卷 6, 编号 1 (2025)

论证。本文提出了一种基于人工智能技术的医疗设备模型，用于组织胸部常规影像学检查的预防性结果，通过设置最大灵敏度为1.0（95%置信区间1.0；1.0）来进行自主排序。该分类将大规模预防性检查（胸部透视和胸部X线摄影）结果分为两类：“非正常”和“正常”。 “非正常”类包括所有任何偏差（病理状态、疾病和手术后遗症、年龄和先天性特点等），这些需要提交给放射科医生进行描述。“正常”类则包括没有病理偏差的结果，可能无需放射科医生进一步描述。

目的。评估基于人工智能技术的自主排序模型在胸部常规影像学检查中的可行性、效果和效率。

方法。进行了前瞻性的多中心诊断研究，评估基于人工智能技术的医疗设备在胸部常规影像学检查中的安全性和质量，采用了分析和统计学研究方法。

结果。本研究纳入了575,549份预防性放射学检查结果，包括胸部透视和胸部X线摄影，并通过3款基于人工智能技术的医疗设备进行处理。在自主排序结果中，54.8%的检查结果被归类为“正常”，从而节省了放射科医生在解读和描述研究结果上的劳动量。自主排序的完全正确率为99.95%。临床上显著的偏差出现在0.05%的案例中（95%置信区间：0.04%；0.06%）。

结论。本研究证明了基于人工智能技术的医疗设备在胸部常规影像学检查中的医学和经济效益。下一步应针对相关法规的更新以及在预防医学任务中合法应用人工智能技术医疗设备的使用进行改进。

论证。人工智能算法广泛应用于通过不同放射诊断方法获取的图像分析中。这些算法的有效性在很大程度上依赖于相关性和代表性强的训练数据集。当前，迫切需要增加公开数据集的数量，特别是包含计算机断层扫描血管造影腹主动脉图像的数据集，这些数据集不仅包含病变分类信息，还包括血管分割。现有方案的缺点主要包括样本量较小、数据集专一性较强以及准备方法的不一致性。

目的。创建一个开放的数据集，包含计算机断层扫描血管造影图像，并对腹主动脉的正常、扩张、血栓形成及钙化情况进行分割。

材料与方法。根据人工智能算法测试方法学，制定了数据集准备的技术任务，计算了所需的样本量，并获得了独立伦理委员会的批准。为了创建数据集，采用了之前开发的基于Slicer 3D软件的半自动分割算法。纳入标准：计算机断层扫描血管造影或腹部计算机断层扫描（含造影）结果；具备动脉相扫描；切片厚度 ≤ 3 mm。排除标准：主动脉腔内存在异物；主动脉夹层。该算法在从Unified Radiological Information System中获取的患者研究结果上进行了验证。并对获得的结果与已制定的要求进行了专家评估，同时评估了使用该分割算法所需的时间。

结果。根据要求计算出的样本量为100个包含动脉相扫描且层厚≤1.2 mm的血管造影研究结果。人群数据：独立患者数量为100人，女性患者占比51%；患者年龄中位数为62岁，年龄范围从18岁到84岁不等。61%的病例发现病变（包括联合病变）：其中，60个病例表现出钙化迹象，18个病例表现为主动脉扩张，另外18个病例显示有血栓形成迹象。采用分割算法处理一个研究结果（100层扫描）所需的平均时间为0.8小时。

结论。创建了一个包含100个计算机断层扫描血管造影结果的数据集，数据集包含腹主动脉腔的正常、扩张、血栓形成及钙化的分割结果。该数据集已开放，可以用于人工智能算法的开发和测试，以及腹主动脉的类人建模。

论证。前列腺PI-RADS 3类变化是临床上需要提高诊断精度并最小化侵入性方法应用的情况。研究磁共振成像纹理分析在前列腺癌风险分层中的潜在价值，已成为当前医学诊断中的重要课题。

目的。系统整理和分析关于纹理分析在PI-RADS 3 类别前列腺癌风险分层中的应用的最新数据，评估其在区分临床显著性和临床不显著性前列腺癌中的诊断意义。

材料与方法。选取并分析了过去7年内在科学研究文献数据库（如Medline、Scopus）中找到的文章，通过搜索引擎（PubMed、Google Scholar、eLibrary）查找相关文献。使用与纹理分析和放射组学相关的关键词，研究前列腺癌风险分层和诊断中的应用。

结果。对选定文献的分析表明，机器学习和纹理分析的应用显著提高了前列腺癌的诊断精度。这些方法可以更准确地进行风险分层，判断前列腺癌患者是否需要进行活检，从而有潜力减少不必要的侵入性检查。

