XiaoMi-AI文件搜索系统
World File Search SystemRadiology
新冠肺炎疫情下的放射科住院医师项目管理 - 策略与现实
2019 冠状病毒病 (COVID-19) 是一场全球大流行病，迄今为止，其影响怎么强调也不为过。为了应对这场全球大流行，美国研究生医学教育认证委员会 (ACGME) 为其赞助机构制定了一个新框架；ACGME 的三个阶段分别为第一阶段“一切照旧”、第二阶段“临床需求增加”和第三阶段“大流行紧急状态”(1)(表 1)。美国各地的放射科住院医师项目可能处于这三个阶段中的任何一个，每个阶段对住院医师教育、临床护理和研究都有不同的影响 (2)。本文旨在强调来自不同放射科住院医师项目的住院医师培训和教育在大流行方面的专业知识、经验、适应性和解决方案。我们采用 ACGME COVID-19 大流行阶段作为手稿框架。
UHCCP-放射学-心脏病学-指南-2023 年 9 月.pdf
v2.0.2023 eviCore 医疗保健 (eviCore) 循证专有临床指南评估了一系列先进的成像和程序，包括 NM、US、CT、MRI、PET、放射肿瘤学、睡眠研究以及心脏、肌肉骨骼和脊柱干预。 eviCore 保留更改和更新指南的权利。指南每年接受一次正式审查。eviCore 的指南基于主要的国家和国际协会和社会指南和标准、同行评审文献、主要论文以及健康计划和执业学术和社区医生的意见。 这些指南并非旨在取代或替代合理的医学判断，而是应有助于根据个人的临床状况确定最合适的成像或其他指定程序。这些指南旨在涵盖大多数人所经历的医疗状况。但是，这些指南可能不适用于某些临床情况，并且医生的判断可以凌驾于指南之上。 临床决策（包括治疗决策）由个人及其医疗服务提供者负责。临床医生应使用独立的医疗判断，考虑临床情况来做出个人管理决策。 eviCore 支持“明智选择”倡议 ( https://www.choosingwisely.org/ )
基于人工智能的计算机辅助检测和诊断在儿科放射学中的诊断性能：系统评价
摘要：基于人工智能 (AI) 的计算机辅助检测和诊断 (CAD) 是放射学的一个重要研究领域。然而，目前只有两篇关于人工智能在儿科放射学中的一般用途和基于人工智能的 CAD 在儿科胸部成像中的叙述性评论发表。本系统综述的目的是研究基于人工智能的 CAD 在儿科放射学中的应用、其诊断性能及其性能评估方法。2023 年 1 月 11 日使用电子数据库进行了文献检索。纳入了 23 篇符合选择标准的文章。本综述表明，基于人工智能的 CAD 可应用于儿科脑、呼吸、肌肉骨骼、泌尿和心脏成像，尤其是用于肺炎检测。大多数研究（93.3%，14/15；77.8%，14/18；73.3%，11/15；80.0%，8/10；66.6%，2/3；84.2%，16/19；80.0%，8/10）报告的模型性能至少为 0.83（受试者工作特征曲线下面积）、0.84（敏感性）、0.80（特异性）、0.89（阳性预测值）、0.63（阴性预测值）、0.87（准确度）和 0.82（F1 分数）。然而，纳入的研究发现了一系列方法论缺陷（尤其是缺乏模型外部验证）。未来应开展更多基于 AI 的儿科放射学 CAD 研究，并采用完善的方法，以说服临床中心采用 CAD，并在更广泛的背景下实现其好处。
人工智能（AI）在放射学领域的应用
摘要：背景：在过去十年中，人们对将人工智能 (AI) 应用于放射学以改善诊断程序的兴趣日益浓厚。人工智能在成像链的所有步骤中都有潜在的好处，从诊断测试的处方到测试报告的传达。人工智能在放射学领域的应用也对诊断时的医患沟通提出了挑战。本系统综述重点关注当人工智能应用于癌症诊断沟通时患者的角色以及患者与医生之间的人际交往技巧。方法：在 1990 年至 2021 年的 PubMed、Embase、Medline、Scopus 和 PsycNet 上进行了系统搜索。搜索词为：“人工智能”或“智能机器”和“通信”、“放射学”和“肿瘤学诊断”。遵循 PRISMA 指南。结果：共查明 517 条记录，5 篇论文符合纳入标准并进行了分析。大多数文章强调了人工智能在放射学方面的技术支持的成功，却以牺牲患者对人工智能的信任和以患者为中心的癌症疾病沟通为代价。根据研究结果讨论了实际意义和未来指导方针。结论：事实证明，人工智能有助于临床医生进行诊断。未来的研究可能会通过充分了解人工智能的有利用途以及通过充分的医患诊断沟通培训提高医疗依从性来提高患者的信任度。
人工智能 (AI) 在放射学领域的应用
摘要：背景：在过去十年中，人们对将人工智能 (AI) 应用于放射学以改进诊断程序的兴趣日益浓厚。AI 具有潜在优势，涵盖成像链的所有步骤，从诊断测试的处方到测试报告的传达。AI 在放射学领域的应用也对诊断时的医患沟通提出了挑战。本系统综述重点关注 AI 在癌症诊断沟通中实施时的患者角色以及患者与医生之间的人际交往技巧。方法：从 1990 年到 2021 年在 PubMed、Embase、Medline、Scopus 和 PsycNet 上进行了系统搜索。搜索词为：（“人工智能”或“智能机器”）和“通信”、“放射学”和“肿瘤学诊断”。遵循 PRISMA 指南。结果：共识别出 517 条记录，5 篇论文符合纳入标准并进行了分析。大多数文章强调了 AI 在放射学中的技术支持的成功，却以牺牲患者对 AI 的信任和以患者为中心的癌症疾病沟通为代价。根据结果讨论了实际意义和未来指南。结论：事实证明，AI 有助于帮助临床医生进行诊断。未来的研究可能会通过提供有关 AI 有利用途的充分信息以及通过对医患诊断沟通进行充分培训来提高医疗依从性，从而提高患者的信任度。
