XiaoMi-AI文件搜索系统
World File Search SystemCDSS
人工智能驱动的 CDSS 部署中的紧张与挑战
人工智能 (AI) 技术在高级临床决策支持系统 (CDSS) 的实施中得到越来越多地应用。研究表明，人工智能驱动的临床决策支持系统 (AI-CDSS) 在临床决策场景中具有潜在用途。然而，采用后的用户感知和体验仍未得到充分研究，尤其是在发展中国家。通过对来自中国 6 个农村诊所的 22 名临床医生的观察和访谈，本文报告了 AI-CDSS 系统（“神医”）的设计与农村临床环境之间的各种矛盾，例如与当地环境和工作流程的不一致、技术限制和可用性障碍，以及与 AI-CDSS 的透明度和可信度相关的问题。尽管存在这些矛盾，但所有参与者都对 AI-CDSS 的未来持积极态度，尤其是充当“医生的 AI 助手”，在临床环境中实现人机协作的未来。最后，我们利用我们的研究结果讨论了为发展中国家农村临床环境设计 AI-CDSS 干预措施的意义。
基于Solana区块链技术的战斗无人机群（CDSS）
摘要本文研究了Solana区块链技术在管理战斗无人机群中的应用，重点是提高军事和救灾操作中的安全性，可靠性和透明度的能力。我们提出了一个模型，即无人机群网，该模型利用了Solana的高吞吐量和低潜伏期，以确保无人机之间的实时决策和稳健的通信。我们的分析包括与传统系统的比较研究，强调了区块链在可伸缩性和安全性方面的优势。我们以现实世界中的适用性，监管挑战以及整合新兴技术的未来方向结束。区块链群管理可以帮助在区块链平台上注册每个无人机。数字签名的交易，数据出处和共识机制可以立即识别和无人机之间已损坏的数据。生存能力和整体战斗有效性使其能够完成诸如群体对抗和森林消防等艰难任务。
使用模拟中心评估人工智能驱动的临床决策支持系统对抑郁症治疗的感知效用 Myriam Tanguay-Sela* a、David Benrimoh* 1a、Christina Popescu a、Tamara Perez b、Colleen Rollins c、
Aifred 是一种临床决策支持系统 (CDSS)，它使用人工智能帮助医生选择重度抑郁症 (MDD) 的治疗方法，根据患者特征提供不同治疗方案的缓解概率。我们评估了参与模拟临床互动的医生对 CDSS 的实用性的看法。20 名精神病学和家庭医学工作人员和住院医生完成了一项研究，其中每位医生与标准化患者进行了三次 10 分钟的临床互动，这些患者表现出轻度、中度和重度 MDD 发作。在这些场景中，医生可以访问 CDSS，他们可以在治疗决策中使用它们。通过自我报告问卷、场景观察和访谈评估了 CDSS 的感知效用。60% 的医生认为 CDSS 是他们治疗选择过程中的有用工具，家庭医生认为其效用最大。此外，50% 的医生会将该工具用于所有抑郁症患者，另外 35% 的医生表示他们会将该工具留给病情更严重或难以治疗的患者。此外，临床医生发现该工具在与患者讨论治疗方案时很有用。必须在临床试验中进一步评估该 CDSS 的疗效及其改善治疗结果的潜力。
人工智能算法的范围审查......
摘要 目的 基于人工智能 (AI) 的临床决策支持系统 (CDSS) 已被开发用于解决医疗问题和加强医疗保健管理。我们旨在回顾文献以确定 AI 算法在内科专科 CDSS 中的趋势和应用。方法 在 PubMed、IEEE Xplore 和 Scopus 中进行了范围界定审查，以确定使用深度学习、机器学习和模式识别的 AI 算法的 CDSS 相关文章。本综述综合了 CDSS 的主要目的、AI 算法的类型和算法的整体准确性。我们搜索了 2009 年至 2019 年期间以英文发表的原始研究。结果 鉴于符合纳入标准的文章数量，本综述分析并展示了 3,467 篇文章中的 218 篇的结果。这 218 篇文章与基于人工智能的内科专科 CDSS 相关：神经重症监护（n = 89）、心血管疾病（n = 79）和肿瘤内科（n = 50）。我们发现 CDSS 的主要目的是预测（48.4%）和诊断（47.1%）。最常见的五种算法包括：支持向量机（20.9%）、神经网络（14.6%）、随机森林（10.5%）、深度学习（9.2%）和决策树（8.8%）。算法的准确率范围在神经重症监护中为 61.8% 到 100%，在心血管疾病中为 61.6% 到 100%，在肿瘤内科中为 54% 到 100%。其中只有 20.1% 的算法具有人工智能的可解释性，即提供人类可以理解的解决方案的结果。结论 更多的人工智能算法应用于 CDSS，对改善临床实践具有重要意义。监督学习仍占内科 AI 应用的大多数。本研究确定了四个潜在差距：对 AI 可解释性的需求、CDSS 的普及性不足、CDSS 的目标用户范围狭窄以及医疗报告标准对 AI 的需求。
