XiaoMi-AI文件搜索系统
World File Search System产科
人工智能在妇产科住院医师培训中的变革性作用
增强学习和模拟 AI 在妇产科培训中的主要优势之一是它能够通过逼真的模拟提供增强的学习体验。人工智能驱动的虚拟现实 (VR) 和增强现实 (AR) 平台允许住院医师在受控且无风险的环境中练习各种程序，例如盆腔检查、缝合甚至复杂的手术。这些模拟为住院医师提供了一个安全的空间，让他们可以在对实际患者进行手术之前获得实践经验、发展他们的技术技能并提高他们的信心。人工智能算法可以提供实时反馈，指出错误并提出改进建议，从而有助于技能改进。2
34产科患者的心脏骤停
在使用英国产科监视系统的一项前瞻性观察性研究中，对怀孕的心脏骤停（分娩前）进行了调查（Beckett 2017）。作者确定每100,000个产妇的发生率为2.78（36,000分之一； 95％置信区间，CI，2.2-3.6），麻醉（局部麻醉毒性和高神经障碍）是最常见的原因。来自美国全国住院样本的分析（1998-2011）表明，孕产妇骤停在分娩时每100,000次住院每100,000个中有1个或8.5次（95％CI 7.7-9.3 / 100,000; Mhyre 2014）。最常见的原因是出血，心力衰竭，羊水栓塞和败血症。美国的另一项研究研究了院内母体心脏骤停的特征和结果，发现30％的病例发生在送货套件中（Zelop 2018）。
引用：Fischer A、Rietveld A、Teunissen P 等人。人工智能在产科领域的未来是什么？一项医疗保健领域的定性研究
摘要 目的 本研究探讨产科临床医生对人工智能 (AI) 的看法，以弥合研究与医疗实践之间在 AI 应用方面的差距。确定 AI 可以为临床实践做出贡献的潜在领域，使 AI 研究能够与临床医生和最终患者的需求保持一致。设计定性访谈研究。设置 2022 年 11 月至 2023 年 2 月期间在荷兰进行的一项全国性研究。参与者 具有不同相关工作经验、性别和年龄的荷兰产科临床医生。分析定性访谈记录的主题分析。结果 采访了 13 位妇科医生，内容涉及实施 AI 模型的假设情景。主题分析确定了两个主要主题：感知有用性和信任。有用性涉及 AI 扩展人类大脑在复杂模式识别和信息处理方面的能力、减少情境影响并节省时间。信任需要验证、可解释性和成功的个人经验。这一结果显示了两个悖论：首先，人们期望 AI 通过超越人类的能力来提供附加值，但同时也需要了解这些参数及其对信任和采用预测的影响。其次，参与者认识到将众多参数纳入模型的价值，但他们也认为某些背景因素应该只由人类考虑，因为 AI 模型不适合使用这些信息。结论产科医生对 AI 潜在价值的看法凸显了临床医生与 AI 研究人员合作的必要性。信任可以通过随机对照试验和指南等传统方式建立。AI 模型开发应以整体影响指标（例如工作流程的变化而不仅仅是临床结果）为指导。除了传统验证方法之外，还需要进一步研究来评估不断发展的 AI 系统。
累积产科并发症和儿童创伤对具有精神病经历的年轻人的脑量的影响
摘要目标：对高血糖厌恶的情况很少了解和主导。本研究旨在确定高血糖厌恶过程中涉及的心理因素，并了解它如何影响人们对1型糖尿病的自我管理。设计：使用了定性，深入的访谈。方法：使用半结构化参与者访谈的建构主义扎根理论研究，以建立高血糖厌恶过程的理论模型。结果：采访了18名参与者。15个被认为是高血糖厌食症，并包括在分析中。开发了一个理论模型来描述和解释与高血糖厌恶涉及的过程。许多参与者为自己拥有很高的标准，并且经常对控制。一些参与者描述了与较高的血糖相关的焦虑，但他们方法的近端驱动力是自我批评和沮丧，与不符合自己的高标准血糖相关。许多注意力过程和信念，主要与低血糖有关，维持和加强了血糖的偏爱。糖尿病技术是标准的推动者，促进者，以及参与者高血糖厌恶的其他批判性法官。结论：情绪过度控制的跨诊断概念用于理解提出的高血糖厌恶过程模型。本研究的本研究将有助于临床医生识别和
