XiaoMi-AI文件搜索系统
World File Search System医患
肺癌治疗的进展与挑战
系统评价摘要肺癌是第二大常见的非皮肤癌，也是全球癌症死亡的主要原因，是一个全球性的健康问题。本研究旨在通过 PubMEd 数据库中的系统评价探讨肺癌治疗中的挑战和进展。选定了 2021 年至 2024 年之间的 15 篇出版物。10 篇论文针对非小细胞肺癌，5 篇论文针对小细胞肺癌。已有建议对这两种类型的疾病采用化疗、免疫疗法和靶向疗法。非小细胞肺癌的治疗包括基因组和蛋白质组分析以确定潜在靶点、免疫检查点抑制剂、了解转移的生物学基础、手术和个性化治疗计划。挑战包括确定目标基因改变、开发有效的药物和组合、克服耐药性、更好的生物制造商、毒性、对免疫抑制剂的耐药性、获得治疗的不平等。小细胞癌可以用酪氨酸抑制剂结合免疫疗法、药物/基因递送至部位/靶点、识别在肿瘤中高度均质且稳定表达的特定靶点来治疗。挑战包括放弃治疗、疾病的复杂性、不接受疾病进展。研究结论是，尽管肺癌的治疗取得了众多进展，但并没有统一的标准，每个患者都需要进行个体化调整。医患沟通可能是提供个性化癌症治疗的关键。关键词：治疗，肺癌，小细胞，非小细胞。
坚持口服抗肺癌靶向治疗
目的：口服靶向抗肿瘤药物（OTAD）因使用方便、副作用小等优点，越来越多地被应用于肺癌的治疗。但服药依从性是延长OTAD治疗的主要问题。本研究通过WHO建议的依从性影响因素框架，探讨与OTAD治疗依从性相关的因素。在此基础上，我们进一步研究了社会心理认知对肺癌患者OTAD依从性的潜在影响因素。方法：这项定性研究在中国河南省的公立医院进行。通过对选定的肺癌患者进行半结构化访谈收集数据。面对面访谈被录音并转录以进行主题分析。结果：在接受访谈的21名患者中，17名为男性，4名为女性。数据分析得出四个主题，即患者相关因素（服药自省、家庭结构、权衡OTAD治疗的利弊）、药物相关因素（服药经验、不良反应、信息获取）、医护相关因素（共同决策、医生反应、护士询问）和社会相关因素（恐惧、耻辱）。结论：家庭结构、权衡OTAD治疗的利弊、信息获取、共同决策、护士询问是影响肺癌患者OTAD依从性的潜在因素。向患者提供药物信息支持、邀请患者参与共同决策、加强医患护合作对提高服药依从性很重要。应开展进一步的研究，以帮助医疗保健提供者促进肺癌患者对OTAD治疗的服药依从性。关键词：OTAD依从性，定性研究，肺癌，靶向癌症治疗
根据医学指南的 GPT 药物可以改善……
本研究探索了基于医疗指南的生成式预训练 Transformer (GPT) 代理使用大型语言模型 (LLM) 技术在创伤性脑损伤 (TBI) 康复相关问题上的应用。为了评估使用 GPT-4 创建的多个代理 (GPT-agents) 的有效性，使用直接 GPT-4 作为对照组 (GPT-4) 进行了比较。GPT-agents 包含多个具有不同功能的代理，包括“医疗指南分类”、“问题检索”、“匹配评估”、“智能问答 (QA)”和“结果评估与来源引用”。从医患问答数据库中选择了脑康复问题进行评估。主要终点是更好的答案。次要终点是准确性、完整性、可解释性和同理心。回答了 30 个问题；总体而言，GPT 代理的响应时间比 GPT-4 长得多，而且字数也更多（时间：54.05 vs. 9.66 秒，字数：371 vs. 57）。但是，与 GPT-4 相比，GPT 代理在更多情况下提供了更出色的答案（66.7 vs. 33.3%）。GPT 代理在准确度评估方面优于 GPT-4（3.8 ± 1.02 vs. 3.2 ± 0.96，p = 0.0234）。