XiaoMi-AI文件搜索系统
World File Search SystemTriage
机器学习和人工智能：在医疗流行病学中的应用
人工智能 (AI) 是指通常与人类智能相关的机器执行的任务。机器学习 (ML) 是人工智能的一个子类型；它指的是计算机无需直接编程即可从数据中得出结论（即学习）的能力。ML 以传统统计方法为基础，由于其改善疾病预测和患者护理的潜力，引起了医疗流行病学的极大兴趣。本综述概述了医疗流行病学中的 ML，并提供了用于支持医院护理四个阶段的医疗决策的 ML 工具的实例：分诊、诊断、治疗和出院。示例包括协助急诊科分诊的模型构建工作、预测感染性休克发作前的时间、检测社区获得性肺炎以及对 COVID-19 处置风险级别进行分类。电子健康记录 (EHR) 数据可用性和质量的提高以及计算能力的提高为 ML 提供了提高患者安全性、提高临床管理效率和降低医疗成本的机会。
Mikulski诉Toledo Edison Co.的遗产 - 俄亥俄州最高法院
管理。将资源与每种情况的需求匹配。分类民事案件陷入“简化”，“一般”和“复杂”案件中。例如，精简案件提出了简单的事实和法律问题，需要最少的司法干预，但要密切的法院监督。了解如何在sc.ohio.gov/jcs/courtsvcs/resources/ pathwayapphapphacl.pdf上实现这种智能方法。
使用具有系统的网格搜索的人工神经网络对急诊科的重大不良心脏事件进行预测
摘要背景我们的研究目的是使用系统性的网格搜索对急诊科分类的患者的重大不良心脏事件（MACE）的早期预测，设计和评估人工神经网络（ANN）模型。方法这是一项使用电子健康记录从2017年1月到1220年的单中心横断面研究。研究人群由成年人组成，来到我们在阿加汗大学医院的急诊科分类。住院期间的狼牙棒是主要结果。使用分诊数据增强ANN的体系结构，我们使用了系统的网格搜索策略。使用了四个隐藏的ANN层，然后使用外层。遵循每个隐藏层是返回归一化和辍学层。mace：ANN，随机森林（RF）和逻辑回归（LR）。检查了这些模型的总体准确性，灵敏度，特异性，精度和回忆。使用接收器操作特征曲线（ROC）和具有95％置信区间的F1分数评估每个模型。结果在研究期间总共记录了97,333次急诊就诊，其中33％的患有心血管症状的患者。平均年龄为54.08（19.18）岁。在23,052例（23.7％）的患者中观察到了狼牙棒，在10,888例（11.2％）患者中，住院（长达30天）的死亡率和5483例（5.6％）患者的心脏骤停。用于培训和验证的数据分别为80:20的比例为77,866和19,467。ANN的MACE的AUC分数为0.97，大于RF（0.96）和LR（0.96）。同样，使用ANN的MACE的Precision-Recall曲线更大（RF为0.94 vs. 0.93，LR为0.93）。使用ANN，RF和LR分类器对MACE预测的敏感性分别为99.3％，99.4％和99.2％，特异性分别为94.5％，94.2％和94.2％。结论何时使用分类数据来预测MACE，死亡和心脏骤停时，具有全身网格搜索的ANN可以提供精确而有效的结果，并将受益于预测具有有限资源的急诊室中必须处理大量患者的MACE。关键词人工智能，急诊医学，心脏骤停，主要不良心血管事件，验证研究
Intermountain Healthcare 利用 AI 将呼叫中心业务量减少 30%
“GYANT 是我们的合作伙伴，我们非常满意。他们在用户体验和以患者为中心的理念方面的专业知识使他们成为我们数字健康计划的理想人选。我们共同为 Intermountain 社区提供筛查和分诊，尤其是在疫情期间，产生了巨大影响。我们期待着未来的众多项目。”
门诊营养师推荐
是否n/a o如果是，上个月这超过3公斤？•在过去一个月中，患者的食欲减少了？是否•患者在上个月使用补充饮料或管子进食？是的，没有理由进行围手术营养的理由（例如，吸收不良，食管切除术，伤口愈合，造口术等）营养不良的风险（无意减肥或慢性摄入量）家庭肠内营养消化问题（例如，克罗恩病，溃疡性结肠炎，肠易激综合症等）Chronic illness requiring medical nutrition therapy Pediatric malnutrition risk (allergies, picky eaters and/or poor growth) Include WHO Growth Charts and Pediatrician reports Pediatric eating disorders (only for Abbotsford, Mission, and Chilliwack) Celiac disease - class or individual appointment Cardiovascular disease - class only Other (provide details or consult note for triage):
宿主的甲基化和/ ... div>的作用
摘要：宫颈上皮内肿瘤2级（CIN2）是CIN 1之间的中间阶段，这是低级病变，CIN3是宫颈癌的直接前体（CC）。传统上，CIN2被视为高级病变，并用圆锥形或消融方法治疗。近年来，由于经常自发的CIN2回归以及治疗对未来怀孕的不利影响，现在年轻患者的管理发生了变化，现在他们经常受到保守管理。由于进展到CC的风险仍然存在保守管理，因此需要采用个性化方法来识别具有较高进展可能性的患者。在这方面，研究集中在宿主和人乳头瘤病毒（HPV）基因甲基化的作用上。这项系统评价总结了有关保守的CIN2管理的当前知识，该管理着重于主要的甲基化标记及其在保守的CIN2管理中的实施，并描述了有关该主题的主要持续纵向研究。审查表明，DNA甲基化是疾病进展的准确预测指标，也是HPV阳性女性的有效分类工具，CIN2的性能优于分类细胞学。由于几乎所有CC都是甲基化阳性的，因此基线时甲基化阴性妇女的CC风险极低。
