XiaoMi-AI文件搜索系统
World File Search SystemPhysicians
Vituity 通过 AI 支持医生，加快患者护理速度
任务很简单：让医生将 100% 的时间花在患者身上。但 Vituity 很快发现问题很复杂：医生不知道去哪里寻求帮助，而且由于支持团队必须手动解决问题，请求通常需要几天时间才能完成。解决这个问题意味着必须自动化繁琐的工作（如重置密码、回答政策问题和排除软件故障），以便在不涉及服务台的情况下提供即时支持。
家庭医生风湿病学的临床更新
Ronald Yip博士是Tung Wah集团医院综合诊断和医疗中心的临床服务主任，他是香港风湿病学会的主席。他特别参与促进风湿病领域的研究，并发表了许多出版物。Yip博士也是医学和治疗系的名誉临床副教授； HKU医学系荣誉临床助理教授；以及国际风湿病杂志的副编辑。 此外，YIP博士还是担任各种患者自助群体的顾问，包括香港类风湿关节炎协会，香港强直性脊柱炎协会，B27协会和香港银屑病关节炎协会。Yip博士也是医学和治疗系的名誉临床副教授； HKU医学系荣誉临床助理教授；以及国际风湿病杂志的副编辑。此外，YIP博士还是担任各种患者自助群体的顾问，包括香港类风湿关节炎协会，香港强直性脊柱炎协会，B27协会和香港银屑病关节炎协会。
医生对医疗人工智能伦理的要求
5 Bulten, W.、Pinckaers, H.、van Boven, H.、Vink, R.、de Bel, T.、van Ginneken, B.、van Ginneken, B.、van der Laak, J.、Hulsbergen-van de Kaa, C. 和 Litjens, G. (2020 年)。使用活检对前列腺癌进行格里森分级的自动深度学习系统：一项诊断研究。柳叶刀肿瘤学，21（2），233–241。 https://doi.org/10.1016/S1470 -2045(19)30739 -9； Chen, JH 和 Asch, SM (2017)。医学中的机器学习和预测——超越膨胀预期的顶峰。新英格兰医学杂志，376（26），2507–2509。 https://doi.org/10.1056/NEJMp1702071； Bejnordi, BE、Veta, M.、van Diest, PJ、van Ginneken, B.、Karssemeijer, N.、Litjens, G.、van der Laak, J. 和 CAMELYON16 联盟。 (2017)。深度学习算法对乳腺癌女性淋巴结转移检测的诊断评估。 JAMA，318（22），2199-2210。 https://doi.org/10.1001/jama.2017.14585； Erickson, BJ、Korfiatis, P.、Akkus, Z. 和 Kline, TL (2017)。用于医学成像的机器学习。 X 射线照相术，37（2），505–515。 https://doi.org/10.1148/rg.2017160130
德国大学医院医生对未来医疗人工智能应用的要求和期望：基于网络的调查
背景：在研究人员和企业家的推动下，医学领域人工智能 (AI) 系统的不断发展伴随着人们对医疗保健进步的巨大期望。人工智能可能会改变几乎所有医学学科和大多数医疗保健领域的医生的临床实践。尽管人们对医学领域人工智能的期望很高，但在德国，人工智能在临床实践中的实际应用仍然很少。此外，德国大学医院尚未广泛调查医生对医学领域人工智能的要求和期望以及他们对将匿名患者数据用于临床和生物医学研究的看法。目的：本研究旨在评估德国大学医院医生对医学领域人工智能的要求和期望以及他们对将患者数据用于（生物）医学研究（例如，用于开发机器学习算法）的二次使用的看法。方法：对 8 所德国大学医院所有医学学科的医生进行了一项基于网络的调查。答案使用李克特量表和一般人口统计反应给出。要求医生通过电子邮件在各自医院本地参与。结果：303 名医生完成了在线调查（女性：121/303，39.9%；男性：173/303，57.1%；无回复：9/303，3.0%），他们来自不同的医学学科，工作经验水平各异。大多数受访者对医学领域的人工智能持积极态度（130/303，42.9%）或非常积极态度（82/303，27.1%）。个人对医学领域人工智能的评价与自我报告的技术亲和力水平之间存在显著关联（H 4 =48.3，P <.001）。绝大多数医生预计医学的未来将是人类和人工智能的混合体（273/303，90.1%），但也要求在常规实施基于人工智能的系统之前进行科学评估（276/303，91.1%）。医生们最乐观的是，人工智能应用将识别药物相互作用（280/303，92.4%），从而大大改善患者护理，但对于人工智能支持的精神疾病诊断（62/303，20.5%）则持保留态度。在受访者中，82.5%（250/303）的人同意应该开放匿名患者数据库，用于医学和生物医学研究。结论：德国大学医院固定患者护理的医生对在医学中使用大多数人工智能应用表现出普遍积极的态度。伴随着这种乐观情绪的是一些期望和希望，即人工智能将帮助
