简介:摘要人工智能(AI)已广泛用于眼部相关疾病的辅助诊断、治疗过程监测和预后判断,随着AI技术在眼科诊疗中应用研究的不断发展,AI的作用日益受到关注。眼睛是由神经组织、肌肉组织、腺体组织和骨组织等组成的复杂感觉器官,其解剖的透明性特点为眼科疾病及部分全身疾病诊断的检查提供了可视化条件,为AI技术的广泛应用奠定了医工交叉研究的基础,使眼科成为AI技术在医学诊疗中应用的主要领域。然而,AI-医疗交叉研究涉及人体大数据和影像结果的使用,其临床应用面临诸多伦理问题,而目前AI与医务人员对AI在医学研究中应用的伦理规范意识尚未建立,各管理层面对相关的伦理规范指导性和监管系统尚未完全形成。中国医药教育协会数字影像与智能医疗分会、中国医药教育协会智能医学专委会组织眼科专家、AI相关专家和科技伦理相关专家组成"眼科人工智能临床应用伦理专家共识(2023)"专家组,针对AI在眼科应用临床实践中存在的法律法规进行复习,对存在的伦理风险进行多维度、多层次梳理、讨论并提出建议或解决方案,目的是在保障患者数据安全和个人权益的同时,提高医务人员工作质量和效率,推动我国眼科AI的临床应用和发展。
简介:摘要随着人工智能(AI)与各个领域的结合,AI已经成为当今社会的研究热点。目前医疗行业人员的短缺及医学诊断准确率的提高使得AI在医疗行业的应用非常重要,尤其是医学影像诊断方面。AI辅助诊断将会提高疾病的检出率,为临床医师提供更有效的诊断和治疗信息,同时减少影像医师的重复工作,节省出更多的时间研究疑难病例。笔者简要介绍医学影像AI,结合国内外最新和最有影响力的研究成果,阐述医学影像AI的研究新进展。
简介:摘要目的针对医学人工智能项目在科研管理领域中存在的问题提出建议。方法本文介绍了人工智能的概念,及其在医学科研管理领域的应用,梳理了医院人工智能类项目现状及存在问题,并针对问题提出可行的对策。结果医院在研人工智能项目共16项,在管理过程中发现,该类项目存在监管法规及行业标准缺失、合作双方沟通障碍凸显、医疗大数据采集、共享、质控尚待规范和伦理风险较高等问题。结论科研管理人员应针对医院在研人工智能项目管理中存在的问题,提出健全的管理制度,完善监管机制;加强顶层指导,提高从业能力;注重过程管理,精细业务流程;着力数据监管,促进业态提升;厚植人才培养,助力全面发展;强化伦理意识,把控管理风险等对策。
简介:摘要目前人工智能(AI)在多种眼科疾病的诊断治疗中取得了日益广泛的应用,但依然存在很多问题。由于AI产品的准确性缺乏标准测试集、金标准以及公认的评价体系,难以对多项研究结果进行横向比较。而在图像生成领域,评价体系更存在较大空白。在临床应用中,眼科AI研究常与临床实际需求脱节,被寄予了过高的期望,且对临床数据的质量及数量均具有较高的要求,限制了AI研究成果转化。利用眼底影像对全身性疾病进行预测、识别是新晋的研究热点,但其研究结果缺乏可解释性,限制了临床医生的接受度。眼科AI研究也因缺乏完善的法律规定、监管机制,涉及患者隐私风险及数据安全,且存在因商业化加重医疗资源不公平性的风险,而饱受伦理争议。
简介:摘要目的探讨中国医学影像人工智能(AI)发展现状,为AI的发展提供数据支持。方法2022年5月,中华医学会放射学分会和中国医学影像AI产学研用创新联盟携手以调查问卷形式在全国发起中国医学影像AI应用现状和发展需求调研。本次调研分别围绕医学影像AI临床应用、企业发展以及在高校的教育需求等面向不同人群开展,并进行描述性统计分析。结果中国医学影像AI在临床应用、企业发展及教育教学方面取得了长足发展。临床应用方面,90.8%(5 765/6 347)的调查者对AI有了初步以上的了解,62.1%(3 798/6 119)的医师表示科室中已经有医学影像AI产品的应用,AI产品目前已经在医学影像检查全流程中展开应用,尤其是辅助诊断,肺结节AI筛查应用占比达到89.5%(3 401/3 798)。制约医学影像AI快速发展的主要因素为人才缺乏[47.3%(3 002/6 347)]、数据质量低[45.7%(2 898/6 347)]和产品功能不完善[40.4%(2 566/6 347)]。企业方面,规模在100人以下占比为65.4%(17/26),规模在100人以上的企业占比为34.6%(9/26),企业当前主要的使用对象面向二级以上医院,占比约92.3%(24/26)。教育方面,不同层次学校目前开展的AI课程、实践操作以及讲座的数量和质量各不相同,其中硕博士AI课程开设最多,占比约22.5%(86/381),而针对专科生、本科生及规培生开设AI课程占比均小于15%,超过60%学生均表示学校有必要加开AI类课程,其中硕博士对加开AI类课程需求最大[84.8%(323/381)]。结论中国医学影像AI发展及普及继续繁荣向好,机遇与挑战并存,要坚持临床需求为导向,实现临床应用、企业发展及教育教学的协同发展。
简介:摘要慢性鼻窦炎(CRS)是涉及多种潜在病理生理机制的异质性炎性疾病,这种病理生理的特征被定义为CRS内在型。清晰地定义CRS内在型可以帮助临床医师精准预测哮喘合并症及疾病复发的可能性,并且为生物制剂的选择和手术方式的优化提供个性化的指导策略。近期,随着数字信息化在CRS临床应用的迅猛发展,人工智能特别是基于全玻片图像扫描的深度学习技术在CRS内在型的精确诊断中展露了重要的作用。本文概括了近期有关国人CRS内在型和人工智能在CRS内在型诊断及治疗策略中的相关研究。