在缺血性中风的成像中应用机器学习和深度学习
对成像数据的及时分析对于缺血性中风的情况下，对于适当治疗策略的诊断和决策至关重要。已经为取消计算机辅助系统做出了各种努力，以提高中风诊断和急性中风分流的准确性。人工智能技术的广泛出现已纳入医学领域。人工智能可以在为中风患者提供护理方面发挥重要作用。在过去的几十年中，许多研究探讨了机器学习和深度学习算法在中风管理中的应用。In this review, we will start with a brief introduction to ma- chine learning and deep learning and provide clinical applications of machine learning and deep learning in various aspects of stroke management, including rapid diagnosis and improved triage, identifying large vessel occlusion, predicting time from stroke on- set, automated ASPECTS (Alberta Stroke Program Early CT Score) measurement, lesion segmentation, and predicting treatment outcome.这项工作的重点是提供当前人工智能技术在包括MRI和CT在内的缺血性中风成像中的应用。
XSL•FO
背景：人工智能 (AI) 系统集成用于自动记录病史和分诊，可显著改善医疗保健系统中的患者流量。尽管许多人工智能研究表现良好，但只有有限数量的系统成功融入了常规医疗保健实践。为了阐明人工智能系统如何在此背景下创造价值，必须确定当前的知识状态，包括这些系统的准备情况、实施的促进因素和障碍，以及参与其开发和部署的各个利益相关者的观点。目标：本研究旨在绘制和总结用于在医疗保健环境中自动记录病史和分诊的人工智能系统的实证研究。方法：本研究遵循 Arksey 和 O'Malley 提出的框架，并遵守 PRISMA-ScR（系统评价的首选报告项目和范围界定评价的荟萃分析扩展）指南。对 5 个数据库（PubMed、CINAHL、PsycINFO、Scopus 和 Web of Science）进行了全面搜索。在审查之前建立了详细的协议以确保方法的严谨性。结果：共确定并筛选了 1248 篇研究出版物。其中，86 篇（6.89%）符合资格标准。值得注意的是，大多数（n=63，73%）研究发表于 2020 年至 2022 年之间，主要集中在急诊护理（n=32，37%）。其他临床背景包括放射学（n=12，14%）和初级保健（n=6，7%）。许多（n=15，17%）研究没有指定临床背景。大多数（n=31，36%）研究采用回顾性设计，而其他研究（n=34，40%）没有指定其方法。确定的主要 AI 系统类型是混合模型（n=68，79%），其中预测（n=40，47%）和识别（n=36，42%）是最常见的任务。虽然大多数 (n=70, 81%) 研究涉及患者群体，但只有 1 项 (1%) 研究调查了患者对基于 AI 的病史采集和分类的看法，2 项 (2%) 研究考虑了医疗保健专业人员的观点。此外，只有 6 项 (7%) 研究通过实时模型测试、工作流程实施、临床结果评估或融入实践在相关临床环境中验证或展示了 AI 系统。大多数 (n=76, 88%) 研究涉及 AI 系统的原型设计、开发或验证。总共有 4 项 (5%) 研究是对在不同临床环境中进行的几项实证研究的回顾。AI 系统实施的促进因素和障碍分为 4 个主题：技术方面、背景和文化考虑、最终用户参与和评估过程。结论：本综述重点介绍了在医疗保健中实施 AI 系统的当前趋势、利益相关者观点、创新发展阶段和关键影响因素。关于利益相关者观点的已发现的文献差距和用于自动化病史记录和分类的人工智能系统的有限研究表明，在这个不断发展的领域有进一步研究和发展的巨大机会。
宫颈癌前病变阴道镜治疗指南...
提供优质的阴道镜检查和环电外科切除术 (LEEP) 或热凝术服务对于实现这些目标至关重要。阴道镜检查是筛查阳性女性的分诊方法，而 LEEP 和热凝术是治疗不丹宫颈癌前病变的方法。然而，在阴道镜检查的表现以及 LEEP 和热凝术的执行方面，观察者之间和观察者内部存在显著的差异。为了应对这些挑战并确保一致性，已经制定了关于阴道镜检查、LEEP 和热凝术的实用指南。
covid-19和牺牲国际秩序
摘要本文使用COVID-19通过人道主义治理，道德经济，分类和牺牲的概念来阐明自由国际秩序的牺牲实践。牺牲国际秩序的概念呼吁人们注意所有国际秩序如何牺牲的贡献 - 其中包括自由国际命令。国际命令可以通过用于识别牺牲的选择机制和所附的含义来区分。我呼吁人们注意自由国际秩序通常如何依赖市场作为选择机制，并将这些死亡解释为进步的一部分。在对新自由主义的研究进行批判性的束缚之后，这表明市场如何塑造“赋予生命”和“让生命”的伦理，我通过四个概念来阐明这些过程：人道主义治理以及最高的道德原则是挽救生命和缓解苦难的说法；在危机期间，规范有能力获得基本生存商品的道德经济； Triage，它考虑如何优先考虑其生活的重视；以及所有死亡都算作牺牲，还是更好地理解为“可以被杀的人。”我结论是通过讨论Covid-19的象征如何被自由国际秩序忽略的人类档案，并挑战了该学科以考虑世界秩序的牺牲。