|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 卒中:回眸2020显示文摘2020年,2019冠状病毒病(coronavirus disease 2019,COVID-19)肆虐全球,给全世界人民带来了沉重的打击。同时,全球的医务工作者临危受命奔赴一线,为世界人民筑起了健康的防护墙。难能可贵的是,在如此艰难的时期,国内外医学界的同道为我们贡献了诸多意义非凡的研究结果。在2021年初,让我们回眸2020,共同梳理过去一年在卒中领域影响深远的基础和临床研究,把握卒中发展的新方向。 | 王拥军 熊云云 杨佳蕾 李光硕 闫然 王文洁 瓮佳旭 上官艺 | 2021 | 中国卒中杂志2021，16，2： | 34 |
| 2 | 眼科人工智能研究存在的主要问题及对策显示文摘人工智能(artificial intelligence,AI)技术与医学的结合是当前趋势,眼科学因丰富的影像资料成为研究热点。目前,关于糖尿病视网膜病变、年龄相关性黄斑变性及青光眼等常见致盲眼病已有较多AI研究,相关成果已逐步应用于临床实践,但同时面临许多挑战。就眼科及整个医疗领域而言,AI研究存在研究流程不规范、透明性及可重复性缺乏、结果报告不标准等问题,降低了AI研究的质量以及不同研究间的可比性,减缓了AI产品临床应用进程。本文概述眼部疾病AI研究现状及现存主要问题,并简要介绍当前医疗领域AI研究需遵循的标准和规范,旨在进一步规范眼科领域AI研究,促进AI技术与眼科高效结合及有效应用。 | 王亚星 薛灿灿 李建军 | 2021 | 眼科2021，30，2： | 10 |
| 3 | 医学大数据与人工智能标准体系:现状、机遇与挑战显示文摘医学大数据和人工智能(artificial intelligence,AI)在提升医学资源利用率和服务质量方面具有极大的潜力,但同时也在隐私保护和技术风险方面带来挑战。标准是构造、评价和应用新技术的共识和规范,医学大数据和AI在临床的应用迫切需要制订数据、系统、计量标准以及应用和评价新技术的行为规范。本文定义了医学大数据与AI标准的内涵,包括数据相关标准、公共数据集、测试基准、行为规范;总结了医学大数据和AI标准的现状、潜在问题及挑战;在展望医学大数据与AI发展前景的同时,提出了结合大数据/AI增强的系统和医学科学大装置的系统新架构。 | 张知非 杨郑鑫 黄运有 詹剑锋 | 2021 | 协和医学杂志2021，12，5： | 8 |
| 4 | 欢迎人工智能临床研究的新指南显示文摘目前,人工智能在医学领域的临床试验数量十分有限,因此相关研究方案和报告的首份指南的出现恰逢其时。更好的研究方案设计,以及一致、完整的数据展示将极大地促进对这些试验的理解和验证,并促进该领域向前发展。 | 熊云云(译) 李子孝(译) 丁玲玲(译) 谷鸿秋(译) 王春娟(译) 王春雪(译) 王拥军(译) TOPOL E J | 2020 | 中国卒中杂志2020，15，11： | 7 |
| 5 | 糖尿病视网膜病变眼底彩照人工智能研究标准数据库的建立规范显示文摘近年来,随着人工智能技术的兴起,世界范围内对于眼底病尤其是糖尿病视网膜病变的人工智能识别研究越来越多,但不同人工智能识别软件准确度的验证与比较问题尚未解决。本文对北京协和医院眼科在建立1.5万张糖尿病视网膜病变眼底彩照人工智能研究标准数据库的过程中所遵循的规范进行阐述,以期为后续眼科以及其他相关学科建立更多的相关数据库提供参考。 | 于伟泓 张潇 吴婵 陈欢 杨治坤 贺峰 张枝桥 张碧磊 巩迪 王月麟 杨景元 李冰 孙燕媛 马亚静 陆慧琴 夏蔚 周伟 张东磊 潘庆敏 杨宁 王淑娜 孙晓蕾 遇颖 苏畅 万博 汪明启 王敏 陈有信 | 2021 | 协和医学杂志2021，12，5： | 6 |
| 6 | 人工智能医疗器械标准体系设计探索显示文摘目的研究AI医疗器械质量评价需求和标准体系设计。方法围绕国内外AI医疗器械监管政策与标准化动态,开展文献调研;结合产品测试经验,分析AI医疗器械标准发展的方向和定位。结果AI医疗器械的标准体系需要面向产品全生命周期监管与质量管理的需要,协调推进基础标准、方法标准的制修订,在时机成熟时进一步发展产品标准、管理标准。结论本文研究的策略有助于推动AI医疗器械标准化工作,完善质量评价体系。 | 王浩 唐桥虹 郝烨 孟祥峰 李佳戈 李静莉 | 2021 | 中国医疗设备2021，36，12： | 5 |
| 7 | 基于人工智能干预的临床试验研究进展显示文摘随着越来越多的人工智能技术被开发应用于医疗卫生领域,近年来以人工智能为干预的临床试验开始不断出现。本文将介绍以人工智能为干预措施的临床试验的发展现状、方案指南、报告规范和面临的挑战与展望,以便于未来研究者规范地开展此类临床试验,推动人工智能技术在医疗卫生领域的发展与应用。 | 许璐 王胜锋 詹思延 | 2021 | 中华疾病控制杂志2021，25，1： | 2 |
| 8 | 基于深度学习脑血管病智能影像检测规范化研究设计的中国专家建议显示文摘近年来,随着人工智能,特别是深度学习技术的发展,基于医学影像的脑血管病自动化检测研究获得了较大进展并逐渐进入临床应用。然而,由于深度学习算法的复杂性和灵活性,各研究在模型构建、验证、性能描述和可解释性方面存在差异,缺乏对此类深度学习模型可靠、一致的规范化设计,在一定程度上影响了自动化影像检测研究的转化应用和技术发展。中国医师协会放射医师分会在广泛调研的基础上,组织国内专家广泛讨论,对基于深度学习的脑血管病自动化影像检测模型研究需要完成的关键步骤和内容的规范设计提出了建议。随着研究的深入及应用的拓展,该建议将持续更新,并逐渐扩展到该类临床应用工具的可推广性、临床应用效能、产品化等方面的评估。 | 中国医师协会放射医师分会 卢光明 金征宇 张龙江 施昭 | 2023 | 中华放射学杂志2023，57，1： | 2 |
