及表面征象〔HR=3.026，95%CI（1.492，6.136），P=0.002〕、平均CT值〔HR=1.002，95%CI（1.000，1.003），P=0.045〕是GGN增长的影响因素。
肺结节增长受原始结节大小、平均CT值、有无表面征象及恶性概率等多种因素影响，建议临床医师结合AI计算的肺结节增长影响因素确定有效随访时间，以尽早发现肺结节增长并及时采取治疗措施。
远程康复（TR）是一种新兴的康复服务提供模式，其基于通信、远程感知与控制、虚拟现实/增强和计算机技术实现跨越地区的康复医疗服务，但目前TR运用于卒中后功能康复的有效性尚不明确，且相关研究方法学质量良莠不齐，较少有研究者对其进行系统性地评价。
对关于TR应用于卒中后功能康复有效性的系统评价/Meta分析进行再评价。
于2021年8月，计算机检索PubMed、Web of Science、The Cochrane Library、维普中文科技期刊全文数据库、万方数据知识服务平台、中国知网和中国生物医学文献数据库，获取有关TR应用于卒中后功能康复有效性的系统评价/Meta分析，检索时限为建库至2021年8月。由2名研究者独立筛选文献、提取资料后，采用AMSTAR 2量表对纳入文献方法学质量进行评价，采用GRADE系统对纳入文献结局指标进行证据质量分级。采用描述性分析法对TR应用于卒中后功能康复的有效性进行分析。
共纳入10项系统评价/Meta分析，AMSTAR 2评价结果显示：2项研究方法学质量为高，3项研究方法学质量为低，5项研究方法学质量为极低。未报告前期研究方案、排除研究清单与理由、原始研究发表偏倚及其资金来源等是导致研究方法学质量较低的主要原因。GRADE证据质量评价结果显示：10项系统评价/Meta分析涉及的7种结局指标、41个证据体中，8个GRADE分级为中级，23个GRADE分级为低级，10个GRADE分级为极低级。TR在一定程度上促进了卒中后患者日常生活活动能力、运动功能、生活质量、抑郁症状、言语功能等的改善，与"面对面"的康复治疗或常规护理具有同等疗效，甚至部分TR疗法的干预效果优于传统康复疗法。
TR可促进卒中患者功能康复，但考虑到目前关于TR应用于卒中后功能康复有效性的系统评价/Meta分析的方法学质量和结局指标可靠程度大多偏低，仍需严格、规范、全面开展高质量的随机对照试验来提供证据支持。本研究结果可为未来TR研究的选题、设计及成果报告提供借鉴。
我国宫颈癌的疾病负担较重，其发病率和死亡率呈逐年升高且年轻化趋势，防控形势较为严峻，急需探索适宜我国不同资源地区的、新型的早诊早治手段，以加快我国宫颈癌的防治步伐。近些年人工智能（AI）在图像分类领域取得较大进展，科学家们开发出众多能够识别宫颈病变的算法，并对其准确性进行了相应的研究。本文结合国内外研究成果，就AI在宫颈细胞学筛查、阴道镜、宫颈恶性肿瘤的诊断及治疗预测过程等方面的应用进展进行综述，并探讨AI在宫颈病变诊断及治疗中遇到的挑战，使AI协助医疗工作者更好地为人类健康保驾护航。
远程心电云平台对心血管疾病防治具有积极的底层支撑作用。在探索应用人工智能（AI）技术协同医生更好地判读心电图的同时，如何优化诊断流程、提高危急值心电图诊断时效性是研究者在远程心电云平台建设中必须关注和解决的问题。
探讨AI在远程心电云平台辅助决策基层危急值心电图中的应用价值。
选取2019年6月至2021年6月基层医疗卫生机构采集并上传至纳龙远程心电云平台的20 808份12导联静态心电图，同时经AI（AI组）诊断和专业心电图医生（医生组）诊断后，将符合危急值心电图诊断标准的心电图纳入危急值组，符合正常心电图诊断标准的心电图纳入正常组，结果虽异常但不符合危急值心电图诊断标准的心电图纳入阳性组。以医生组诊断结果作为金标准，统计AI组与医生组诊断的一致性、符合率及AI组诊断的灵敏度、阳性预测值，统计各组心电图诊断用时。
AI组诊断的危急值组、阳性组、正常组心电图分别为619、15 634、4 555份；医生组诊断的危急值组、阳性组、正常组心电图分别为619、15 759、4 430份。AI组与医生组诊断具有强一致性〔Kappa值=0.984，95%CI（0.982，0.987），P<0.001〕；两组诊断符合率为99.4%；AI组诊断灵敏度为99.4%，阳性预测值为100.0%。危急值组、阳性组、正常组的诊断平均用时比较，差异有统计学意义（P<0.001），其中危急值组诊断平均用时较阳性组、正常组短（P<0.001）。
AI应用于远程心电云平台中，不但可协助医生判读心电图，提高诊断的准确性，还可优化诊断流程，缩短危急值心电图诊断用时，有助于基层危急重症患者的救治。
心律失常是心血管疾病患者常见的临床表现，具有一过性和阵发性的特点。患者易在院外发生心律失常，而传统的心电图设备因难以随时佩戴，常导致无法捕捉到患者心律失常发作时的心电信号。
探讨院前应用散点图初筛可穿戴单导联远程心电监测心律失常的效果。