文章：Offiah, A.C. orcid.org/0000-0001-8991-5036 (2022) 当前和新兴的儿科肌肉骨骼放射学人工智能应用。儿科放射学，52 (11)。第 2149-2158 页。ISSN 0301-0449
摘要 人工智能 (AI) 在放射学中发挥着越来越重要的作用（在成人世界中的作用比在儿科中的作用更大），以至于有人毫无根据地担心它将完全取代放射科医生的角色。关于 AI 在儿科放射学中的肌肉骨骼应用，我们距离 AI 取代放射科医生的时代还很远；即使是最常见的应用（骨龄评估），AI 也更多地以 AI 辅助模式使用，而不是 AI 替代或 AI 扩展模式。用于骨龄评估的 AI 已在临床上使用十多年，是进行最多研究的领域。儿童的大多数其他潜在适应症（例如阑尾和脊椎骨折检测）仍然主要处于研究领域。本文回顾了人工智能在儿科肌肉骨骼系统方面最突出的领域，简要总结了当前的文献并强调了未来的研究领域。鼓励儿科放射科医生作为研究团队成员参与开展儿科放射学人工智能研究。
放射学人工智能的伦理问题：伦理和社会影响的回顾
人工智能 (AI) 正在医学领域得到应用，以改善医疗保健并促进健康公平。基于人工智能的技术在放射学中的应用有望通过提高准确性和简化个性化决策来提高诊断性能。虽然这项技术有可能改善医疗服务，但需要仔细考虑许多伦理和社会影响，以避免对个人和团体造成有害后果，特别是对最脆弱的人群。因此，提出了几个问题，包括 (1) 在医学和生物医学研究中使用人工智能会引发哪些类型的伦理问题，以及 (2) 如何在放射学中解决这些问题，特别是在乳腺癌的情况下？为了回答这些问题，对学术文献进行了系统回顾。在五个电子数据库中进行了搜索，以查找自 2017 年以来发表的关于放射学人工智能伦理主题的同行评审文章。审查结果表明，该讨论主要解决了与医疗人工智能相关的期望和挑战，特别是偏见和黑箱问题，并且提出了各种指导原则以确保人工智能合乎道德。我们发现，人工智能应用的若干伦理和社会影响仍未得到充分探索，需要更加关注解决潜在的歧视性影响和不公正现象。最后，我们从哲学和 STS 的角度对这些问题和已发现的话语空白进行了批判性反思，强调未来在放射学人工智能发展中需要融入社会科学视角。
欧洲儿科放射学会 (ESPR) 人工智能 (AI) 工作组：数字时代的新工作组
摘要 2021 年，在意大利罗马举行的国际儿科放射学 (IPR) 会议（欧洲儿科放射学会 [ESPR] 和儿科放射学会 [SPR] 联合举办的学会会议）上，成立了一个专门研究儿科放射学人工智能 (AI) 的新工作组。专门为 AI 设立一个独立工作组的概念源于 ESPR 领导的一项国际调查，该调查针对医疗保健专业人员对儿童影像科 AI 整合的看法、期望和担忧。在本次调查中，大多数 (> 80%) ESPR 受访者支持成立工作组并帮助确定我们的主要目标。这些目标包括为儿科放射科医生提供与 AI 相关的教育内容、为未来项目集思广益以及在整理数据集、去除图像身份信息和参与多案例、多读者研究方面合作开展与 AI 相关的研究。本文概述了 ESPR AI 工作组的起点以及我们希望实现的目标。
额外的智能眼睛：人工智能在急诊放射学腹盆腔病变成像中的应用
摘要：紧急情况下的成像风险很高。随着对专用现场服务的需求增加，急诊放射科医生面临着越来越大的图像量，需要快速的周转时间。然而，新型人工智能 (AI) 算法可以帮助创伤和急诊放射科医生进行高效、准确的医学图像分析，从而有机会增强人类的决策能力，包括结果预测和治疗计划。虽然传统的放射学实践涉及对医学图像的视觉评估以检测和表征病理，但 AI 算法可以自动识别细微的疾病状态，并根据形态图像细节（例如几何形状和流体流动）提供疾病严重程度的定量表征。总的来说，在放射学中实施 AI 带来的好处有可能提高工作流程效率，为复杂病例带来更快的周转结果，并减少繁重的工作量。尽管腹盆腔成像中人工智能应用的分析主要集中在肿瘤检测、定位和治疗反应上，但已经开发出几种有前景的算法用于紧急情况。本文旨在对新兴图像任务中使用的人工智能算法建立一般理解，并讨论将人工智能实施到临床工作流程中所涉及的挑战。
CARS 2022 — 第 35 届计算机辅助放射学和外科手术国际大会暨展览会论文集 日本东京，2022 年 6 月 7 日至 11 日
由于医疗保健及其机构中流传着海量的数据、信息、知识和偶尔的智慧，寻找新概念来处理这种复杂情况令人难以置信。尤其是因为这些和相关的新方法和技术有望提高医疗保健的质量，同时降低医疗保健成本。因此，需要从更广泛的角度来处理这些问题，包括来自不同利益相关者的许多观点，特别是在研究复杂的医疗保健情况和流程时。可能的数学模型范围很广，这就是为什么 CARS 研发界面临的挑战意味着要不断关注新方法和新工具，CARS 2022 的总体主题是“精准诊断和治疗的智能技术”。