人工智能在肿瘤科教学中的应用前景

人工智能(AI)技术起源于上世纪80年代,目前正处于一个风起云涌的发展时期,已逐渐深入到国家现代化建设的各个领域,发达国家及我国均将AI技术列入重大国家发展战略。在国务院印发的《新一代人工智能发展规划》(国发[2017]35号)中,明确指出智能教育对未来教育发展的重要意义和必将产生的重大影响[1]。同样,人工智能因其在智能识别、数据挖掘、深度学习等方面的独特优势,在医学领域逐渐得到广泛应用。目前,国内外对多种医学影像、辅助诊断、模拟治疗决策等AI产品的研发进行得如火如荼。

肾内科住院医师临床再培训的方式探讨

近年来,随着医学基础科研和临床实践工作的不断进展,肾病学学科获得了前所未有的发展,诸多治疗新手段、新方法不断应用于临床。但是与之不相称的是我国选择医学职业的人数每年不断减少,从事肾内科的人数更是明显短缺。经济因素、临床工作复杂性和知识更新性差等是导致肾内科住院医师离职的部分原因,基础知识复杂、学习周期长、医师成就感差等也是重要的决定因素[1-2]。如对透析和复杂的电解质紊乱等复杂病例治疗的无所适从和负面评价,是导致医生不愿意从事肾内科工作的主要原因之一[3-4]。

方舱医院奥密克戎感染患者3种营养风险筛查方法的比较研究

目的使用营养风险筛查表(NRS2002)、微型营养评估表(MNA)、微型营养评定简表(MNA-SF)对上海国展中心方舱医院新型冠状病毒变异株奥密克戎感染患者进行营养风险筛查,比较应用效果并初步明确适用于该类患者的最佳营养筛查方法。方法采用连续定点抽样方法,采集2022年4-5月在上海国展中心方舱医院住院的274例奥密克戎感染无症状或轻症患者的人体测量指标等信息,并分析NRS2002、MNA、MNA-SF与传统营养指标的关系,综合判断三种方法对患者营养风险筛查的一致性和适用性。结果使用NRS2002、MNA、MNA-SF评估274例入院患者,有营养风险或存在营养不良的患者分别为17例(6.2%)、145例(52.92%)、115例(41.97%)。MNA和MNA-SF与BMI、上臂围、腰围呈明显的正相关关系(P<0.001),NRS2002与传统营养指标没有明显关系。MNA评价结果与MNA-SF基本一致,Kappa值为0.638(P<0.001)。以MNA评分结果为标准,绘制NRS2002、MNA-SF的受试者工作特征(ROC)曲线,AUC分别为0.654、0.899,灵敏度分别为0.393、0.724,特异度分别为0.844、0.922,约登指数分别为1.5、11.5。结论上海国展中心方舱医院奥密克戎感染患者入院时,约一半患者存在营养风险或有营养不良,考虑在方舱医院内的适用性和便捷性,推荐MNA-SF作为首选的简易评估患者营养状况的方法。

人工智能时代医学教育的变化及人文教育的重要性

以AlphaGo打败人类顶级围棋选手为开端,人工智能的快速发展已经“颠覆”了一个又一个行业。在医疗行业,先前的研究开发出一种基于神经网络体系的人工智能能够通过自动学习并阅读胸部X片来诊断肺结核,其准确性几乎可达百分之百[1];另一篇研究将人工智能用于皮肤病变的诊断,结果发现人工智能在区分良性皮肤结节和黑色素瘤方面的正确性要好于受过多年专业训练的皮肤科医师[2];而对于外科领域,现在已经发展出了基于人工智能的手术机器人,其手术的精准度优于传统手术机器人,对操作者的依赖也更少。

海军航空兵某部官兵营养KAP调查及其相关性分析

目的了解海军航空兵某部官兵营养知识、行为、态度(KAP)的现状并分析其相关性。方法采用自制营养KAP调查问卷对132名地勤、空勤、机关人员进行数据收集,并进行相关性分析。结果营养知识得分(22.56±6.63)分,及格率为49.24%,优秀率为11.36%;营养态度得分(13.23±5.30)分,及格率为75.00%,优秀率为52.27%;营养行为得分(10.18±2.89)分,及格率30.30%,优秀率为0.75%。营养知识得分空勤最高,机关次之,地勤最低(P<0.05);营养行为得分空勤最高,地勤次之,机关最低(P<0.05);营养态度三者之间比较差异无统计学意义(P>0.05)。体质量正常与超重、肥胖人群营养KAP得分比较差异无统计学意义(P>0.05)。营养知识和态度、态度和行为之间具有相关性(P<0.05),知识和行为之间的相关性不显著(P>0.05)。结论海军航空兵某部官兵营养KAP得分不理想,应开展针对性措施提高营养知识水平,改善营养态度,从而促进健康营养行为。