XiaoMi-AI文件搜索系统
World File Search System支持系统
为卫生系统制定可持续性准备策略：工具包，交互式工具和虚拟支持系统
虽然文献强烈支持对循证干预措施的可持续性（EBIS）的必要性，但我们提出了文献的评论，该文献仅表明只有三篇文章讨论了以健康为中心的可持续性策略。我们的可持续性准备策略（SRS）的目的是提高基础设施能力和EBI倡导，以影响可持续性准备水平。在本文中，我们描述了具有三种基于证据的组件的有前途的可持续性准备策略（SRS）的开发。This strategy: 1) is based on an adaptation of the Getting To Outcomes ® (GTO) evidence-based implementation process, 2) in cludes a logic model with documented evidence of the connection between targeted readiness factors and sus tainability outcomes, and 3) describes resources considered necessary to support implementation of the readiness strategy, namely a step-by-step Toolkit , Excel ™ Tools , webinar coaching and evaluation guides, and a coaching和评估培训指南。提出了国家SRS调查结果。介绍了所学到的教训以及未来的传播和实施计划。
基于人工智能的患者特定临床决策支持系统，帮助骨关节炎患者选择是否进行手术：单中心、平行组、非劣效性随机对照试验的研究方案
© 作者 2023。开放存取 本文根据知识共享署名 4.0 国际许可进行授权，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可的链接，并指明是否做了更改。 本文中的图片或其他第三方资料包含在文章的知识共享许可中，除非资料的致谢中另有说明。 如果资料未包含在文章的知识共享许可中，且您的预期用途不被法定规定允许或超出允许用途，则需要直接从版权所有者处获得许可。 要查看此许可证的副本，请访问 http://creativecommons.org/licenses/by/4.0/ 。知识共享公共领域贡献豁免（http://creativeco mmons.org/publicdomain/zero/1.0/）适用于本文中提供的数据，除非数据来源中另有说明。
综述肿瘤学临床决策支持系统中的人工智能
人工智能（AI）已广泛应用于医学各个领域，如影像诊断、病理分型、治疗方案选择、预后分析等，尤其在肿瘤影像辅助诊断中，人机交互的配合已趋于成熟。但AI作为新兴技术应用于临床决策的伦理问题尚未得到充分支持，因此基于AI技术的临床决策支持系统（CDSS）在临床实践中还未像影像辅助诊断系统一样充分实现人机交互。目前全球范围内使用和推广的CDSS包括Watson for Oncology、中国临床肿瘤学会人工智能分会（CSCO AI）等。本文对AI在CDSS中的应用进行综述并阐明其原理，分析AI在肿瘤决策中的应用难点，为今后AI在肿瘤决策中的应用提供参考方案。
可靠性指标对预测过程管理决策支持系统的使用、接受和偏好的影响
摘要 尽管数据、模拟技术和预测分析的可用性不断提高，但目前尚不清楚用户是否会信任决策支持系统 (DSS)，以及在何种条件下会信任。DSS 旨在通过更准确的预测和建议，帮助用户在专业任务中做出更明智的决策。这项混合方法用户研究通过分析 DSS 用户界面中集成可靠性指示对首次使用不确定情况下的流程管理的潜在影响，为信任校准研究做出了贡献。十位专门从事建筑数字工具的专家被要求在一个改造项目场景中测试和评估两个版本的 DSS。我们发现，虽然用户表示他们需要完全访问所有信息才能做出自己的决定，但 DSS 中的可靠性指示往往会让用户更愿意做出初步决策，用户会根据指示的可靠性调整他们的信心和依赖性。DSS 中的可靠性指示还增加了主观有用性和系统可靠性。根据这些发现，建议在可靠性指示设计中，从业者考虑在 DSS 用户界面中显示多个粒度级别的可靠性信息组合，包括可视化，例如交通信号灯系统，并为可靠性信息提供解释。进一步的研究方向