未发现不完整答案的差异（2 ± 0.87 vs. 1.7 ± 0.79，p = 0.213）。然而，在可解释性（2.79 ± 0.45 vs. 07 ± 0.52，p < 0.001）和同理心（2.63 ± 0.57 vs. 1.08 ± 0.51，p < 0.001）评估方面，GPT 代理表现明显更好。根据医学指南，GPT 代理提高了对 TBI 康复问题回答的准确性和同理心。本研究提供了指南参考，并展示了更好的临床可解释性。然而，需要通过临床环境中的多中心试验进一步验证。本研究提供了实用见解，并为 LLM 代理医学的潜在理论整合奠定了基础。
复杂性科学如何预测人工智能/机器学习改善初级保健的潜力
初级保健医生对于人工智能 (AI) 和机器学习 (ML) 的前景既兴奋又担忧。复杂性科学可以洞察哪些 AI/ML 应用最有可能在未来影响初级保健。AI/ML 已成功地从数字图像中诊断出一些疾病，帮助完成管理任务，例如通过将语音转换为文本在电子记录中写笔记，以及组织来自医疗保健系统内多个来源的信息。AI/ML 在为癌症等复杂单一疾病患者推荐治疗方法方面不太成功；或者改进诊断、患者共同决策以及治疗患有多种合并症和社会决定因素挑战的患者。AI/ML 放大了健康公平方面的差距，而且几乎没有人知道 AI/ML 对初级保健医患关系的影响。澳大利亚维多利亚州的一项干预措施显示出希望，其中 AI/ML 工具仅用作复杂医疗决策的辅助手段。将这些发现放在复杂的自适应系统框架中，当 AI/ML 工具的任务范围有限、拥有干净的数据（大多是线性和确定性的）并且非常适合现有工作流程时，AI/ML 工具可能会发挥作用。AI/ML 很少改善综合护理，尤其是在初级保健环境中，那里的数据存在大量错误和不一致之处。初级保健应密切参与 AI/ML 开发，并在实施前仔细测试其工具；与电子健康记录不同，不要仅仅假设 AI/ML 工具会改善初级保健工作生活、质量、安全性和以人为本的临床决策。（J Am Board Fam Med 2024；37：332-345。）
报告：健康领域的人工智能
3 Sardanelli, F.、Castiglioni, I.、Colarieti, A. 等。生物医学研究中的人工智能 (AI)：关于作者在文章标题中声明 AI 的讨论。Eur Radiol Exp 7, 2 (2023)。4 Hulsen T. 生物医学中人工智能的文献分析。Ann Transl Med。2022 年 12 月；10(23)：1284。5 欧洲议会，《人工智能对医患关系的影响》，生物医学和健康领域人权指导委员会 (CDBIO) 委托撰写的报告，作者：Brent Mittelstadt，2021 年 12 月，第 1 页。6 Athanasopoulou, K.；Daneva, GN；Adamopoulos, PG；Scorilas, A. 人工智能：现代生物医学研究的里程碑。BioMedInformatics 2022, 2, 727-744。 7 Yu KH, Beam AL, Kohane IS. 医疗保健中的人工智能。Nat Biomed Eng. 2018 年 10 月；2(10):719-731。8 Diaz-Flores E、Meyer T、Giorkallos A. 生物医学研究和医疗保健中人工智能技术的发展。Adv Biochem Eng Biotechnol。2022182:23-60。9 Kolluri S、Lin J、Liu R、Zhang Y、Zhang W. 