XiaoMi-AI文件搜索系统
World File Search System临床医学
临床医学
• Praluent (alirocumab) • Repatha (evolocumab) PCSK9 inhibitors are approved by the Food and Drug Administration (FDA) as adjunctive therapy or alone for the lowering of low-density lipoprotein cholesterol (LDL-C) in adults with primary hyperlipidemia, including heterozygous familial hypercholesterolemia (HeFH).PCSK9抑制剂也获得了FDA批准用于纯合家族性高胆固醇血症（HOFH）的个体，并降低患有既定心血管疾病的成年人心血管事件的风险。repatha在10岁及以上患有HEFH或HOFH的个体中有儿科指示。PRALUENT具有儿科指示，可用于与HEFH 8岁及以上的个体辅助治疗。家族性高胆固醇血症是由遗传突变引起的遗传病，该疾病在早期引起高水平的LDL-C。家族性高胆固醇血症（FH）有两种类型。杂合FH（HEFH）是在200至250个人中大约有1个发生的更常见的类型。患有HEFH的个体有一个改变胆固醇调节基因的副本。纯合FH（HOFH）是罕见，更严重的形式，发生在大约300,000至400,000个个人中。患有HOFH的个体有两个改变胆固醇调节基因的副本。HOFH会导致LDL-C水平高于正常水平的六倍以上（例如，650-1,000 mg/dl）。通过对LDL-C分解代谢至关重要的一个基因中的一个或多个突变的遗传证实来确认家族性高胆固醇血症的确定性诊断。如果无法获得遗传测试，则可以通过基于LDL-C水平，临床表现和家族史的临床标准来确定诊断。在临床环境中，除了健康的生活方式干预措施外，他汀类药物被认为是一线药物疗法，在需要治疗异常胆固醇的个体中。其他脂质降低疗法应被视为需要额外胆固醇或不能忍受中等至高剂量的他汀类药物的个人的二线选择。2018年，美国心脏协会（AHA）/美国心脏病学院（ACC）发布了有关血液胆固醇管理的指南。在非常高风险的ASCVD中，该指南建议考虑到LDL-C保持大于或等于70 mg/dl时，请考虑在他汀类药物治疗中添加非他汀类药物。ezetimibe是第一个考虑添加到最大耐受性汀类药物疗法中的药物。PCSK9抑制剂在汀类药物疗法中与Ezetimibe结合使用，LDL-C保持大于或等于70 mg/dl，则可以考虑添加。2018 AHA/ACC指南建议使用大于或等于100 mg/dl的LDL-C阈值，以考虑在患有严重原发性高胆固醇血症的个体中添加非状态毒素。ezetimibe是第一个考虑增加治疗的非状态蛋白。PCSK9抑制剂在汀类药物疗法中与Ezetimibe结合使用LDL-C大于或等于100 mg/dl，可以考虑添加。在2022年，ACC发布了有关非状态蛋白疗法在LDL-C降低的作用的专家共识决策途径。ezetimibe和/或PCSK9单克隆抗体是第一个在非常高风险的ASCVD中，该途径建议当LDL-C保持大于或等于55 mg/dl时，考虑在他汀类药物治疗中添加非状态治疗。
翻译和临床医学
Hab博士。 MagdalenaBłażek教授。哈布博士。 Rita Hansdorfer-Korzon drin泛。 Marta Jaskulalak博士Hab博士。 AndrzejBasiński博士Hab。 Maciej Grzybek，教授。哈布博士。 Anna Lass，教授。哈布博士。 AleksandraKrzemińska-Gaworska，教授。哈布博士。 Joanna Renke Hanna Suchanek博士Hab博士。 Beata Szostakowska教授。哈布博士。 Krzysztof Korzeniewski教授。哈布博士。 SylwiaMałgorzewicz教授。哈布博士。 WiolettaMędrzycka-dąbrowska教授。哈布博士。 Katarzyna Sikorska教授。哈布博士。 Jolanta Wierzba教授。哈布博士。 Anna Liberek博士Hab。 Agnieszka Zimmermann，教授。大学教授哈布博士。 katarzyna ZorenaHab博士。MagdalenaBłażek教授。哈布博士。Rita Hansdorfer-Korzon drin泛。Marta Jaskulalak博士Hab博士。