选取2018年9月至2019年9月银川市基层医疗机构就诊的1 076例患者，均在有心悸、头晕、胸闷、气短等症状时，在院外佩戴可穿戴单导联远程心电监测设备，采集并实时上传至云端的24 h心电图资料。A组为基层医生依据散点图的诊断，B组和C组为银川市第一人民医院远程心电诊断中心医生分别依据散点图和散点图结合心电图的诊断。分析三组心律失常检出率、检出类型、诊断一致性及符合率，并以C组为金标准，分析A组和B组诊断心律失常的灵敏度、特异度、阳性预测值及阴性预测值。
（1）A组、B组、C组分别检出14种1 301例次、14种1 323例次、15种1 647例次心律失常，心律失常检出率分别为80.9%、81.2%、87.5%。（2）A组与B组诊断心律失常具有强一致性〔Kappa=0.891，95%CI（0.711，1.071），P=0.617〕，诊断符合率为96.7%；B组与C组诊断心律失常具有强一致性〔Kappa=0.759，95%CI（0.489，1.029），P<0.001〕，诊断符合率为93.6%；A组与C组诊断心律失常具有较强的一致性〔Kappa=0.692，95%CI（0.392，0.992），P<0.001〕，诊断符合率为91.7%。（3）A组诊断心律失常的灵敏度为91.5%、特异度为93.3%、阳性预测值为99.0%、阴性预测值为61.2%，B组诊断心律失常的灵敏度为92.8%、特异度为99.3%，阳性预测值为99.9%、阴性预测值为66.3%。
在院前应用散点图初筛可穿戴单导联远程心电监测心律失常，可实现心律失常诊疗关口前移，并以此建立起由社区居民、基层全科医生和远程心电诊断中心医生共同参与的心律失常防治网。
气流受限程度是评价慢性阻塞性肺疾病（COPD）患者疾病进展的关键指标。然而由于检查禁忌、依从性等问题，导致部分患者难以开展相关检查，无法评价疾病严重程度。
建立并评估基于机器学习算法的COPD患者重度气流受限风险预警模型。
采用横断面设计调查2019年1月至2020年6月四川省某三甲医院的COPD住院患者，收集患者一般临床指标与肺功能检查数据。将数据按8∶2比例随机分为训练集和测试集，在训练集中使用4种缺失值填充方法、3种特征筛选方法、17种机器学习和1种集成学习算法构建216种风险预警模型。采用ROC曲线下面积（AUC）、准确率、精确率、召回率和F1值评价模型的预测性能，分别使用十折交叉验证法和Bootstrapping算法进行内部验证和外部验证。使用测试集数据进行模型测试和选择。使用后验法进行样本量验证。
共纳入418例患者，其中212例（50.7%）患者存在重度以上气流受限风险。经4种缺失值处理和3种特征筛选后，共获得12个处理后的数据集及12种影响气流受限因素的重要性排序，结果显示，呼吸困难指数评分（mMRC）等级、年龄、体质指数（BMI）、吸烟史（有、无）、慢性阻塞性肺疾病评估表（CAT）评分、呼吸困难（有、无）在变量特征排序中居于前列，是构造模型的关键指标，对结果预测有重要作用。其中，采取不填充、Lasso筛选方法后，mMRC等级、吸烟史（有、无）、呼吸困难（有、无）为位居前3位的预测因子，mMRC等级占特征重要性的54.15%。使用不填充、Boruta筛选方法后，CAT评分、年龄、mMRC等级为位居前3位的预测因子，CAT评分占特征重要性的26.64%。使用17种机器学习和1个集成学习算法对12个数据集分别建模，共得216个预测模型。17种机器学习算法十折交叉验证结果显示，不同算法预测性能比较，差异有统计学意义（P<0.05），随机梯度下降算法的平均AUC最大，为（0.738±0.089）。使用Bootstrapping算法对测试集进行外部验证结果显示，不同算法所得模型的预测性能比较，差异有统计学意义（P<0.05），集成学习算法的平均AUC最大，为（0.757±0.057）。利用Bootstrapping算法对4种缺失值处理和3种特征筛选预测性能评价结果显示，当不填充和Lasso筛选时，可提高模型的性能，差异有统计学意义（P<0.05）。使用测试集数据对216个机器学习模型进行测试，最佳模型的AUC为0.790 9，准确率为75.90%，精确率为75.00%，召回率为78.57%，F1值为0.767 4。样本量验证结果提示研究样本量可满足建模需求。
本研究建立并评价了COPD患者重度气流受限风险预警模型，mMRC等级、年龄、BMI、CAT评分、是否有吸烟史和呼吸困难是影响气流受限的关键指标。该模型预测效果良好，具有潜在的临床应用前景。
随着真实世界研究、精准治疗等概念的提出和发展，科研工作者对医疗大数据处理的需求不断增大。机器学习技术因在处理海量、高维数据及开展预测研究等方面具有独特优势，故而近些年在医学领域的应用不断深入。除应用于疾病诊断、影像识别和风险预测外，越来越多的研究证明机器学习可被应用于临床药物治疗的决策支持相关研究中。本文就机器学习在临床药物治疗中的研究进展予以综述。