机器学习和人工智能在制药研发中的应用：综述。AAPS J. 2022 年 1 月 4 日；24(1):19。10 Paul D、Sanap G、Shenoy S、Kalyane D、Kalia K、Tekade RK。药物发现和开发中的人工智能。Drug Discov Today。2021 年 1 月；26(1):80-93。 11 Tran KA、Kondrashova O、Bradley A、Williams ED、Pearson JV、Waddell N。深度学习在癌症诊断、预后和治疗选择中的应用。Genome Med。2021 年 9 月 27 日；13(1):152。12 Aung YYM、Wong DCS、Ting DSW。人工智能的前景：回顾人工智能在医疗保健领域的机遇和挑战。Br Med Bull。2021 年 9 月 10 日；139(1):4-15。
人工智能资源
人工智能资源 麻省总医院的人工智能：该网站旨在提供有关麻省总医院如何应用人工智能 (AI) 来解决战略重点并改善护理团队、员工、患者和员工体验的最新信息。 通过哈佛医学院、哈佛大学和其他机构提供的课程 医学人工智能课程 由 Schepens 眼科研究所提供 本课程介绍人工智能 (AI)，重点介绍其在医学中的应用。该课程将从经典的线性和非线性回归模型开始，然后转向经典的机器学习模型，包括矩阵分解方法、随机森林、支持向量机和基于多层感知器的传统神经网络，最后深入研究最新的深度神经网络，如卷积神经网络和 Transformer。 医疗保健中的人工智能：概念和应用 由哈佛大学陈曾熙公共卫生学院提供 在杰出的哈佛大学教师的指导下，医疗保健中的人工智能：概念和应用提供了从传统医疗保健模式过渡到数据驱动和人工智能增强方法的渠道。本课程采用“从零到 AI”的策略，旨在为医疗保健专业人员提供基础概念，并针对医疗保健应用进行微调。课程内容涵盖现实世界的医疗保健动态，探索 AI 改变医患关系的潜力，并为医疗保健领域道德部署 AI 奠定基础。 哈佛医学院开设的“医疗保健中的 AI：从战略到实施”课程探讨了在医疗保健独特的文化、经济和商业环境中应用 AI 的机会和复杂性。AI 彻底改变医疗保健和生命科学行业的潜力巨大，但鉴于风险高昂，必须负责任地考虑和处理挑战和风险。在课程期间，您将了解如何将 AI 用于医疗目的，包括 AI 开发流程中的所有重要步骤。无论您是 AI 开发人员、医疗保健专业人员还是生命科学或数字健康领域的领导者，本课程都将帮助您做出明智的决策，将 AI 的创新引入医疗保健领域。医疗保健中的人工智能（在线短期课程）由麻省理工学院斯隆管理学院提供在为期 6 周的课程中，参与者将了解人工智能如何改变医疗保健，并探索案例研究，揭示如何部署这些技术来克服挑战和优化流程。
社交媒体干预是否会增加疫苗接种率？
疫苗接种 ( 1 )，尽管有疫苗接种服务 ( 2 )，并且对覆盖率构成潜在威胁。在意大利南部地区普利亚大区，普利亚大区各城市的不同地点（例如学校和体育馆）设立了 COVID-19 疫苗儿科中心。初级保健儿科医生 (PCP) 负责接种疫苗。根据国家指南，普利亚大区政府为 5-11 岁的儿童免费提供两剂 10 µg 的 Comirnaty 疫苗，间隔 21 天接种。已经对初级保健医生在提高疫苗接受度方面的重要性进行了广泛的研究。最近的研究表明，这些家庭医生是值得信赖的信息来源，在解决疫苗犹豫方面发挥着至关重要的作用 ( 3 )。作为大多数人与国家卫生系统的第一个接触点，全科医生和 PCP 使医疗保健更贴近公众。