AndrzejBasiński博士Hab。 Maciej Grzybek，教授。哈布博士。 Anna Lass，教授。哈布博士。 AleksandraKrzemińska-Gaworska，教授。哈布博士。 Joanna Renke Hanna Suchanek博士Hab博士。 Beata Szostakowska教授。哈布博士。 Krzysztof Korzeniewski教授。哈布博士。 SylwiaMałgorzewicz教授。哈布博士。 WiolettaMędrzycka-dąbrowska教授。哈布博士。 Katarzyna Sikorska教授。哈布博士。 Jolanta Wierzba教授。哈布博士。 Anna Liberek博士Hab。 Agnieszka Zimmermann，教授。大学教授哈布博士。 katarzyna ZorenaAndrzejBasiński博士Hab。Maciej Grzybek，教授。哈布博士。Anna Lass，教授。哈布博士。 AleksandraKrzemińska-Gaworska，教授。哈布博士。 Joanna Renke Hanna Suchanek博士Hab博士。 Beata Szostakowska教授。哈布博士。 Krzysztof Korzeniewski教授。哈布博士。 SylwiaMałgorzewicz教授。哈布博士。 WiolettaMędrzycka-dąbrowska教授。哈布博士。 Katarzyna Sikorska教授。哈布博士。 Jolanta Wierzba教授。哈布博士。 Anna Liberek博士Hab。 Agnieszka Zimmermann，教授。大学教授哈布博士。 katarzyna ZorenaAnna Lass，教授。哈布博士。AleksandraKrzemińska-Gaworska，教授。哈布博士。Joanna Renke Hanna Suchanek博士Hab博士。 Beata Szostakowska教授。哈布博士。 Krzysztof Korzeniewski教授。哈布博士。 SylwiaMałgorzewicz教授。哈布博士。 WiolettaMędrzycka-dąbrowska教授。哈布博士。 Katarzyna Sikorska教授。哈布博士。 Jolanta Wierzba教授。哈布博士。 Anna Liberek博士Hab。 Agnieszka Zimmermann，教授。大学教授哈布博士。 katarzyna ZorenaJoanna Renke Hanna Suchanek博士Hab博士。Beata Szostakowska教授。哈布博士。Krzysztof Korzeniewski教授。哈布博士。SylwiaMałgorzewicz教授。哈布博士。WiolettaMędrzycka-dąbrowska教授。哈布博士。Katarzyna Sikorska教授。哈布博士。Jolanta Wierzba教授。哈布博士。 Anna Liberek博士Hab。 Agnieszka Zimmermann，教授。大学教授哈布博士。 katarzyna ZorenaJolanta Wierzba教授。哈布博士。Anna Liberek博士Hab。 Agnieszka Zimmermann，教授。大学教授哈布博士。 katarzyna ZorenaAnna Liberek博士Hab。Agnieszka Zimmermann，教授。大学教授哈布博士。katarzyna Zorena
临床医学中的人工智能
3。在临床医学的人工智能中接受的结论提交：人机接口会议上的生成和交互式系统强调了AI在临床医学中的扩大作用。一系列研究涵盖了AI驱动的医学文本和临床注释分析的进步，到医学图像处理，神经生物学和人机界面的突破，突出了生成和经典AI的潜力，以改善医疗保健。所有提交中一致的主题是强调实用的现实世界应用，显示了AI提高诊断准确性的能力，监测认知症状，分析不同的数据类型并增强临床决策过程。尽管有这些进步，但需要确定临床问题以及对医疗保健中AI技术的持续评估和评估，以确保其安全性，功效和可靠性仍然至关重要。本文介绍的作品对这种正在进行的对话做出了重大贡献，展示了将AI整合到医疗保健景观中的可能性和剩余挑战。参考Duffy，G.，Christensen，K。和Ouyang，D。（2024）。利用3D超声心动图评估AI模型性能在预测分布数据的心脏功能方面。生物计算的太平洋研讨会（PSB）。 Huang，Z.，Bianchi，F.，Yuksekgonul，M.，Montine，T。J.，＆Zou，J。 （2023）。 