63 全部文章 · 20 / page
标签
一项使用人工智能分析放射学报告的回顾性队列研究揭示了偶然甲状腺发现（ITFs）的高流行率，与诊断级联的强烈关联，以及低风险甲状腺癌潜在的过度诊断。
对AI生成的临床记录进行横断面评估发现，其质量显著低于人类生成的记录，特别是在详尽性、组织性和实用性方面。
VITAL-AF试验分析显示，结合基于ECG的人工智能与临床风险评分显著提高了房颤筛查效率。研究证明，高危个体从筛查中受益最大，其中CH-AI风险最高十分位数的筛查人数需求仅为每年43人。
研究人员开发了一种基于人工智能的框架，揭示了肝细胞癌中肿瘤间质比与死亡率之间的非线性关系，通过一种新颖的令牌引导多模态融合方法，提高了预后的准确性，超越了传统方法。
研究人员开发并验证了ADAPT-CEC，一种可以裁决不同试验定义下心血管事件的人工智能算法。结合AI与选择性人工审查的混合方法达到了95.6%的准确率，并复制了主要试验结果。
一项大规模多中心随机对照试验（RCT）研究了人工智能辅助胃肿瘤检测，发现病理确诊检测率无显著提高，但显著减少了操作盲点，并对经验较少的内镜医师有明显益处。
本综述评估了突破性的ECG2HF模型，这是一种公开可用的人工智能工具，使用12导联心电图波形在预测10年心力衰竭风险方面优于标准临床评分。
《美国医学会杂志·眼科学》（JAMA Ophthalmology）的一项多中心研究介绍了一种使用域迁移技术的深度学习模型，该模型能够准确检测不同OCT硬件供应商的黄斑疾病，具有高阴性预测值，并建立了适用于各种临床环境的稳健分诊系统。
MASAI试验表明，AI辅助乳腺X线摄影筛查在保持特异性和显著减少放射科医生工作量的同时，实现了更高的敏感性和不劣于标准双读的间期癌发生率。
TRICORDER试验表明，尽管AI听诊器能够检测心力衰竭、心房颤动和瓣膜病，但在英国初级保健中的实际应用并未在12个月内显著增加新诊断的数量。
一项涉及30名眼科医生和住院医师的交叉研究显示，虽然Claude-3.5-Sonnet协作在复杂病例中提高了诊断准确性，但也增加了对错误决策的信心，并且未能达到单独使用AI的性能水平。
这项多机构研究验证了Neuropath-AI，这是一种通过从组织病理学切片推断分子特征来预测中枢神经系统（CNS）肿瘤类型的深度学习系统。该模型在高置信度样本中达到了80%的Top-1准确率，为神经肿瘤学诊断提供了可扩展的工具。
单中心研究表明，基于CT的淋巴结分割和影像学外侵（iENE）分类的人工智能管道在预测HPV阳性口咽癌患者的预后方面显著优于传统的放射学评估，能够更有效地识别高风险患者。
发表在《NEJM AI》上的一项纵向研究评估了七种生成式AI聊天机器人对酒精滥用的支持情况，发现尽管它们在同理心和非评判性语言方面表现出色，但经常提供低质量或不准确的医疗信息，突显了临床应用中的关键安全问题。
这项独立验证研究表明，AI增强的ECG模型能够有效检测不同人群中的左心室收缩功能障碍，AUROC最高达到0.93。然而，在模型透明度和数据共享方面仍存在显著障碍，影响临床应用。
一项随机多方法研究揭示，尽管AI临床决策支持系统在抗生素转换中受到欢迎，但其主要影响是强化保守处方。研究表明，可用性和临床证据比AI解释在护理点的重要性更高。
经过验证的多模态AI模型利用数字病理学和临床数据显著改善了前列腺癌生化复发患者的危险分层，识别出最能从挽救性激素治疗中获益的患者。
对PanaMa试验的深度学习分析显示，在RAS野生型转移性结直肠癌（mCRC）患者中，高肌肉-骨骼比（MBR）患者的维持治疗中加入帕尼单抗的获益显著更高，这表明了一种新的AI驱动的个性化肿瘤学方法。
一项开创性的研究利用AI分类器证明，ARDS炎症表型是动态变化的，并决定了皮质类固醇的有效性。虽然高炎症患者从类固醇中获益，但低炎症患者面临更高的死亡率，这需要实时监测表型以优化重症监护干预措施。
基于AI的常规胸部CT分析显示，冠状动脉钙化在IMID患者中高度普遍，并且强烈预测主要不良心血管事件(MACE)和全因死亡率，识别出这一高风险人群中的关键治疗缺口。
