XiaoMi-AI文件搜索系统
World File Search Systemintel
第 12 卷 | 治理媒体和通信领域的人工智能
资金：Jo Pierson 获得了 DELICIOS 项目（社会技术系统中的决策委托给自主代理）的支持，该项目由佛兰德斯研究基金会 (FWO)（拨款 G054919N）资助，Aphra Kerr 感谢 ADAPT 中心的支持，该中心由爱尔兰科学基金会研究中心计划（拨款 13/RC/2106_P2）资助。竞争利益：作者声明不存在影响文本的竞争利益。许可：这是一篇开放获取的文章，根据 Creative Commons Attribution 3.0 许可（德国）的条款分发，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。https://creativecommons.org/licenses/by/3.0/de/deed.en 版权归作者所有。
人工智能辅导与专家辅导在学习临床前和临床领域的应用
医学教育是一个复杂而艰巨的过程，要求学生在临床前和临床领域获得大量的知识和技能 [1]。近年来，人工智能 (AI) 已被提出作为提高医学教育成果的潜在解决方案。AI 在医学教育中的一种应用是使用智能辅导系统，该系统为个别学生提供个性化的反馈和指导 [2]。本研究的目的是探索 AI 辅导系统在学习医学临床前和临床领域（特别是在药理学领域）中的应用。智能辅导系统在医学教育中的整合具有多种优势 [3]。这些系统支持个性化辅导，系统可以评估学生的知识水平并确定需要进一步强化的领域 [4]。当学生参与建议的活动时，可以调整难度级别，并根据他们的优势和劣势提供指导。这些系统被集成到学习管理系统中，学习管理系统已经历了显著的增长。
原始发表论文（记录版本）的引用：Sadik, M.、López-Urdaneta, J.、Ulén, J. 等人 (2021)。人工智能可以提醒使用 FDG-PET/CT 分期的霍奇金淋巴瘤患者局部骨骼/骨髓摄取。科学报告，11(1)。http://dx.doi.org/10.1038/s41598-021-89656-9
开发一种基于人工智能 (AI) 的方法，用于检测接受 FDG-PET/CT 分期的霍奇金淋巴瘤 (HL) 患者的局灶性骨骼/骨髓摄取 (BMU)。将单独测试组的 AI 结果与独立医生的解释进行比较。使用卷积神经网络对骨骼和骨髓进行分割。AI 的训练基于 153 名未接受治疗的患者。骨摄取明显高于平均 BMU 的被标记为异常，并根据总异常摄取平方计算指数以识别局灶性摄取。指数高于预定义阈值的患者被解释为具有局灶性摄取。作为测试组，回顾性纳入了 48 名在 2017-2018 年期间接受过分期 FDG-PET/CT 且活检证实患有 HL 的未接受治疗患者。十位医生根据局灶性骨骼/BMU 对 48 例病例进行分类。在 48 例 (81%) 的局部骨骼/骨髓受累病例中，大多数医生同意 AI 的观点。医生之间的观察者间一致性为中等，Kappa 值为 0.51（范围为 0.25–0.80）。可以开发一种基于 AI 的方法来突出显示使用 FDG-PET/CT 分期的 HL 患者中的可疑局部骨骼/BMU。核医学医生之间关于局部 BMU 的观察者间一致性为中等。
21aid02 人工智能基础
解决问题的方法 - 搜索策略 - 未知 - 已知 - 启发式 - 局部搜索算法和优化问题 - 使用部分观察进行搜索 - 回溯搜索 - A* 搜索 - 最小最大搜索 - 搜索算法的性能。
健康人工智能的伦理与治理：......
外部专家组 Najeeb Al Shorbaji，约旦电子健康发展协会 Arisa Ema，日本东京大学未来倡议研究所 Amel Ghoulia，H3Africa、H3ABioNet，突尼斯 Jennifer Gibson，加拿大多伦多大学达拉拉纳公共卫生学院生物伦理联合中心 Kenneth W. Goodman，美国迈阿密大学米勒医学院生物伦理与卫生政策研究所 Jeroen van den Hoven，荷兰代尔夫特理工大学 Malavika Jayaram，新加坡数字亚洲中心 Daudi Jjingo，乌干达马凯雷雷大学 Tze Yun Leong，新加坡国立大学 Alex John London，美国卡内基梅隆大学 Partha Majumder，印度国家生物医学基因组学研究所 Tshilidzi Marwala，南非约翰内斯堡大学 Roli Mathur，印度医学研究理事会 Timo Minssen，高级生物医学创新法研究 (CeBIL)，哥本哈根大学法学院，丹麦 Andrew Morris，英国健康数据研究中心，英国 Daniela Paolotti，ISI 基金会，意大利 Maria Paz Canales，数字权利组织，智利 Jerome Singh，夸祖鲁-纳塔尔大学，南非 Effy Vayena，苏黎世联邦理工学院，瑞士 Robyn Whittaker，奥克兰大学，新西兰 曾毅，中国科学院，中国
人工智能作为权利的新前沿......