| 9 | Artificial intelligence and deep learning in ophthalmology:Current status and future perspectives显示文摘Background:The ophthalmology field was among the first to adopt artificial intelligence(AI)in medicine.The availability of digitized ocular images and substantial data have made deep learning(DL)a popular topic.Main text:At the moment,AI in ophthalmology is mostly used to improve disease diagnosis and assist decisionmaking aiming at ophthalmic diseases like diabetic retinopathy(DR),glaucoma,age-related macular degeneration(AMD),cataract and other anterior segment diseases.However,most of the AI systems developed to date are still in the experimental stages,with only a few having achieved clinical applications.There are a number of reasons for this phenomenon,including security,privacy,poor pervasiveness,trust and explainability concerns.Conclusions:This review summarizes AI applications in ophthalmology,highlighting significant clinical considerations for adopting AI techniques and discussing the potential challenges and future directions. | Kai Jin Juan Ye | 2022 | Advances in Ophthalmology Practice and Research2022，2，3： | 1 |
| 10 | 人工智能医疗器械临床试验设计与实施的挑战与对策显示文摘与传统医疗器械相比,人工智能医疗器械由于具有人工智能技术的相关特性,在开展临床试验过程中面临着更大挑战。本文针对辅助诊断类人工智能医疗器械在临床试验各阶段面临的挑战和风险,提出相应的应对策略,旨在为我国开展高质量的人工智能医疗器械临床试验、缩短临床试验周期提供借鉴和参考。 | 龙囿霖 王心怡 郭琼 林逸飞 黄进 杜亮 | 2022 | 中国循证医学杂志2022，22，12： | 1 |
| 11 | Construction of an artificial intelligence system in dermatology: effectiveness and consideration of Chinese Skin Image Database (CSID)显示文摘After more than 60 years of development,artificial intelligence(AI)has been widely used in various fields.Especially in recent years,with the development of deep learning,AI has made many remarkable achievements in the medical field.Dermatology,as a clinical discipline with morphology as its main feature,is particularly suitable for the development of AI.The rapid development of skin imaging technology has helped dermatologists to assist in the diagnosis of diseases and has greatly improved the accuracy of diagnosis.Skin imaging data have natural big data attributes,which is important for AI research.The establishment of the Chinese Skin Image Database(CSID)has solved many problems such as isolated data islands and inconsistent data quality.Based on the CSID,many pioneering achievements have been made in the research and development of AI-assisted decision-making software,the establishment of expert organizations,personnel training,scientific research,and so on.At present,there are still many problems with AI in the field of dermatology,such as clinical validation,medical device licensing,interdisciplinary,and standard formulation,which urgently need to be solved by joint efforts of all parties. | Chengxu Li Wenmin Fei Yang Han Xiaoli Ning Ziyi Wang Keke Li Ke Xue Jingkai Xu Ruixing Yu Rusong Meng Feng Xu Weimin Ma Yong Cui | 2021 | Intelligent Medicine2021，1，2： | 1 |
