XiaoMi-AI文件搜索系统
World File Search System叙述性
铁蛋白纳米笼案例叙述性评论
摘要：蛋白质纳米笼因其独特的结构、卓越的生物相容性和高度定制能力而得到了广泛的研究。特别是，铁蛋白纳米笼 (FN) 已被用于运送各种各样的分子，从化疗药物到成像剂等等。FN 的主要优点之一是它们对转铁蛋白受体 1 的内在靶向效率，该受体在许多肿瘤中过度表达。此外，可以通过基因操作引入新的变体，以提高这种多功能药物输送系统的负载能力、靶向能力和生物利用度。在这篇综述中，我们讨论了 FN 的主要特征以及这种有前途的纳米技术在肿瘤学领域的最新应用，特别强调了实体肿瘤的成像和治疗。
人工智能在眼科中的应用：叙述性综述
通过应用一组过滤器来处理数据，以产生最终响应（例如输出）。神经网络自行设置训练过程中使用的过滤器的权重。过滤器在训练阶段之前定义，但可以在学习过程中进行优化。在学习阶段，可以提高算法性能。在训练期间分配数据时，可以监督此阶段。它也可以是无监督的，在这种情况下，设备会创建自己的输入样本。算法的训练和开发阶段通常分为训练、验证和测试数据集。这些数据集不应重复：因此，其中一个数据集（例如，训练）中的图像不应在任何其他数据集（例如，验证）中使用。训练阶段使用的数据集可以作为子集，并且可以通过反向传播收集的信息进行优化。验证中使用的数据集用于选择参数和调整，以及实施训练条件。训练阶段结束后，使用独立的测试数据，这些数据是使用不同的设备从不同临床环境下的不同人群中捕获的。
人工智能与阿片类药物的使用：叙述性评论
摘要 背景 人们担心使用阿片类药物治疗慢性非癌症疼痛的人的益处和危害之间的平衡。正在开发使用人工智能 (AI) 的技术来检查和优化阿片类药物的使用。然而，这项研究尚未综合确定正在开发的 AI 模型的类型及其应用。 方法 我们旨在综合探讨 AI 在服用阿片类药物的人群中的应用的研究。我们于 2021 年 1 月 4 日搜索了三个数据库：Cochrane 系统评价数据库、EMBASE 和 Medline。如果研究是在 2010 年之后发表的、在涉及人类的现实社区环境中进行的，并且使用 AI 来了解阿片类药物的使用情况，则将其纳入。提取并进行描述性分析有关 AI 模型类型和应用的数据。 结果 我们的审查纳入了 81 篇文章，代表超过 530 万参与者和 1460 万条社交媒体帖子。大多数（93%）研究是在美国进行的。人工智能技术的类型包括自然语言处理（46%）和一系列机器学习算法，最常见的是随机森林算法（36%）。人工智能主要用于阿片类药物的监测和监控（46%），其次是风险预测（42%）、疼痛管理（10%）和患者支持（2%）。很少有人工智能模型可供采用，大多数（62%）处于初步阶段。结论各种人工智能模型正在开发和应用，以了解阿片类药物的使用情况。然而，需要对这些人工智能技术进行外部验证和严格评估，以确定它们是否可以改善阿片类药物的使用和安全性。
人工智能在外科手术中的未来：叙述性回顾
1. 心胸外科，哈里菲尔德医院，盖伊和圣托马斯 NHS 基金会，伦敦，英国 2. 重大创伤服务，伯明翰大学医院 NHS 基金会，伯明翰，英国 3. 医学，永久救助系统数据大学 - 乔内尔塔基金会医学院，拉斯皮尼亚斯，菲律宾 4. 内科，梅奥医院，拉合尔，巴基斯坦 5. 医学和外科，全印度医学科学研究所，焦特布尔，焦特布尔，印度 6. 放射科，西北大学，拉合尔，巴基斯坦 7. 医学和外科，圣约翰医学院医院，拉吉夫·甘地健康科学大学，班加罗尔，印度 8. 医学，圣马丁德波雷斯大学，利马，秘鲁 9. 社区医学，法蒂玛·真纳医科大学，拉合尔，巴基斯坦 10. 内科，沙拉玛尔医学和牙科学院，拉合尔，巴基斯坦 11. 全科医生，开罗大学，开罗，埃及
影响心率变异性的因素——叙述性综述
心率变异性 (HRV) 的测量和分析基于连续 NN 间隔之间的变化，自第一份指南发布（欧洲心脏病学会和北美起搏和电生理学会工作组，1996 年）以来，在过去 20 年里已成为一种既定程序。不仅记录技术取得了进步（更小、更便携、更精确的设备）（Koerber T 等人，2000 年），而且现在还可以通过小型胸带和脉搏监视系统测量 NN 间隔（Wallén 等人，2012 年）。技术发展降低了记录和分析的成本，并促进了门诊应用。HRV 在临床医学中也变得越来越重要，特别是作为既定的诊断程序的补充或监测进展。这需要对记录和分析 HRV 有基本的了解，可参考相关指南（欧洲心脏病学会和北美起搏和电生理学会工作组，1996 年；Sassi 等人，2015 年；Sammito 等人，2024 年）。