让医疗保健更安全 IV_快速审查_计算机化临床决策支持，预防用药错误和药物不良事件
结果。我们的搜索产生了 1,335 篇独特的摘要，其中 33 篇文章符合目标标准并被纳入审查（27 篇系统性审查、1 篇审查概述和 5 篇主要研究）。20 篇报告有效性的审查（共 22 篇）被评为“良好”或“公平”质量。叙述性综合中包括的一项主要研究被评为具有“低”偏倚风险。证据涵盖了 CDSS 对各种医疗环境和专业的影响。CDSS 提供的决策支持类型和结果在研究之间是异质的。总体而言，使用药物相关 CDSS 的计算机化医嘱录入与减少用药错误（中等强度证据）和预防药物不良事件（低强度证据）相关。改进或有针对性的药物相关 CDSS 与减少用药错误和药物不良事件（中等强度证据）相关。但是，警报覆盖率很高，且在不同研究中有所不同，覆盖的适当性在很大程度上受警报类型的影响。其他意外后果包括与 CDSS 相关的错误、过度依赖警报、警报疲劳、不适当的警报覆盖和提供商倦怠。另外 48 篇文章重点介绍了 CDSS 实施的障碍和促进因素。
临床决策支持系统在糖尿病护理中的应用：范围评论
背景：面对糖尿病管理的日益复杂性以及缺乏专门的内分泌学家来支持糖尿病护理，提供全面和个性化的糖尿病护理仍然是一个重大挑战。临床决策支持系统（CDSS）逐渐被用来改善糖尿病护理，而许多医疗保健提供者缺乏对糖尿病护理中CDSS的认识和知识。仍然缺乏对CDSS在糖尿病护理中的应用的全面分析。目的：本综述旨在总结研究格局，临床应用以及对糖尿病护理中CDSS的患者和医生的影响。方法：我们在Arksey和O'Malley框架之后进行了范围审查。在7个电子数据库中进行了搜索，以识别截至2022年6月30日的糖尿病中CDSS的临床应用。对2021 - 2022年期间的会议摘要进行了其他搜索。两名研究人员独立执行了筛选和数据图表过程。结果：在11,569项检索研究中，包括85个（0.7％）进行分析。在这一领域的研究兴趣正在增长，过去5年中的85项研究中有45个（53％）。在披露基本决策机制的85项研究中，有58个（68％）中，大多数CDSS（44/58，76％）是基于知识的，而近年来，基于非知识的系统的数量一直在增加。在85项披露应用方案的研究中的81个（95％）中，大多数CDSS用于治疗建议（63/81，78％）。在85项研究中，有39名（46％）在披露医师的用户类型中，初级保健医师（20/39，51％）是最常见的，其次是内分泌学家（15/39，39％）和非内分泌专家（8/39，21％）。CDSS在71％（45/63），67％（12/18）和38％（8/21）的研究中显着改善了患者的血糖，血压和脂质谱，分别没有增加降低降低性糖类的风险。结论：CDSS在改善糖尿病护理方面既有效又安全，这意味着它们可能是糖尿病护理中潜在可靠的助手，尤其是对于经验有限的医生和获得医疗资源有限的患者而言。国际注册报告标识符（IRRID）：RR2-10.37766/inPlasy2022.9.0061
“人工智能在医疗保健领域的应用”案例研究
案例研究介绍 本案例研究的目的是更好地理解将预防原则应用于医疗保健领域人工智能（AI）的复杂性和争议。本案例的重点是人工智能在临床决策支持系统中的使用。临床决策支持系统（CDSS）是支持医疗专业人员决策的系统。例如，CDSS 为临床医生提供警报或提醒、强调护理期间的指导方针、提供建议的行动方案以及识别药物之间的相互作用。CDSS 历来是人工智能在医学领域的主要应用之一，其风险在许多方面都是人工智能在医疗保健领域普遍使用风险的典范。
临床决策支持的3DS
在早期，CDS被构想，并被认为是为临床医生做出决定的。临床医生将输入信息，并等待CDSS输出“右”选择，而临床医生将仅对该输出作用。但是，CDS的当前使用是通过利用自己的知识和CDS来帮助临床医生。 这可以改善对患者数据的分析，因为包括两个知识来源。 计算机化医疗保健有望成为实现医疗保健质量和成本进行重大转变所必需的强大杠杆之一。 CD通过提高护理质量和改善健康成果，避免错误和不良事件，在这种医疗保健转型中起着重要的作用。 这样做，提高效率，成本效益以及提供者和患者满意度。但是，CDS的当前使用是通过利用自己的知识和CDS来帮助临床医生。这可以改善对患者数据的分析，因为包括两个知识来源。计算机化医疗保健有望成为实现医疗保健质量和成本进行重大转变所必需的强大杠杆之一。CD通过提高护理质量和改善健康成果，避免错误和不良事件，在这种医疗保健转型中起着重要的作用。这样做，提高效率，成本效益以及提供者和患者满意度。
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。