根据 1978 年的《阿拉木图宣言》和各种研究 ( 4 )，初级保健是繁荣的医疗保健系统的关键环节。已证实强大的初级保健与更好的人口健康结果之间存在关系 ( 5 )。例如，多位作者强调了初级保健在提高疫苗接种率方面的重要性。然而，尽管有这些认识，实现这一目标仍然存在障碍；例如，在初级保健中结合研究和良好的临床实践 ( 6 )。研究表明，有效的沟通对于提高犹豫不决的父母对疫苗的接受度至关重要 ( 7 – 9 )。医生在提供信息和支持以解决疫苗安全性和有效性问题方面至关重要，因为他们经常被问及这些问题。沟通策略可以采取多种形式，包括传统的一对一咨询以及利用社交媒体和即时通讯作为新的沟通渠道。在 COVID-19 大流行期间，社交媒体作为信息来源的使用有所增加。然而，还需要进一步研究其对医患沟通的影响，特别是在初级保健环境中（10）。本研究的目的是检查社交媒体干预和数字提醒服务（DRS）如何影响初级保健环境中 5 至 11 岁儿童的 COVID-19 疫苗接种率。此外，该研究还比较了使用这些服务的结果与不使用这些服务的结果。
国际人工智能杂志
背景人工智能（AI）越来越多地融入人类生活的各个方面，包括医疗保健，其应用范围遍及机器人手术、虚拟护理助理、图像分析等。鉴于AI的变革潜力，世界医学协会也支持这样一个事实，即与教育相关的AI培训至关重要，并且应该在不久的将来纳入所有医学学位的课程。因此，本研究旨在评估医学生对医学AI的看法、他们对医学教育期间结构化AI培训的感知需求以及对医疗保健中AI产生的伦理层面的理解。材料和方法该研究采用横断面调查设计，针对奥什国立大学的100名医学生。数据是使用半结构化的自填问卷收集的，该问卷包含人口统计数据、对AI的先前知识、对AI在医疗保健中的作用的看法以及道德考虑等部分。五点李克特量表测量了不同主题的反应，包括对AI的感知好处、对就业的潜在威胁、保密问题以及以AI为重点的培训的必要性。使用描述性统计数据分析了参与者的回答，以确定对医学课程中可能包括的医学人工智能的趋势和态度。结果与讨论更多参与者 (57.2%) 认为人工智能是一种辅助技术，可以最大限度地减少或消除医疗实践中的错误。相当一部分 (54.2%) 的人认为人工智能可以提高医疗决策的准确性，而 48.6% 的人认识到人工智能有潜力增加患者获得医疗服务的机会。37.6% 的参与者提出了负面问题，即减少医生的工作量，从而导致失业。此外，人们对人工智能对医学人文方面的影响感到担忧，因为 69.2% 的人担心会失去人情味。此外，还可能对“信任”(52.9%) 和医患关系 (54.5%) 构成挑战。值得注意的是，超过一半的参与者不确定专业保密的维护 (51.1%)，认为人工智能可能会违反保密性 (53.5%)。只有 3.7% 的人认为自己有足够的能力向患者介绍人工智能的特点和风险。参与者强烈表示需要对人工智能应用进行结构化培训，主要涉及“减少医疗错误”（76.9%）和“人工智能在医疗保健领域广泛使用引发的道德问题”（79.4%）。结论这项研究表明，医学生既对人工智能的潜力感兴趣，又对其在医疗保健领域的伦理影响持谨慎态度。虽然他们认为人工智能是提高诊断准确性和
东路易斯维尔儿科疫苗政策
