XiaoMi-AI文件搜索系统
World File Search Systembmj
Gabbidon, C 1 ., Gardner, G 2 ., Jones, N 2 ., Armstrong, A 2 ., Adonis, A. 3 牙科学生对接种 COVID-19 疫苗的犹豫：系统
来自：Page MJ、McKenzie JE、Bossuyt PM、Boutron I、Hoffmann TC、Mulrow CD 等。PRISMA 2020 声明：系统评价报告的最新指南。BMJ 2021；372：n71。doi：10.1136/bmj.n71
Doppelgangers的起源：Capgras综合征的神经系统解释的评论
来自：Page MJ，McKenzie JE，Bossuyt PM，Boutron I，Hoffmann TC，Mulrow CD等。Prisma 2020声明：报告系统审查的最新指南。BMJ 2021; 372：n71。doi：10.1136/bmj.n71。
外部控制臂在营销应用中的使用......
1. Kim C, Prasad V. JAMA Int Med. 2015 年 12 月 1 日；175(12):1992-4。2. Davis C 等人。BMJ。2017 年 10 月 4 日；359。3. Hatswell AJ 等人。BMJ Open。2016 年 6 月 1 日；6(6):e011666。4. Salcher-Konrad MA 等人。Milbank Quart。2020 年 12 月；98(4):1219-56。5. Flynn R 等人。Clin Pharmacol Ther。2022 年 1 月；111(1):90-7。6. Wang X 等人。J Cancer Policy。2023 年 1 月 14 日：100403。7. Naumann-Winter F 等人。Frontiers Pharmacol。 2022 年 8 月 11 日；13：920336。
与父母关于HPV疫苗
“医学和科学专家已经仔细研究了HPV疫苗。HPV疫苗已被证明非常有效且非常安全。与其他镜头一样，大多数副作用是轻度的，主要是手臂的疼痛或发红。这应该很快消失，HPV疫苗与任何长期副作用都没有相关。从2006年到2020年，美国给予了超过1.2亿剂HPV疫苗，在全球范围内，超过2.7亿剂。在HPV疫苗安全研究和监测的几年中，尚未确定严重的安全问题。” 。（来源包括疫苗不良事件报告系统（VAERS）； Arnheim-DahlströM，BMJ，BMJ，2013年10月； Klein NP，儿科和青少年医学档案，2012年10月； Scheller，Jama，Jama，2015; 2015; Sankaranarayanan，Nih，Nih，Nih，2016年； 2016年； 2017年）。
引用：Reddy S、Rogers W、Makinen V-P 等人。指导将 AI 系统实施到医疗保健环境中的评估框架。BMJ Health Care Inform 2021；28：e100444。 doi:10.1136/ bmjhci-2021-100444
摘要 目标 迄今为止，医疗保健领域已经开发了许多人工智能 (AI) 系统，但采用程度有限。这可能是由于评估不适当或不完整以及缺乏国际公认的 AI 评估标准。为了对 AI 系统在医疗保健领域的通用性有信心并使其能够融入工作流程，需要一种实用而全面的工具来评估现有 AI 系统的转化方面。目前，医疗保健领域可用的 AI 评估框架侧重于报告和监管方面，但对于评估 AI 系统的转化方面（如功能、实用性和道德组成部分）几乎没有指导。 方法 为了解决这一差距并创建一个评估现实世界系统的框架，一个国际团队开发了一个以转化为重点的评估框架，称为“医疗保健 AI 的转化评估 (TEHAI)”。对文献的批判性回顾评估了现有的评估和报告框架和差距。接下来，使用健康技术评估和转化原则，确定了需要考虑的报告组件。由八名专家组成的国际小组对这些组件进行了独立审查，以达成共识，将其纳入最终框架。结果 TEHAI 包括三个主要组成部分：能力、实用性和采用。对模型开发和部署的转化和道德特征的强调使 TEHAI 有别于其他评估工具。具体而言，评估组件可应用于 AI 系统开发和部署的任何阶段。讨论 现有报告或评估框架的一个主要限制是其重点狭窄。由于 TEHAI 在转化研究模型方面有着坚实的基础，并且强调安全性、转化价值和通用性，因此它不仅具有理论基础，而且在评估现实世界系统方面也有实际应用。结论 用于开发 TEHAI 的转化研究理论方法不仅应应用于研究环境中临床 AI 的评估，还应更广泛地指导工作临床系统的评估。
引用：Iqbal U、Celi LA、Hsu Y-HE 等人。医疗人工智能：通往地狱之路是由善意铺就的。BMJ Health Care Inform 2022；29：e100650。doi:10.1136/bmjhci-2022-100650