改变我们的工作方式：安大略省家庭医生 COVID-19 实践社区
好问题，CBC 的文章很棒。https://www.cbc.ca/news/politics/catholic-bishops-astra- zeneca-vaccine-1.5945928 “主教们拒绝向加拿大天主教徒提供关于选择阿斯利康疫苗替代品的建议” “……所有经相关卫生当局医学批准的 COVID-19 疫苗都可以合法接种。澄清中写道：“天主教徒受邀接种疫苗，这既符合他们的良心要求，也通过促进他人的健康和安全为共同利益做出贡献。”
医疗保险 D 部分中的制药公司付款和医生处方行为
我们非常感谢 Judy Hellerstein、Seth Freedman、Sean Nicholson、Ashley Swanson、Benedic Ippolito、Thuy Nguyen 以及哈佛大学、康奈尔大学、密歇根大学、杜克大学、约翰霍普金斯大学、马里兰大学、2020 年美国经济协会会议、2015 年国际卫生经济协会会议、2015 年美国卫生经济会议、2016 年公共政策分析和管理协会年会的研讨会参与者的有益评论。Anup Das 提供了出色的研究协助。Colleen Carey 感谢罗伯特伍德约翰逊基金会的财政支持。本文表达的观点为作者的观点，并不一定反映美国国家经济研究局的观点。
人工智能驱动的鉴别诊断列表对诊断准确性的影响医生：一项开放标签随机对照研究
摘要：背景：展示了人工智能（AI）驱动的自动病史采集系统与人工智能驱动的鉴别诊断列表对医生诊断准确性的有效性。然而，考虑到人工智能驱动的鉴别诊断列表的负面影响，例如遗漏（医生拒绝人工智能建议的正确诊断）和犯错（医生接受人工智能建议的错误诊断），应评估不带人工智能驱动的鉴别诊断列表的人工智能驱动的自动病史采集系统对医生诊断准确性的有效性。目的：本研究旨在评估带或不带人工智能驱动的鉴别诊断列表的人工智能驱动的自动病史采集系统对医生诊断准确性的有效性。方法：这项随机对照研究于 2021 年 1 月进行，纳入了 22 名在大学医院工作的医生。参与者需要阅读 16 个临床案例，其中 AI 驱动的真实患者病史为每个病例生成最多三个鉴别诊断。参与者被分为两组：有和没有 AI 驱动的鉴别诊断列表。结果：两组的诊断准确率没有显著差异（分别为 57.4% 和 56.3%；p = 0.91）。在 AI 生成的列表中包含正确诊断的案例对医生的诊断准确性显示出最大的积极影响（调整后的优势比 7.68；95% CI 4.68–12.58；p < 0.001）。在使用 AI 驱动的鉴别诊断列表的组中，15.9% 的诊断是遗漏错误，14.8% 是犯错错误。结论：医生使用人工智能驱动的自动化病史的诊断准确性在有和没有人工智能驱动的鉴别诊断列表的组之间没有差异。
皇家医师学院全球战略2021–24
所有RCP活动都必须符合我们宪章2定义的RCP慈善目的，并与2011年《慈善法》一致。3 RCP的现代慈善目的声明将RCP的活动与原始宪章以及随后的各种议会行为进行了调整，4，不仅在于改善健康，医疗保健和培训。宪章（修订）包括要求对英国公众有好处的要求。2015年RCP律师Fieldfisher的建议，“假定RCP准备确定英格兰公众对其在海外开展的任何慈善活动的利益”。受托人对此评估是有成就的，因此董事会需要了解情况和情况。
CRISPR/CAS9在丝状真菌中的二级代谢物合成中的应用
背景：医学教育是一个苛刻的终身学习过程，其中包括三个紧密联系的阶段：大学教育，研究生教育和持续教育。居住是大学教育后的第一年，这是一个合格的医生发展的关键时期。此外，居民是从事医院大部分临床工作的主要力量。因此，通过对居民医生（STRP）的标准化培训来确保和提高居民的临床技能和能力很重要。但是，与省省的其他医院相比，近年来，我们医院居民的STR评估结果并不令人满意。因此，这项研究的目的是找出导致性能不令人满意的问题，并确定“计划检查”（PDCA）计划在为将来培训提供宝贵框架方面的作用。
药品公司的付款和医师的处方行为D
在普遍但有争议的实践中，药物公司在促进处方药的过程中经常向医师付款或实物支付。我们在2013年至2015年间使用了与Medicare Part的规定行为有关的宇宙中的联邦数据库D。我们在每种医生 - 药水组合中都以固定效应为目标。在一项事件研究中，我们表明医生增加了在付款收据后的几个月内收到付款的药物处方，没有证据表明付款和未付医生之间的差异趋势。接下来，我们研究了五例主要药物的案例研究。医生从公司那里获得付款，经历了专利到期的过渡，他们的患者与未收到此类付款的医生一样，向仿制药的过渡迅速。此外，使用三个主要治疗类别的手工收集的效率数据，我们表明药物质量在很大程度上不受付款的影响。