XiaoMi-AI文件搜索系统
World File Search System普及性
人工智能算法的范围审查......
摘要 目的 基于人工智能 (AI) 的临床决策支持系统 (CDSS) 已被开发用于解决医疗问题和加强医疗保健管理。我们旨在回顾文献以确定 AI 算法在内科专科 CDSS 中的趋势和应用。方法 在 PubMed、IEEE Xplore 和 Scopus 中进行了范围界定审查，以确定使用深度学习、机器学习和模式识别的 AI 算法的 CDSS 相关文章。本综述综合了 CDSS 的主要目的、AI 算法的类型和算法的整体准确性。我们搜索了 2009 年至 2019 年期间以英文发表的原始研究。结果 鉴于符合纳入标准的文章数量，本综述分析并展示了 3,467 篇文章中的 218 篇的结果。这 218 篇文章与基于人工智能的内科专科 CDSS 相关：神经重症监护（n = 89）、心血管疾病（n = 79）和肿瘤内科（n = 50）。我们发现 CDSS 的主要目的是预测（48.4%）和诊断（47.1%）。最常见的五种算法包括：支持向量机（20.9%）、神经网络（14.6%）、随机森林（10.5%）、深度学习（9.2%）和决策树（8.8%）。算法的准确率范围在神经重症监护中为 61.8% 到 100%，在心血管疾病中为 61.6% 到 100%，在肿瘤内科中为 54% 到 100%。其中只有 20.1% 的算法具有人工智能的可解释性，即提供人类可以理解的解决方案的结果。结论 更多的人工智能算法应用于 CDSS，对改善临床实践具有重要意义。监督学习仍占内科 AI 应用的大多数。本研究确定了四个潜在差距：对 AI 可解释性的需求、CDSS 的普及性不足、CDSS 的目标用户范围狭窄以及医疗报告标准对 AI 的需求。
糖尿病 肥胖 代谢
1. Chaudhuri A、Ghanim H、Arora P。改善糖尿病肾病肾脏和心血管结局的残余风险：对最近试验的病理生理学、机制和证据的回顾。糖尿病、肥胖、代谢。2022；24(3)：365-376。2. Rossing P、Caramori ML、Chan JCN 等人。KDIGO 2022 慢性肾脏病糖尿病管理临床实践指南执行摘要：基于快速出现的新证据的更新。肾脏国际。2022；102(5)：990-999。3. Neuen BL、Ohkuma T、Neal B 等人。卡格列净对不同水平白蛋白尿患者肾脏和心血管结局的影响：来自 CANVAS 计划的数据。美国肾脏学会杂志。 2019;30(11):2229-2242。4. Bakris GL、Agarwal R、Anker SD 等人。Finerenone 对 2 型糖尿病慢性肾病结果的影响。N Engl J Med。2020；383(23):2219-2229。5. Heerspink HJL、Karasik A、Thuresson M 等人。真实世界临床实践中使用 SGLT2 抑制剂相关的肾脏结果（CVD-REAL 3）：一项多国观察性队列研究。柳叶刀糖尿病内分泌学。2020；8(1):27-35。6. Aggarwal R、Chiu N、Bhatt DL。DAPA-CKD 在美国的普及性。Circ Cardiovasc Qual Outcomes。 2021；14(7)：e007875。7. 肾脏疾病：改善全球预后糖尿病工作 G. KDIGO 2020 慢性肾脏病糖尿病管理临床实践指南。肾脏国际。2020；98(4S)：S1-S115。8. Gaede P、Vedel P、Parving HH、Pedersen O. 强化多因素干预对 2 型糖尿病患者和
脑成像量子技术的未来
我们对大脑的理解和评估大脑健康的能力在很大程度上依赖于磁共振成像 (MRI) 和量子技术，这些技术依赖于物质或辐射的量子特性，如核自旋、纠缠或单个量子的检测。这些技术正在经历资金和研究的复兴，并导致了近年来一些非常令人兴奋的发展，例如，仅根据大脑活动和 fMRI 数据重建图像、视频 [1、2] 和整个句子的语义 [3]。本观点的目的是简要概述一些量子技术，这些技术可能会对这些读脑方法的可穿戴性、精度和成本等产生影响。磁共振成像 (MRI) 是一种非侵入性方法，它依赖于量子效应，带电粒子可以自旋，从而与外部磁场相互作用，提供有关自旋和我们正在探测的物质的构象的信息。一种称为功能性磁共振成像 (fMRI) 的磁共振成像技术通过检测脑内血流的微小变化来测量脑活动，现在可以实现亚毫米级的分辨率，尽管通常存在 5 到 10 秒的时间延迟，这是因为它测量的是血氧水平依赖性 (BOLD) 信号。另一种称为脑磁图 (MEG) 的非侵入性技术则测量细胞水平上随时间变化的电压信号产生的磁场。这里使用的量子技术不在于信号本身的物理特性，而在于检测，这通常是使用超导量子干涉装置 (SQUID) 的极高灵敏度来实现的。与 fMRI 相比，MEG 的空间分辨率较低，为 3 毫米量级，但没有 BOLD 时间延迟。显然，使用 fMRI 和 MEG 对脑部进行更精细的成像可以更深入地了解脑部的运作方式。然而，fMRI 的成本相对较高，严重限制了其普及性，实验范围也受到限制，因为躺在 MRI 扫描仪中并不是动物或人类操作的“自然”环境。基于 SQUID 的 MEG 可穿戴性略高，但仍然很昂贵，主要是因为实验需要放在特殊的房间内，以保护仪器不受干扰。