健康行为变更简介支持系统2023
[1] WIN KT，ROBERTS MRH，OINAS-KUKKONEN H.有说服力的系统在计算机介导的体育活动中的生活方式修改干预措施中。Infels Health Soc Care 2019; 44（4）：376-404 doi：10.1080/17538157.2018.1511565 [在线发布：20181023]。[2] WIN KT，OINAS-KUKKONEN H，IYENGARS。确定促进者和护士驱动实施障碍的形成性评估：设计住院的MHealth干预措施以支持戒烟。2017。[3] Lee JS，Albrechta H，Goodman GR等。数字药丸系统中的多样性：在与具有多种种族和种族身份的男性发生性关系的男性中，对使用数字药丸的看法和态度的差异。[4] Berger M，Lahmer S，Reuther M，Schoch M.健康行为变更支持系统中的首选游戏化元素。[5] Steinherr VM。对行为变更支持系统的设计要求高使用延续：目标学生的见解。，2023年。[6] Wallius E，Klock Act，Hamari J.游戏化和政策合规性：在线插图实验的结果，在社会距离公共卫生安全方面。，2023年。[7] Agyei E，Oinas-Kukkonen Ho，Nyman V等。评估减肥应用程序中的介入组件，2023。
基于人工智能的临床决策支持系统时代的医学可解释性
人们经常宣扬“大数据”与人工智能 (AI) 的结合，认为将其应用于医疗决策时能带来宝贵的健康益处。然而，负责任地采用基于人工智能的临床决策支持系统在个人和社会层面都面临着多重挑战。其中一个特别令人担忧的特点是可解释性问题，因为如果医生不知道（或无法知道）算法得出特定输出的方式，则可能导致多重挑战，包括无法评估输出的优点。这种“不透明性”问题引发了人们对医生是否合理依赖算法输出的质疑，一些学者坚持可解释性的重要性，而另一些学者则认为没有理由对人工智能有要求，而对医生没有要求的东西。我们认为这两种观点都有可取之处，但我们发现，为了阐明可解释性在临床实践中的基本功能，从而阐明其在人工智能临床应用背景下的相关性，需要进行更深入的探讨。在本文中，我们通过研究可解释性在临床医学中的要求来探索可解释性，并区分可解释性对当前患者和未来患者的功能。这种区别对于可解释性的短期和长期要求具有影响。我们强调透明度在可解释性中的作用，并确定语义透明度是可解释性问题本身的基础。我们认为，在日常临床实践中，准确性足以作为临床决策的“认识论依据”，而要求可解释性（科学或因果解释）的最令人信服的理由是，通过建立更强大的世界模型，有可能改善未来的护理。我们认为临床决策的目标是尽可能多地提供最佳结果，并且发现——只要努力探索科学解释并继续改善未来患者的医疗保健，准确性就足以作为对当今患者进行干预的依据。
基于人工智能的临床决策支持系统时代的医学可解释性
人们经常宣传“大数据”和人工智能 (AI) 的结合在应用于医疗决策时具有带来宝贵健康益处的潜力。然而，负责任地采用基于 AI 的临床决策支持系统在个人和社会层面都面临着若干挑战。引起特别关注的特征之一是可解释性问题，因为如果医生不知道（或无法知道）算法得出特定输出的方式，这可能会导致多重挑战，包括无法评估输出的优点。这种“不透明性”问题引发了人们对医生是否合理地依赖算法输出的质疑，一些学者坚持可解释性的重要性，而另一些学者则认为没有理由要求 AI 做医生不需要的事情。我们认为这两种观点都有可取之处，但我们发现，为了阐明可解释性在临床实践中的潜在功能，以及它在临床应用人工智能背景下的相关性，需要进行更细致的分析。在本文中，我们通过研究可解释性在临床医学中的需求来探索可解释性，并区分可解释性对当前患者和未来患者的功能。这种区别对可解释性的短期和长期要求具有影响。我们强调了透明度在可解释性中的作用，并认为语义透明度是可解释性问题本身的基础。我们认为，在日常临床实践中，准确性足以作为临床决策的“认识论依据”，而要求科学或因果解释意义上的可解释性的最令人信服的理由是通过建立更强大的世界模型来改善未来的护理。我们认为临床决策的目标是尽可能多地提供最佳结果，并且发现——只要揭示科学解释的努力继续改善未来患者的医疗保健，准确性就足以为当今的患者提供干预。
社论：用于载人月球和火星任务的生物再生生命支持系统