| 12 | 人工智能在常见眼病中的应用进展显示文摘人工智能(AI)致力于在尽可能减少人为干预的情况下利用计算机技术模拟人类智能行为。鉴于其在多模态复杂数据处理和特征学习方面具备的独特优势,AI在医学诊断和治疗中被广泛研究和应用,眼科也不例外。眼科的检查结果多为图像和数字形式,具备应用AI的重要前提。本文对常见眼病的AI研究进展进行综述。 | 姚云茜 卢奕 竺向佳 | 2022 | 中国眼耳鼻喉科杂志2022，22，2： | 0 |
| 13 | 中医药计算研究设计与评价范式初探显示文摘智能技术在生命科学领域广泛应用,尽管目前中医药计算研究快速发展,但研究质量、信效度及适用性等问题仍面临挑战,亟待提出设计与评价范式。本研究首先讨论了中医药计算研究的定义和基本特点,归纳其一般构成要素、研究分类和常见研究类型,讨论了该领域面临的问题挑战及可能的解决方式。随后,通过回顾计算研究的相关指南与实践经验以期总结计算研究的共性规律,并根据中医学科特点探讨中医药计算研究的设计与评价范式要点,以期推动未来专家共识的形成,促进新学科体系的构建。 | 王曦廷 卢涛 | 2022 | 中华中医药杂志2022，37，11： | 0 |
| 14 | 人工智能在超声内镜诊断胰腺疾病中的应用进展显示文摘超声内镜是诊治胰腺疾病的重要手段,人工智能被应用于超声内镜的诸多方面,如超声图像的诊断和鉴别诊断、穿刺细胞和组织病理学诊断以及教学培训辅助等,帮助提升超声内镜对胰腺疾病的诊断效率和质量,并降低培训成本。本文就人工智能在超声内镜诊断胰腺疾病中的应用进展进行综述。 | 潘妘頔 冉桃菁 秦显政 周春华 张敏敏 王东 邹多武 | 2023 | 中华胰腺病杂志2023，23，4： | 0 |
| 15 | Investigation and evaluation of randomized controlled trials for interventions involving artificial intelligence显示文摘Objective Complete and transparent reporting is of critical importance for randomized controlled trials(RCTs).The present study aimed to determine the reporting quality and methodological quality of RCTs for interventions involving artificial intelligence(AI)and their protocols.Methods We searched MEDLINE(via PubMed),Embase,Web of Science,CBMdisc,Wanfang Data,and CNKI from January 1,2016,to November 11,2020,to collect RCTs involving AI.We also extracted the protocol of each included RCT if it could be obtained.CONSORT-AI(Consolidated Standards of Reporting Trials-Artificial Intelligence)statement and Cochrane Collaboration’s tool for assessing risk of bias(ROB)were used to evaluate the reporting quality and methodological quality,respectively,and SPIRIT-AI(The Standard Protocol Items:Recommendations for Interventional Trials-Artificial Intelligence)statement was used to evaluate the reporting quality of the protocols.The associations of the reporting rate of CONSORT-AI with the publication year,journal’s impact factor(IF),number of authors,sample size,and first author’s country were analyzed univariately using Pearson’s chi-squared test,or Fisher’s exact test if the expected values in any of the cells were below 5.The compliance of the retrieved protocols to SPIRIT-AI was presented descriptively.Results Overall,29 RCTs and three protocols were considered eligible.The CONSORT-AI