此消息旨在用于所有家庭实践，儿科和产科提供者。
情况RSV活动在全国范围内增加。在洛杉矶县，前哨实验室监视显示RSV每周标本的百分比略有增加。在加利福尼亚州，RSV在10月至3月之间最常见。本沟通提供了有关最近介绍的母体RSV疫苗的信息，以防止其新生儿中发生严重的RSV，并更新考虑了在母体疫苗可用性的情况下管理长效RSV单克隆抗体Nirsevimab。有关对RSV免疫成年人免疫成年人的尾巴，请参见2023年9月6日，拉汉（Lahan），免疫婴儿和老年人，以保护他们免受严重的RSV的侵害。免疫以防止婴儿疫苗接种或使用Nirsevimab免疫的婴儿进行严重RSV，以防止婴儿期RSV下呼吸道感染。对于大多数患者来说，这两种产品都不是必需的，提供者应就两种选择向家庭提供咨询。
与不可报告的产前无细胞 DNA 筛查结果相关的产科、围产期和遗传结局
背景：不可报告的无细胞 DNA 筛查结果的临床意义尚不确定，但在某些情况下，此类结果可能表明胎盘植入不良，并与不良的产科和围产期结局相关。目的：本研究旨在评估一组具有完整遗传和产科结局的患者中不可报告的无细胞 DNA 筛查的妊娠结局。研究设计：这是一项多中心前瞻性观察研究的预先指定的二次分析，该研究旨在通过产前无细胞 DNA 筛查胎儿非整倍体和 22q11.2 缺失综合征。2015 年 4 月至 2019 年 1 月期间接受无细胞 DNA 筛查的参与者可参与研究。产科结局和新生儿基因检测结果收集自美国、欧洲和澳大利亚的 21 个初级保健和转诊中心。主要结果是因胎儿分数低或其他原因而无法报告的无细胞 DNA 筛查后发生不良产科和围产期结局（非整倍体、孕龄 < 28、< 34 和 < 37 周早产、先兆子痫、小于胎龄或出生体重 < 孕周第 10 百分位数，以及包括孕龄 < 37 周早产、先兆子痫、小于胎龄和孕龄 > 20 周死产的综合结局）的风险。进行了多变量分析，调整了已知与产科和围产期结局、无法报告的结果或胎儿分数相关的变量。结果：总共筛查了 25,199 名孕妇，纳入了 20,194 人。 1165 人（5.8%）缺少基因确认，1085 人（5.4%）失访，93 人（0.5%）退出研究；最终研究队列包括 17,851 名（88.4%）具有无细胞 DNA 的参与者，
意大利产科调查的前瞻性队列研究-IRIS
目标：关于SARS-COV-2 Omicron变体对接种疫苗和未接种疫苗的孕妇的影响的证据很少。根据疫苗保护，这项研究旨在比较意大利的Omicron波浪中感染SARS-COV-2的妇女的孕产妇和围产期结局。方法：这项国家前瞻性队列研究在2022年1月1日至5月31日住院后7天内招募了SARS-COV-2鼻咽为正的孕妇。怀孕期间至少接受了一剂疫苗的妇女，以及第一次助推器完成疫苗周期的妇女被认为是免受中度或重度COVID-19（MSCD）的保护。多变量逻辑回归模型评估了疫苗保护与疾病严重程度之间的关联。产妇年龄，教育水平，公民身份，出生领域，以前的合并症和肥胖症被分析为潜在的危险因素。结果：MSCD很少见（41/2147，1.9％; 95％CI，1.4 E 2.6），并且未经保护的妇女的开发几率明显更高（OR，2.78; 95％CI，1.39 E 5.57）。与受保护的妇女（n¼1069）相比，未受保护的（n¼1078）更年轻，教育程度较低和外国人。在先前合并症（OR，2.86; 95％CI，1.34 E 6.12）和出生在亚洲国家（OR，3.05; 95％CI，1.23 E 7.56）的女性中发现了MSCD的较高概率。