孟超肝病外脑2.0在人工智能临床诊疗领域的应用初探

目的 探讨孟超肝病外脑2.0版在临床诊疗中的初期应用。方法 使用福建医科大学孟超肝胆医院东南肝胆健康大数据研究所大数据智能信息化系统自动抓取2021年6月9日—21日入院的内外科在院病例共160例,以慢性乙型肝炎辅助诊断、肝纤维化解读、慢性乙型肝炎分期模型、肝硬化辅助诊断、肝硬化辅助分期、原发性肝癌辅助诊断、原发性肝癌BCLC分期、原发性肝癌中国分期、Child-Pugh评分、APRI评分等智能辅助诊断工具为测试内容,评价孟超肝病外脑2.0人工智能结论的完整性、准确性。结果 所有辅助诊断工具在测试时间内提取到规范的关键维度完整率为94.17%。抓取数据的准确性方面,人工智能报告结构化准确率为97.55%;文本处理准确率为91.61%。结论 孟超肝病外脑2.0为医学专科大数据平台建设提供一种创新模式,在初期临床诊疗中作为一种辅助诊断工具,具有较高准确率。

深度学习在原发性肝癌相关诊断模型中的应用与前景

深度学习是机器学习通过大量数据训练及分析来模拟人脑的学习行为而获得新的知识和技能。随着医学技术的进步,医学领域积累了大量的数据,对数据的研究有助于深入了解数据内的联系与规律,从而有助于预测人类疾病的发生与预后。深度学习通过找出数据中隐藏的信息,在医学领域中的应用日益突出。原发性肝癌是发病率和死亡率很高的恶性肿瘤,预后差,复发率高,如何早期诊断、及时治疗、预测复发等一直是研究重点之一。本文从肝癌发生风险预测、术后复发与生存风险预测等方面闸述深度学习在肝癌诊断及复发方面的应用进展。

生物信息学在肝细胞癌风险预测中的应用

生物信息学是一门交叉科学,通过综合运用数学、计算机科学和生物学的各种工具,来阐明和理解大量生物数据所包含的生物学意义。随着基因组学测序技术的不断发展,产生大量的生物学数据资源,从大数据中挖掘所蕴藏的生物学意义,已成为了当前亟待解决的主要任务之一。本文主要归纳总结基于特征基因的肝癌风险预测模型,为肝癌的早期检测、预后和治疗方案的优化提供新观点。

基于可解释人工智能的临床决策支持系统:孟超肝病外脑

近年来,人工智能机器学习与深度学习技术有了飞跃的进步,利用临床决策支持系统进行辅助诊断与治疗是智慧医疗发展的必然趋势。临床医务工作者通常在追求模型高准确性的同时忽略模型的可解释性,导致使用者对系统缺乏信任感,阻碍临床决策支持系统的落地应用。笔者团队从可解释人工智能的角度出发,在构建肝病领域的临床决策支持系统上进行初步探索,在追求模型高准确性的同时,采用数据治理技术、内在可解释性模型、对复杂模型的事后可视化、设计人机交互和提供基于临床指南的知识图谱与数据来源等方法赋予系统可解释性。

计算机视觉技术辅助超声检查在肝脏疾病诊治中的应用前景

超声检查具有无辐射、无创、低成本、高效的优点,是最常用的肝脏影像学检查方法。计算机视觉技术应用于超声图像智能分析已成为智慧医疗领域的研究热点。通过大规模数据训练,构建基于机器学习算法的超声组学智能分析模型,可辅助临床诊断与治疗,提高诊断的效率和准确性。笔者结合文献,评述计算机视觉技术辅助超声检查在评估肝脏弥漫性病变、肝脏局灶性病变、肝癌微血管侵犯、肝癌术后复发及肝动脉化疗栓塞术后治疗反应等方面的应用前景。