使用医学Twitter的病理图像分析的视觉语言基础模型。 生物计算的太平洋研讨会（PSB）。 江，Y.，欧文，J。 （2024）。生物计算的太平洋研讨会（PSB）。Huang，Z.，Bianchi，F.，Yuksekgonul，M.，Montine，T。J.，＆Zou，J。 （2023）。 使用医学Twitter的病理图像分析的视觉语言基础模型。 生物计算的太平洋研讨会（PSB）。 江，Y.，欧文，J。 （2024）。Huang，Z.，Bianchi，F.，Yuksekgonul，M.，Montine，T。J.，＆Zou，J。（2023）。使用医学Twitter的病理图像分析的视觉语言基础模型。生物计算的太平洋研讨会（PSB）。 江，Y.，欧文，J。 （2024）。生物计算的太平洋研讨会（PSB）。江，Y.，欧文，J。（2024）。自然医学，29（9），第9条。https：//doi.org/10.1038/s41591-023-02504-3 Javedani Sadaei，H.Zoish：一种新颖的功能选择方法利用了医疗保健中机器学习应用的Shapley添加值。A.，Ng，A。N.，＆Zou，J.vetllm：大型语言模型，用于预测兽医注释的诊断。生物计算的太平洋研讨会（PSB）。 li，A.，Yang，Y.，Cui，H。，＆Yang，C。（2024）。 Brainsteam：基于连接组的FMRI分析对主题分类的实用管道。 生物计算的太平洋研讨会（PSB）。生物计算的太平洋研讨会（PSB）。li，A.，Yang，Y.，Cui，H。，＆Yang，C。（2024）。Brainsteam：基于连接组的FMRI分析对主题分类的实用管道。生物计算的太平洋研讨会（PSB）。生物计算的太平洋研讨会（PSB）。
人工智能：在临床医学中的应用
探索人工智能 (AI) 技术在医学领域的潜力，存在着许多令人兴奋的机会。包括医疗保健在内的所有行业对人工智能的兴趣都大幅增长，部分原因是流行且备受关注的人工智能技术的出现。例如，ChatGPT 的出现使得人们能够以高度易消化的格式快速访问知识和信息（尽管它往往会产生无意义的响应）( 1 )。这些新技术的兴起引起了人们对人工智能革命性医疗保健潜力的极大热情和期待，人工智能可以充当一个公正的观察者，能够有效地处理大型复杂数据集。这种渴望有时会掩盖将人工智能从开发转化为临床实施的实际考虑。虽然将人工智能应用于每个临床问题很诱人，但应该注意的是，并不是每个问题都能用人工智能技术更有效地解决。 ChatGPT 已经为用户提供了一系列有用的“生产力技巧”，相比之下，医疗 AI 技术尚未兑现其改变医疗保健的承诺。这导致一种越来越多的观点认为，这些技术正处于“幻灭低谷”——最初的兴奋和期望尚未实现，从而导致越来越多的怀疑。要从医疗 AI 技术的“幻灭低谷”走向“生产力高原”（图 1），在投资多中心临床试验之前，解决开发和实施的实际考虑非常重要。这需要一套更广泛的工具来了解技术是否适合临床试验并确定采用的障碍。实施科学框架，例如《实施研究综合框架》（CFIR），可以促进循证实践的采用，并考虑干预有效性之外的其他背景（2-4）。跨学科团队对于实现医疗 AI 技术的潜力至关重要，因为并非所有计算机科学专家都是实施科学家或临床医生。如果不结合多种观点、价值观、经验和观点来看待人工智能技术的发展，就会导致偏见。这种偏见可能导致算法行为对历史上服务不足的群体产生负面影响，并可能导致这些人群的漏诊和误诊率更高。例如，皮肤癌图像预测算法被发现对弱势群体的准确性较低 ( 5 )。随着人工智能算法在临床护理中的应用越来越广泛，至关重要的是
临床医学见解：内分泌学和糖尿病
对作者的评论旨在研究蛋黄可叶提取物对氧化应激和炎症标志物的影响，以及糖尿病大鼠中兰格汉胰岛的区域。研究的结果表明，蛋黄叶氏叶乳叶提取物的给药降低了糖尿病大鼠中氧化应激和炎症的标志物的MDA，TNF-α和IL-6的血清水平。研究结果表明，Nutans叶提取物可能在降低糖尿病中氧化应激和炎症的破坏作用方面具有治疗潜力，这可能是通过保护胰腺β细胞的。这可能会导致治疗糖尿病的新治疗选择。总体而言，这项研究增加了关于天然产品在糖尿病治疗的潜在使用的研究，并强调了研究传统药用植物在科学研究中的影响的重要性。这项研究提供了对蛋黄可叶叶蛋白酶叶提取物对糖尿病的潜在治疗作用的宝贵见解，但它也具有一些应考虑的局限性。1。首先，该研究是在动物模型上进行的，尚不确定在人类受试者中是否可以观察到相同的结果。将需要进一步的临床研究来确认果蝇叶提取物对人类糖尿病的影响。2。其次，该研究没有研究果酱叶片提取物对氧化应激，炎症和Langerhans胰岛的影响的机制。3。4。作者有可能确定负责果酱叶霉叶提取物治疗作用的活性化合物以及它们发挥作用的途径。第三，该研究没有比较蛋黄酱提取物与其他标准疗法的糖尿病的作用，例如胰岛素治疗或口服降血糖药物。需要进一步的研究来确定是否可以将果酱叶片提取物用作独立治疗，还是对其他糖尿病治疗的补充治疗。最后，该研究未研究果仁芽孢杆菌提取物的潜在副作用或毒性。必须在将其用作糖尿病的治疗选择之前，确定蛋黄酱叶提取物的安全性。