本十年可能见证人类在月球上可持续生存的开始；下一个十年可能是人类在火星上迈出的第一步。这至少是主要太空机构（ISECG，2018）的目标，而私营公司（最著名的是 SpaceX）也提出了相关目标（Musk，2017）。当然，人类需要适宜居住的环境和丰富的消耗品才能生存：食物、水、氧气，可能还有药物，等等。随着任务越来越长、越来越遥远，从地球提供所有这些消耗品变得不现实：发射成本、旅行时间和失败风险是关键障碍。生物再生生命支持系统 (BLSS) 是解决这一限制的一种非常有前途的方法，如果它们可以与原位资源利用 (ISRU) 相结合，则更是如此。在本研究主题中，Berliner 等人对此进行了说明，他们主张在火星上建立一个用于资源生产和回收的综合生物制造工厂。他们还介绍了相关的挑战、目标和示例系统。尽管过去几十年进行了大量研究，但没有一个 BLSS 项目达到足够的成熟度，无法显著提高月球或火星上哪怕是小型基地的自主性。长期运行的 BLSS 项目（例如 ESA 的 MELiSSA 项目；Lasseur 等人，2010 年；Walker 和 Granjou，2017 年）的经验表明，它们的开发是一个长期过程。因此，目前需要做出务实的努力，以便 BLSS 做好准备，以便月球和火星任务能够从中受益。本研究课题旨在促进此类努力。月球和火星的 BLSS 很可能包括植物，因为它们是食物生产所必需的。此外，它们还具有空气净化和水净化功能（例如 Wheeler，2010 年），并可用于其他功能，例如药品生产（McNulty 等人，2021 年）。因此，本研究的九项贡献
影响临床医生使用基于人工智能的临床决策支持系统意愿的因素
背景：鉴于基于人工智能 (AI) 的决策支持系统在医疗保健领域创造的机遇，至关重要的问题是临床医生是否愿意将这项技术作为临床工作流程的一个组成部分。目的：本研究利用经过验证的问题制定在线调查，从而探索影响临床医生使用基于人工智能的血液利用率计算器 (BUC) 意愿的认知人为因素，BUC 是嵌入在电子健康记录中的人工智能系统，可提供数据驱动的个性化建议，以确定为特定患者输血的浓缩红细胞数量。方法：使用有目的的抽样策略，专门包括威斯康星州一所大学医院的临床医生 BUC 用户。我们招募了 119 名完成整个调查的 BUC 用户。我们利用结构方程模型来捕捉“人工智能感知”和“期望”对临床医生使用该技术意愿的直接和间接影响，当受“感知风险”介导时。结果：研究结果表明，人工智能感知对 BUC 风险的直接影响呈显著负相关 (ß = − 0.23, p < 0.001)。同样，期望对风险有显著的负面影响 (ß = − 0.49, p < 0.001)。我们还注意到风险对使用 BUC 的意图有显著的负面影响 (ß = − 0.34, p < 0.001)。关于期望对使用 BUC 意图的间接影响，研究结果显示风险介导的显著正影响 (ß = 0.17, p = 0.004)。研究指出，当由风险介导时，人工智能感知对使用 BUC 的意图有显著的正间接影响 (ß = 0.08, p = 0.027)。总体而言，本研究展示了期望、感知风险和对 AI 的认知对临床医生使用 BUC（一种 AI 系统）意愿的影响。AI 开发人员需要强调 AI 技术的优势，确保易用性（努力预期），阐明系统的潜力（性能预期），并通过改进整体设计将风险认知降至最低。结论：确定决定临床医生使用基于 AI 的决策支持系统意愿的因素有助于改善医疗领域的技术采用和使用。增强和安全地采用 AI 可以提升整体护理流程，并有助于标准化临床决策和程序。医疗保健领域改进的 AI 采用将帮助临床医生分担日常临床工作量并做出关键决策。
人工智能远程监控和运营支持系统 MaiDAS ® 助力垃圾焚烧发电厂可持续发展
三菱重工环境化学工程有限公司 (MHIEC) 开发了 MaiDAS ®，这是用于废物转化能源 (WtE) 工厂的下一代基于 AI 的远程监控和运营支持系统。该系统可实现先进的自动化操作，同时保持工厂运行重要设备的正常运转，并优化蒸发量和废气浓度输出，同时消除与个别操作员相关的可变因素的影响。使用该系统可以实时预测低热值 (LHV)、废物进料量和燃烧条件等值。由系统控制的先进自动化操作可以大大减少人工干预。主蒸汽流量的稳定性也得到了确认。与该系统一起，已经开发的废物坑混合和进料支持系统的改进被认为可以实现稳定运行和降低成本，同时最大限度地提高 WtE 工厂的可持续性。