航空业的压力和工作量评估——叙述性回顾
摘要：在航空业中，任何细节都可能产生巨大后果。在潜在的故障源中，人为错误仍然是最难处理的。因此，关于心理工作量、注意力和压力管理的研究在航空业中特别受关注。识别飞行员过度挑战或无法清醒行动的情况可以避免严重的后果。此外，深入了解飞行员的神经生理和认知行为反应可以优化设备和程序，以最大限度地降低风险并提高安全性。此外，它可以转化为飞行员身心健康的全面增强，创造更健康、更符合人体工程学的工作环境。本综述汇集了关于民用和军用飞机飞行员特定情况下压力和工作量研究的文献。本综述探讨了在航空电子背景下研究这些现象的最常见方法，重点是客观方法（例如，收集和分析神经生理信号）。本综述旨在确定各种方法的优点、缺点和适用性，以便设计出最佳方案来全面研究这些问题。
对糖尿病患者视网膜病变的叙述性评论
糖尿病患者可能有眼部疾病的风险，例如由于糖尿病和眼睛的水肿引起的视网膜病变。因糖尿病而引起的视网膜病变患者对视网膜和眼后的持续损伤，这是光敏的。这是糖尿病患者面临的显着并发症，威胁着患者的视力。糖尿病可以抑制人体摄入和维持血糖水平的潜力，从而导致一些健康问题。血液中的葡萄糖过多会影响人体的眼睛和其他器官。糖尿病在长时间内对视网膜的血液供应系统产生影响。与糖尿病相关的视网膜病可以导致失明，因为流体可以流入黄斑，这对于保持清晰的视野至关重要。大黄斑虽然尺寸很小，但它是使我们能够很好地理解颜色和良好特点的区域。流体会膨胀黄斑，导致视野受损。在新血管形成期间形成的弱的，不规则的血管可能会导致眼睛后端出血，从而阻塞视野。眼睛的血管渗漏血液和其他液体，导致视网膜组织增大和视力阴影。通常，疾病会影响两只眼睛。糖尿病性病变更有可能发展。如果未经治疗，由于糖尿病引起的视网膜病可能会导致失明。
医学生使用人工智能工具进行研究：叙述性综述
随着数字化时代的到来，人工智能 (AI) 驱动的工具/算法的开发打开了一扇新的大门，这些工具/算法可以帮助分析上传到云端的大量数据。基于 AI 的工具/算法在研究领域创造了一个利基市场。AI 使研究人员和从业者能够更有效地访问和评估大量科学论文。这可以链接过去的类似研究并突出研究差距，从而加速文献综述、证据生成和知识发现过程。医学生可以从各种基于 AI 的文献组织和引用解决方案中获得帮助。这些工具/算法促进了多个研究中心之间的安全信息交换、协作研究和沟通。然而，AI 驱动的研究需要人类专家的指导和监督，以提高进入科学数据库的内容的准确性、连贯性和可信度。本评论的主要目标是讨论和评估各种基于人工智能的工具/算法及其可帮助医学生进行医学研究的主要功能。
利用人工智能 (AI) 诊断精神疾病：叙述性评论
引言 人工智能是指在机器中模拟人类智能，机器被设计成像人一样思考并复制他们的行为 [1]。人工智能技术专注于主动操纵环境、做出基于共识的决策、利用机器人技术和采用集体智能技术。根据系统功能水平，人工智能可分为几种类型：具有自我意识、有限记忆、心智理论和反应机器的人工智能 [1]。以下程序和技术可与人工智能结合使用来解决实际问题：深度学习、机器人、专家系统、模糊逻辑、自然语言处理和机器学习 [1]。精神障碍会影响心理、社会、行为和情绪健康 [1]。疾病、体征和症状表现的多变性，再加上对病因途径理解的局限性，使得精神障碍的诊断具有挑战性。 《精神障碍诊断和统计手册》（DSM-5）和《国际疾病分类》（ICD-11）是目前诊断精神疾病方法的基础 [1]。使用诊断工具诊断精神问题、采访家庭成员或护理人员以及收集健康史的过程可能非常耗时且耗费资源 [2]。
局部晚期肝内胆管癌的治疗：叙述性综述
导致进行性突变，进而促进细胞增殖 (2-5)。ICC 是一种侵袭性癌症，通常发病较晚，因此诊断时已是晚期。事实上，大多数 ICC 患者都患有转移性疾病，治疗主要包括姑息化疗。即使在局部疾病患者中，也有相当一部分无法切除，因此被视为局部晚期。局部晚期 ICC 的治疗很重要，因为扩大手术指征和通过全身和肝脏治疗有效降期可以使一部分患者获得治愈性治疗。此外，有效的肝脏治疗对于长期局部区域控制也很重要，即使在没有手术切除的情况下也是如此，这对于姑息和肿瘤学目的至关重要 (6)。因此，本文的目的是提供有关当代局部晚期 ICC 多学科治疗的最新文献摘要。我们根据叙述评论报告清单（网址为 https://cco.amegroups.com/article/view/10.21037/cco-22-115/rc）提交了以下文章。