与温和病例相比，MSCD女性的早产百分比更高（32.0％[8/25]，而8.4％[161/1917]，p <0.001）以及剖宫产的百分比（52.0％[13/25] ves 31.6％[606/1919]，p 0.0029）。讨论：尽管严重的母亲和围产期结局很少见，但其患病率显着 - 没有疫苗保护的妇女较高。怀孕期间的疫苗接种有可能保护母亲和婴儿，因此强烈建议使用。Edoardo Corsi Exenti，Clin Microbiol Infect 2023; 29：772©2023欧洲临床微生物学和传染病学会。由Elsevier Ltd.发布的所有权利保留。
精神分裂症的产科并发症和遗传风险
环境危害是造成精神病风险的关键因素，其时机延伸到产前和围产期，童年，青少年时代和成年早期。1它们的重要性已在精神病的发育风险因素模型中系统化，该模型将神经发育的观点扩展到围产期时期，以纳入不良儿童期和青少年环境暴露对大脑发育的影响。2尽管如此，由于此阶段正在进行的大脑成熟事件，产前和围产期时期被认为是特有的窗口，因此对环境侮辱的脆弱性尤其增加。3产科并发症（OCS）因此，在最强大的环境风险方面已经确定了1,4,5，而怀孕，劳动，分娩和新生儿早期的不良事件已与后来的精神病发作有关。6最近的一项荟萃分析试图总结自OCS在精神病风险中作用的文献以来的最后20年中添加的证据。7作者研究了不同类型侮辱的关联的大小，并确定怀孕的几种并发症是精神病发展的重要危险因素。他们还确定了胎儿生长和发育异常的几个重要提示。然而，在检查劳动力和分娩并发症时，没有一个被确定为重要的危险因素，除了窒息外，作者报告了潜在的出版偏见。12,13尽管OCS与精神病风险之间存在显着关联，但与健康对照相比，几项基于人群的研究并未确定下一步发展精神分裂症（SZ）的个体中OCS的过量暴露。8 - 10认为，这种差异被认为是由于几个潜在的因素的组合，包括不同的样本量，严重程度阈值和评级方法，但最终反映了SZ异质遗传风险的作用。11与这一观点一致，基于人群的几项研究专门评估了OCS的发生率和SZ母亲出生的婴儿的发病率，报道了过量的不良生殖事件。
从妇产科到泌尿妇科的人工智能最新发展
在当今的医疗实践中，临床医生需要处理大量数据才能改善患者的治疗效果。有时，一名临床医生需要处理数千张超声图像或数百份实验室结果。为了克服这一短缺，计算机寻求人类的帮助，并接受了“人工智能”方面的教育。我们在日常生活中使用人工智能（例如 Google、Netflix 等），但在医学领域的应用相对较新。在妇产科，人工智能模型主要使用超声图像进行诊断，但如今，研究人员开始使用其他医疗记录（如无压力测试或尿动力学研究结果）来开发人工智能应用程序。泌尿妇科是妇产科的一个发展中的分支，关于泌尿妇科人工智能的文章有限，但在这篇评论中，我们旨在增加临床医生对这种新方法的了解。
人工智能在产科的应用
随着 IBM Watson Health 的出现，医疗人工智能 (AI) 开始受到关注，并在各个领域迅速发展，改进和应用 AI 到临床实践的努力比以往任何时候都更加活跃。特别是，由于大数据的积累，使用 AI 的技术正在许多领域实现商业化，尤其是使用人工神经网络 (ANN) 分析医学图像的深度学习已被认为是最接近临床应用的技术。机器学习是 AI 的一种基本方法，它使用数据、从数据中学习并自行做出决策或预测；然而，机器学习需要一些指导。深度学习是机器学习的一个子类型，通过深度学习，ANN 本身可以判断预测的准确性 [1]。使用深度学习的 AI 应用已经超出了计算机断层扫描、磁共振成像 (MRI)、超声检查 (US) 和病理切片的范围，包括使用内窥镜检查（包括视觉和肠道图像）诊断或确定疾病严重程度 [2–5]。不同的公司一直在开发和商业化基于 AI 的视频平台。本综述的目的是介绍产科领域正在研究和开发的人工智能技术。