items“title and abstract”and“interpretation of results”were reported by all RCTs,with the items with the lowest reporting rates being“funding”(0),“implementation”(3.5%),and“harms”(3.5%).The risk of bias was high in 13(44.8%)RCTs and not clear in 15(51.7%)RCTs.Only one RCT(3.5%)had a low risk of bias.The compliance was not significantly different in terms of the publication year,journal’s IF,number of authors,sample size,or first author’s country.Ten of the 35 SPIRIT-AI items(funding,participant timeline,allocation concealment mechanism,implementation,data management,auditing,declaration of interests,access to data,informed consent materials and biological specimens)were not reported by any of the three protocols.Conclusions The reporting and methodological quality of RCTs involving AI need to be improved.Because of the limited availability of protocols,their quality could not be fully judged.Following the CONSORT-AI and SPIRIT-AI statements and with appropriate guidance on the risk of bias when designing and reporting AI-related RCTs can promote standardization and transparency. | Jianjian Wang Shouyuan Wu Qiangqiang Guo Hui Lan Estill Janne Ling Wang Juanjuan Zhang Qi Wang Yang Song Nan Yang Xufei Luo Qi Zhou Qianling Shi Xuan Yu Yanfang Ma Joseph LMathew Hyeong Sik Ahn Myeong Soo Lee Yaolong Chen | 2021 | Intelligent Medicine2021，1，2： | 0 |
| 16 | 浅析人工智能/机器学习用于药品开发——基于FDA讨论文件的探讨显示文摘人工智能/机器学习(AI/ML)用于医药产品临床前、临床开发、生产、上市后监测,有望对医药产品开发和使用带来深刻影响,同时对制药行业和药品监管带来机遇和挑战。为促进相关领域的监管工作,2023年5月FDA发布《人工智能和机器学习用于药品与生物制品开发的讨论文件》。本文通过对讨论文件的探讨,概述了AI/ML在药品开发过程中的运用现状和潜在用途,以及FDA运用AI/ML的经验,并介绍了在药品开发过程中运用AI/ML的考量因素,旨在推动创新技术在医药产品领域的运用,挖掘更多潜在效能。 | 姚立新 | 2023 | 中国食品药品监管2023，，7： | 0 |
| 17 | 人工智能在青光眼防治中的应用潜力和方向显示文摘人工智能技术的快速迭代推动了眼科智能医学的发展,尤其在以青光眼为首的难治性致盲眼病领域,主要体现在筛查、精准诊断、病程预测等方面。本文从基于人工智能提高青光眼的筛查和诊疗水平、促进人工智能在青光眼防治中应用的举措、青光眼防治中人工智能的应用前景3个方面,阐述人工智能在青光眼防治中的应用潜力和方向,以期和眼科同道共同探讨和发挥人工智能的应用价值。 | 卓业鸿 吴建 | 2023 | 中华眼科杂志2023，59，9： | 0 |
| 18 | 人工智能干预临床试验研究方案报告规范指南:SPIRIT-AI扩展版(2020)解读显示文摘临床试验研究方案的公开与发表有利于提高临床试验研究设计与方法报告的透明度,提高临床试验研究质量,并最终促使试验结果顺利通过同行评议、得到大量推广与应用。为更好地规范临床试验研究方案,临床试验研究方案报告规范指南[Standard Protocol Items:Recommendations for Interventional Trials,SPIRIT](2013)应运而生。2020年9月8日,涉及人工智能(AI)干预的SPIRIT(SPIRIT-AI)扩展版(2020)正式在线发表。SPIRIT-AI扩展版(2020)是在SPIRIT(2013)的基础上进行的扩增,并经历成立工作组、邀请并获取参与者知情同意、生存初始条目清单、德尔菲调查、共识会议和撰写六个步骤;共对12个条目进行了延伸,对另外3个条目进行了更详细阐述,有助于AI干预试验研究方案的撰写和报告,提高AI干预临床试验方案的透明度和完整性,并最终提高临床干预试验质量。现本研究对SPIRIT-AI扩展版(2020)进行解读,以期为相关研究工作者的实践应用提供借鉴和帮助。 | 刘明 高亚 史纪元 邢丽娜 康迎英 田金徽 | 2020 | 中国医药导刊2020，22，10： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员