医疗保健和临床医学中的人工智能
慕尼黑雷（Div>）使用其自由裁量权，最佳判断力和所有合理的努力来编译演讲中包含的信息和组成部分。对于此处包含的任何信息的完整性，正确性，局部性和技术准确性，可能不承担责任。慕尼黑对更新本演示文稿中提供的信息或其他内容或对此进行调整以符合未来事件或发展概不承担任何责任。
临床医学中的人工智能和机器学习，2023
计算机和人工智能 (AI) 概念几乎同时在 20 世纪 40 年代和 50 年代发展起来，医学领域很快就看到了它们的潜在相关性和好处。1,2 1959 年，Keeve Brodman 及其同事声称“对症状做出正确的诊断解释可以是一个在各方面都合乎逻辑的过程，并且定义非常完整，可以由机器完成。” 3 十一年后，William B. Schwartz 在期刊上写道，“计算机科学可能会通过增强甚至在某些情况下在很大程度上取代医生的智力功能来发挥其主要作用。” 4 他预测到 2000 年，计算机将在医学中扮演全新的角色，成为医生智力的强大延伸。
临床医学中的人工智能和机器学习，2023 年
随着计算机和人工智能 (AI) 概念在 20 世纪 40 和 50 年代几乎同时发展起来，医学领域很快就看到了它们的潜在相关性和好处。1,2 1959 年，基夫·布罗德曼 (Keeve Brodman) 及其同事声称“对症状做出正确的诊断解释可以在各方面合乎逻辑的过程，并且定义如此完整，以至于机器也可以完成。”3 十一年后，威廉·B·施瓦茨 (William B. Schwartz) 在该杂志上撰文写道：“计算机科学可能会通过增强、在某些情况下在很大程度上取代医生的智力功能来发挥其主要作用。”4 他预测到 2000 年，计算机将在医学中扮演全新的角色，成为医生智力的强大延伸。然而，到了 20 世纪 70 年代末，人们感到失望，因为医学计算的两种主要方法——基于规则的系统和匹配或模式识别系统——在实践中并没有像人们希望的那样成功。基于规则的系统建立在这样的假设之上：专家知识由许多独立的、针对特定情况的规则组成，而计算机可以通过将这些规则串联起来形成推理链来模拟专家推理。匹配策略试图将患者的临床特征与一组“存储的档案”（我们现在称之为“疾病脚本”）相匹配，5 这是特定疾病的发现之一。人们投入了更多的精力来理解临床决策过程本身。6 很明显，大多数先前程序的关键缺陷源于缺乏病理生理知识。当加入这些知识后，性能大大提高。尽管如此，在 20 世纪 80 年代，计算机还无法胜任这项任务。到 1987 年，基于规则的系统已在各种商业任务中证明有用，但在临床医学中却没有发挥作用。事实上，施瓦茨及其同事指出，“这个过程非常缓慢，即使使用现代高速计算机也不切实际。” 7 他们继续说：“几十年来，医生们一直听说计算机很快就能帮助进行困难的诊断，他们很可能会想知道为什么这场革命还没有发生。” 7
临床医学中的人工智能和机器学习（评论），2023 NEJM，3 月 30 日，...
资料来源：与 Bing 的对话 2023/4/1 （1）临床中的人工智能和机器学习...... https://www.nejm.org/doi/full/10.1056/NEJMra2302038 （2）医学中的机器学习 | NEJM - 新英格兰医学杂志...... https://www.nejm.org/doi/full/10.1056/NEJMra1814259 （3）新英格兰医学杂志：2023 年档案。 https://www.nejm.org/medical-archives/2023 （4）新英格兰医学杂志（日文版）。 https://nejm.jp/ （5）临床中的人工智能和机器学习...... https://www.researchgate.net/publication/369647120_Artificial_Intelligence_and_Machine_Learning_in_Clinical_ Medicine_2023
同济大学2021年优秀博士学位论文名单（81人）
80 胡艺凡 临床医学(皮肤 病与性病学) 史玉玲 iNKT 细胞在银屑病中的免疫表型及功能 变化以及IL-17A 抑制剂对其影响的研究 专业学位