《BMJ 健康与护理信息学》发表了两篇编辑精选论文，重点介绍了人工智能 (AI) 以及在系统层面正确评估与医疗保健改进相关的 AI 驱动的实施工具的挑战。Kueper 等人 1 的研究重点关注加拿大安大略省初级保健环境中的 AI 挑战。他们提供了经验教训和指导，以指导未来使用 AI 进行资源管理来改善初级保健。作者与多方利益相关者进行了协作磋商。确定了九个优先事项，围绕系统级考虑因素，例如实践环境、组织和致力于医疗服务提供和护理质量的绩效领域。该论文强调了对公平和数字鸿沟、系统容量和文化、数据可访问性和质量、法律和道德考虑、以用户为中心的设计、以患者为中心以及对 AI 应用的适当评估等关注。并回顾了 AI 在学习型健康系统框架中的作用。应安全、有意义地开发和应用人工智能模型，以优化系统性能和社会福祉。2 此外，人工智能提供预防和先发制人的医疗机会，这些机会在及时、准确、个性化和迅速采取行动时最有价值。3
引用：Bates DW、Syrowatka A、Rhee K 等人。呼吁更好的系统和数据来支持人工智能应对疫情。BMJ Health Care Inform 2022；29：e100506。doi:10.1136/bmjhci-2021-100506
COVID-19 疫情给世界带来了重大影响，各国都在努力控制病毒的传播及其造成的诸多后果，但成效参差不齐。为了控制一种行为和影响未知的新型传染源，必须能够近乎实时地访问和分析大量数据。一些国家做得比其他国家好，一个国家或地区的应对方式会显著影响疫情对人类的影响（请参阅在线补充附录，了解疫情的五条曲线）。例如，疫情早期的中心中国和意大利部署了基于人工智能 (AI) 的软件，利用肺部图像快速识别 COVID-19 患者，1 2 冰岛很早就对病例进行了测序，以了解传播情况。3
引用：Reddy S、Rogers W、Makinen V-P 等人。指导将 AI 系统实施到医疗保健环境中的评估框架。BMJ Health Care Inform 2021；28：e100444。 doi:10.1136/ bmjhci-2021-100444
摘要 目标 迄今为止，医疗保健领域已经开发了许多人工智能 (AI) 系统，但采用程度有限。这可能是由于评估不适当或不完整以及缺乏国际公认的 AI 评估标准。为了对 AI 系统在医疗保健领域的通用性有信心并使其能够融入工作流程，需要一种实用而全面的工具来评估现有 AI 系统的转化方面。目前，医疗保健领域可用的 AI 评估框架侧重于报告和监管方面，但对于评估 AI 系统的转化方面（如功能、实用性和道德组成部分）几乎没有指导。 方法 为了解决这一差距并创建一个评估现实世界系统的框架，一个国际团队开发了一个以转化为重点的评估框架，称为“医疗保健 AI 的转化评估 (TEHAI)”。对文献的批判性回顾评估了现有的评估和报告框架和差距。接下来，使用健康技术评估和转化原则，确定了要考虑的报告组成部分。由八名专家组成的国际小组对这些组成部分进行了独立审查，以达成共识，将其纳入最终框架。结果 TEHAI 包括三个主要组成部分：能力、实用性和采用。对模型开发和部署的转化和伦理特征的重视使 TEHAI 有别于其他评估工具。讨论 现有报告或评估框架的一个主要限制是其重点狭窄。具体而言，评估组件可应用于 AI 系统开发和部署的任何阶段。由于 TEHAI 在转化研究模型中有着坚实的基础，并且强调安全性、转化价值和普遍性，因此它不仅具有理论基础，而且在评估现实世界系统方面也有实际应用。结论 用于开发 TEHAI 的转化研究理论方法不仅应将其应用于研究环境中的临床 AI 评估，还应更广泛地用于指导对工作临床系统的评估。
引用：Shelmerdine SC、Arthurs OJ、Denniston A 等人。回顾医疗保健领域使用人工智能的临床研究的研究报告指南。BMJ Health Care Inform 2021；28：e100385。doi:10.1136/bmjhci-2021-100385
摘要 高质量的研究对于指导循证护理至关重要，其报告方式应具有可重复性和透明度，并在适当的情况下提供足够的细节，以便纳入未来的荟萃分析。各种研究设计的报告指南已广泛用于临床（和临床前）研究，包括包含最低限度纳入要点的清单。随着最近使用人工智能 (AI) 的研究数量的增加，需要评估其他因素，这些因素并不完全符合传统的报告指南（例如，与技术算法开发有关的细节）。在本综述中，重点介绍了报告指南，以提高人们对评估医疗保健领域人工智能干预措施的研究所需的基本内容的认识。其中包括已发布和正在进行的著名报告指南的扩展，例如标准协议项目：干预试验建议-AI（研究协议）、试验报告综合标准-AI（随机对照试验）、诊断准确性研究报告标准-AI（诊断准确性研究）和个体预后或诊断多变量预测模型的透明报告-AI（预测模型研究）。此外，还有许多指南更普遍地考虑将人工智能用于健康干预（例如，医学成像人工智能清单（CLAIM）、最低信息（MI）-CLAIM、医学人工智能报告的 MI）或解决特定元素，如“学习曲线”（决策人工智能的发展和探索性临床研究）。目前尚未解决人工智能健康干预的经济评估问题，将其扩展到现有指南可能会有所帮助。面对大量有关人工智能健康干预的研究，报告指南有助于确保研究人员和研究评估人员既考虑到良好研究设计和报告的公认要素，又能充分应对人工智能特定要素带来的新挑战。