首先，我必须感谢我的导师卡洛·卡索纳托 (Carlo Casonato) 和保罗·特拉弗索 (Paolo Traverso)，感谢他们相信我，并勇敢地为我提供了在不同学科之间工作的机会。我特别感谢前者在写作过程中给予我的宝贵建议和持续支持，也感谢后者给予我机会经常接触布鲁诺凯斯勒基金会并结识在其中工作的优秀专业人士。我还要非常感谢整个 BioDiritto 研究小组 (Carla、Cinzia、Elisabetta、Giulia、Lucia、Marta I、Marta II、Sergio 和 Simone)，他们让我从第一天起就感到宾至如归，不断给予鼓励，并提供许多团队合作的机会，让我始终面带微笑。尤其是玛尔塔，她是我的宝贵向导和忠实盟友，在困难时期我可以向她寻求建议和安慰。我还要感谢安德里亚 (Andrea)、洛伦佐 (Lorenzo)、莫妮卡 (Monica) 以及 Trentino Salute 4.0 团队的其他成员，我非常感谢他们在一个对我来说完全陌生的环境中给予我的欢迎，以及他们为我提供的无数跨学科融合的机会。出于同样的原因，我将永远感激 Paolo、Giorgia 和 Federico，他们和我一样都是与基金会有联系的法学家，为我提供了取之不尽的思想、激励和建议。此外，我还得到了慕尼黑马克斯普朗克社会法和社会政策研究所以及哥本哈根大学生物医学创新法中心研究人员的大力帮助，他们使我在国外的研究期间成为与其他法系的法学家交流的宝贵机会。对于这些机会，我首先要感谢 Ulrich Becker 教授、Timo Minnsen 教授和 Marcelo Corrales Compagnucci 教授，他们负责这些中心并给予了我热烈的欢迎。然后，还有我的家人——自从我出生以来，他们一直默默地支持和忍受着我——还有我的朋友，所有人。安吉拉、安娜、克劳迪娅、克劳迪奥、达维德、弗朗西斯科、弗朗西斯卡、乔治奥、乔瓦尼、朱利奥、艾琳、卢卡、玛蒂娜、罗伯托以及其他从小就陪伴我走过道路的人；安娜、阿尔贝托、安东内拉、基娅拉、克里斯蒂安、克拉拉、费德里科、乔治娅、朱莉娅、米歇尔、奥兰、萨拉、西蒙娜，他们是后来才来的，但在我看来，他们一直都在那里； CNR 的人；马里奥 (Mario)、亚历山德罗 (Alessandro) 和 Dinamo Kave 的所有人；因为足球，队友们成为了旅途中的伙伴； Berdien、Federico、Giovanni、Marta 和 Matteo，感谢这个世界上罕见的真挚友谊；我已不再见到他，但对他的记忆将永远使这些年变得特别。最后，埃琳娜。她知道为什么。
人工智能辅助手术 - Thomas Ward 的网站
外科手术涉及对组织的物理操作以治疗疾病。几个世纪以来，随着人类知识的增加和新工具的发展，外科手术的效果得到了改善。人工智能 (AI) 被定义为对算法的研究，该算法使机器能够推理和执行诸如解决问题、对象和单词识别、世界状态推理和决策等功能 [1] 。因此，外科手术是 AI 技术的一个自然而又复杂的应用。手术需要外科医生综合来自多个来源的数据来做出决策、识别解剖结构并在快速变化的场景中执行身体任务。在手术室外，外科护理的组成部分包括诊断、术前评估、术后护理、结果评估和外科医生培训（图8.1）。AI 有望提高围手术期护理的质量和效率，改善手术决策，增强人类外科医生的身体能力，并为未来的研究提供许多令人兴奋的机会——尽管并非没有潜在的陷阱和挑战。本章回顾了 AI 在外科手术中的过去、现在和未来应用。
“人工智能”一词起源于 1956 年，当时它在美国新罕布什尔州达特茅斯学院的一次研讨会上首次提出。“人工智能”
自 60 多年前 AI “诞生” 以来，我们已经取得了长足的进步。由于数据收集和聚合、计算机处理能力、存储容量和计算算法的不断改进，AI 取得了重大进展。AI 最有前途的应用之一是图像处理和图像分析。这些进步自然而然地应用于放射学，这是医学领域最依赖影像的分支学科之一。短短几年内，AI 在放射学中的应用“蓬勃发展”，放射学成为美国食品药品监督管理局 (FDA) 批准的 AI 算法的主要分支学科。FDA 批准的胸部影像 AI 模型数量仅次于神经放射学，还有更多的模型正在研究中。除了放射学，病理学是另一个依赖影像的分支学科，AI 也在该领域取得了进展。高通量全切片扫描技术和数字病理学为计算病理学的腾飞搭建了完美的发射台。尽管基于图像的人工智能正在取得令人兴奋的进展，但患者管理并不单单依赖于成像，因此人工智能已经扩展到其他专科，包括遗传学、外科、肺科、肿瘤学和放射肿瘤学。