64 全部文章 · 20 / page
标签
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。
本综述评估了从噪声单导联心电图(ECG)中预测心力衰竭风险的人工智能算法,综合了来自大型多国队列的证据,强调了AI-ECG模型在传统临床评分之外改善风险分层的优势。
PANORAMA研究表明,人工智能模型在常规对比增强CT上检测胰腺导管腺癌(PDAC)的AUC值(0.92)高于68名放射科医生(AUC 0.88),提示早期检测潜力。多中心验证使用了组织病理学和≥3年的随访作为参考标准。
一项国际队列研究开发并外部验证了人工神经网络,用于分层接受根治性放化疗的老年局部晚期头颈部鳞状细胞癌(HNSCC)患者。模型显示出中等的区分能力(总生存期 AUC 0.68,无进展生存期 AUC 0.64),其中 HPV 状态、肾功能、ECOG 评分和淋巴结分期是最主要的预测因子。
一个由AI驱动的筛查项目(ATTRACTnet)应用于心电图、超声心动图、人口统计学和骨科病史,显著增加了转甲状腺素心脏淀粉样变性(ATTR-CM)的病例检测,并在目标人群中迅速启动了治疗。
一种生成患者特定数字孪生的人工智能驱动决策辅助工具(AI-DA)提高了决策质量,减少了决策冲突和后悔,并在考虑全膝关节置换术(TKA)的患者中产生了比单独教育更好的6-9个月膝关节功能。
本综述考察了首个第3阶段随机试验,证明了人工智能驱动的糖尿病预防计划生活方式干预在改善体重减轻、HbA1c和体力活动方面与人类指导不相上下。
一种由人工智能驱动的模型能够从CT扫描中准确检测HPV阳性的口咽癌的影像学结外扩展,其预测结果优于放射科专家的评估,有助于识别生存率和复发风险较高的患者。
本研究表明,与传统的病理学家方法相比,人工智能算法在黑色素瘤中对肿瘤浸润淋巴细胞的评估更具可重复性和预后相关性,为改善临床决策提供了有希望的工具。
常规组织学中人工智能检测的肿瘤浸润淋巴细胞能够独立预测接受抗PD-1治疗的晚期黑色素瘤患者的反应和生存,优于手动评分,并提供一个可及的免疫检查点抑制剂疗效生物标志物。
人工智能在从临床图像中识别猴痘和其他肛门生殖器条件方面表现出高准确性,但在临床应用前仍存在显著的研究空白和验证需求。
AIRE-CHB,一种新型的人工智能增强心电图模型,显著提高了对新发完全性心脏传导阻滞的预测能力,优于传统的双束支阻滞评估,并在风险分层和管理中展现出临床应用潜力。
一项多中心试验表明,将基于人工智能的计算机辅助检测与水交换结肠镜检查结合使用,可以显著增加每次结肠镜检查中检测到的腺瘤数量,而不会延长手术时间或增加非肿瘤性病变的检测。
一项随机对照试验评估了人工智能辅助框架在电诊断报告解读中的应用,发现与标准医生报告相比没有显著改善,但强调了常规病例中潜在的工作流程优势。
AID-ME试验表明,基于人工智能的临床决策支持系统显著提高了中度至重度主要抑郁症的缓解率,并加速了症状改善。
一项评估基于AI的平台Diagnocat的研究显示,该平台在检测非根管治疗磨牙的根尖透射影方面具有高敏感性但中等特异性。根管治疗后的准确性降低,强调了临床医生监督的重要性。
一项随机对照试验表明,将基于深度语言学习模型(DLM)的模拟整合到外科培训中,显著提高了高年级医学生的病史采集技能和沟通信心。
一项随机对照试验表明,人工智能辅助适度提高了牙医在诊断根尖周透射影(PRs)时的准确性,主要通过减少假阳性,对初级临床医生尤其有益,并促使治疗决策更加保守。
这项随机试验表明,使用深度语言学习模型作为模拟患者可以显著提高高年级医学生在临床轮转期间的外科病史采集技能和自信心。
一项为期28天的随机对照试验表明,基于大型语言模型训练的对话型AI通过在短视频应用中集成对话干预,有效减少了年轻人的轻度抑郁和焦虑症状。