东路易斯维尔儿科疫苗政策 东路易斯维尔儿科的医护人员欢迎您和您的孩子来我们诊所就诊。我们的诊所、美国儿科学会和疾病控制中心坚信，免疫接种符合您孩子和社区的最大利益。我们的诊所政策要求所有患者都接受州政府要求的儿童免疫接种，以保护您的孩子免受传染病的风险。东路易斯维尔儿科的我们相信，为您的孩子接种疫苗以预防这些毁灭性疾病是医学提供的最大益处。但是，我们的医护人员认识到，一些家长对一次接种的疫苗数量有顾虑。对于这些家庭，我们的医护人员将提供另一种疫苗接种计划，以分散接种疫苗。这将需要额外的门诊/注射访问来根据您的计划接种疫苗。疫苗的安全性会受到持续监控，与任何药物一样，疫苗也会引起副作用。大多数情况下，这些反应都很轻微，例如手臂酸痛或低烧，几天内就会消失。 2001 年，美国取消了儿童疫苗中含有的防腐剂硫柳汞。东路易斯维尔儿科认为疫苗对您的孩子及其周围所有人的健康和安全至关重要。因此，除非有医学禁忌症，否则我们不会接受任何未接种疫苗的儿童，并且不会考虑拒绝接种任何州要求的疫苗。我们不提供任何疫苗的宗教豁免表格。我们将为您提供所有 VIS 表，并回答您关于孩子应接种疫苗的任何问题。我们办公室使用的疫苗由东路易斯维尔儿科全权决定。我们不会特别订购任何疫苗以满足任何个人要求。我们会认真记录在我们办公室进行的所有免疫接种。所有制造商、批号和有效期都记录在患者的病历中。如果您在与提供商讨论并订购疫苗后改变主意，您仍需为该疫苗付费，因为疫苗必须在流程的这一阶段丢弃。East Louisville Pediatrics 意识到父母在选择最适合他们需求的儿科护理时有选择权。我们希望建立一种基于尊重和信任的相互满意的医患关系。我们理解有时存在哲学差异，无论是从您的角度来看还是从我们的角度来看，要求将护理转移到其他地方。如果您决定不接种国家要求的疫苗，我们恭敬地祝您和您的家人在寻找另一位能满足您需求的儿科医生的个人旅程中一切顺利。患者姓名 日期 父母/监护人姓名 签名
人工智能资源
人工智能资源 麻省总医院布莱根医院的人工智能：该网站旨在提供有关麻省总医院布莱根医院如何应用人工智能 (AI) 来解决战略重点并改善护理团队、员工、患者和员工体验的最新信息。 通过哈佛医学院、哈佛大学和其他机构提供的课程 临床医学中的人工智能课程 由哈佛医学院提供 这个现场虚拟继续教育课程专注于人工智能的前沿和令人兴奋的新应用，包括基本原理和经验教训，您将能够直接带回您的实践中。在两天的时间里，您将听到医学会领袖、学术领袖以及来自学术界和工业界的创新者的演讲。在本课程中，我们将打破围绕人工智能的炒作，提供现实的、第一手的观点，了解人工智能在临床实践中的潜力。强烈鼓励各种医生和执业医师加入我们，参加这一变革性的学习体验。 医学中的人工智能课程 由 Schepens 眼科研究所提供 本课程介绍人工智能 (AI)，重点介绍其在医学中的应用。课程将从经典的线性和非线性回归模型开始，然后转向经典的机器学习模型，包括矩阵分解方法、随机森林、支持向量机和基于多层感知器的传统神经网络，最后深入研究最新的深度神经网络，如卷积神经网络和 Transformer。 医疗保健人工智能：概念与应用 由哈佛大学陈曾熙公共卫生学院提供 在哈佛大学杰出教师的指导下，医疗保健人工智能：概念与应用提供了从传统医疗保健模式过渡到数据驱动和人工智能增强方法的渠道。本课程采用“从零到人工智能”的策略，旨在为医疗保健专业人员提供基础概念，并针对医疗保健应用进行微调。课程引导现实世界的医疗保健动态，探索人工智能改变医患关系的潜力，并为医疗保健领域合乎道德的人工智能部署奠定基础。哈佛医学院开设的“医疗保健中的人工智能：从战略到实施”课程探讨了在医疗保健的独特文化、经济和商业环境中应用人工智能的机会和复杂性。人工智能在医疗保健和生命科学行业中具有巨大的变革潜力，但鉴于风险巨大，必须考虑并负责任地处理挑战和风险。在课程中，您将发现人工智能将如何改变医疗保健和生命科学行业。