结论。纹理分析在PI-RADS 3类前列腺变化的诊断精度提高方面具有潜力。然而，为了广泛应用于临床，仍需进一步研究以标准化方法，并开展多中心临床试验。

前列腺癌的生化复发发生在大约25%–50%的患者中，这些患者在接受前列腺癌的根治性治疗后，包括根治性前列腺切除术和放射治疗。然而，生化复发前列腺癌患者的临床过程和预后差异显著，具体情况取决于多个因素。因此，生化复发前列腺癌的最佳诊断和治疗方案至今仍是学术界争论的焦点。生化复发的原因可能是局部复发、转移性扩散或两者结合。近年来，随着更加精确的诊断方法的临床应用，生化复发前列腺癌患者的诊断和治疗方法发生了显著变化。本文回顾了当前关于生化复发前列腺癌患者中局部复发和转移灶影像学的放射学和核素影像学方法的文献数据。

放射组学是一种从数字医学图像中提取各种定量特征的方法。十年前，其应用范围仅限于肿瘤学，但如今，放射组学分析已逐步拓展至其他疾病的诊断领域，尤其是在肌肉骨骼系统和结缔组织疾病方面。本文综述了放射组学在肌肉骨骼系统疾病诊断中的最新进展。

本综述纳入了2020年至2023年期间发表的英文原始研究论文（n=37）。最常用的医学影像技术包括磁共振成像和计算机断层扫描，占比分别为54%和32%。相对较少使用的影像技术包括双能X射线吸收测定（14%）、超声检查（5%）和X线摄影（5%）。大多数研究采用手动分割方法来识别感兴趣区域。基于临床特征、放射组学特征和深度学习特征，研究人员开发了多种模型，其中最常见的是临床-放射组学融合模型。在肌肉骨骼系统疾病中，最常受累的部位是脊柱和大关节。

多模态放射组学模型，即结合多个数据源（主要是临床-放射组学数据）的模型，在肌肉骨骼系统疾病的诊断中比单模态模型（仅基于临床或放射组学特征）更为常见。这可能是由于纳入了更多独立信息源，从而优化了分类效果。尽管开发此类模型以及深度学习技术在医学影像的自动分割和分类方面具有广阔前景，但构建用于深度学习训练的医学影像数据库仍需大量努力。因此，在肌肉骨骼系统疾病的早期检测中，放射组学的应用尤为重要，尤其在检测肉眼难以识别的软组织病理变化方面展现出巨大潜力。

心血管疾病是全球致残和死亡的主要原因。新技术的出现以及人工智能和机器学习的引入为医生提供了提高诊断和治疗效率的机会。人工智能技术，尤其是在机器学习和深度学习领域的迅猛发展，迅速吸引了临床医生的关注，推动他们创建新的集成化、可靠和高效的诊断方法，以提供医疗帮助。心脏病学专家使用广泛的基于影像学的诊断方法，相比其他许多专业领域，他们能够获得更为广泛的患者定量信息。通过本综述，我们试图总结现有文献中关于人工智能技术在心血管疾病诊断中的应用，同时识别需要进一步研究的知识空白。心脏病学是医学领域中机器学习和深度学习方法得到广泛应用并显示出有前景成果的领域之一。卷积神经网络成功用于通过超声心动图测量心脏功能参数。深度学习算法有助于更准确地识别冠状动脉的狭窄和钙化，以及通过心脏计算机断层扫描数据确定斑块特征。卷积神经网络还用于自动分割心脏腔室和结构、确定组织特性以及通过磁共振成像进行灌注分析等任务。随着人工智能技术，尤其是机器学习技术的发展，其集成将带来新的可能性。因此，人工智能技术在医疗卫生领域具有广泛的兴趣，因为它们能够在短时间内分析大量信息，展示出高度的效率。人工智能能够为专家提供额外支持，从而提高工作效率和医疗服务的质量。

胃肠道间质瘤是最常见的胃肠道间叶性肿瘤，来源于卡哈尔氏间质细胞，约占所有胃部原发性肿瘤的80%。传统的胃肠道间质瘤诊断方法，如计算机断层扫描、内镜检查、内镜超声检查和细针穿刺活检，尽管被广泛应用，但仍存在一些缺点，包括诊断不确定性和活检的局限性。

放射组学，作为图像纹理特征分析的创新方法，被认为有潜力提高胃肠道间质瘤的诊断精度。这种方法通过对图像的数学处理来解读组织中的变化，这是人眼无法直接看到的，从而有助于更早期地发现肿瘤。

本文评估了当前胃肠道间质瘤诊断方法的优缺点，并探讨了放射组学在提高诊断效果方面的潜力。综述旨在确定最佳的应用方式和未来研究的前景方向。

早期识别罕见病患者，如结节性硬化症，需要集体协作并引入新的孕期诊断方法，不仅依赖于超声检查，还应使用磁共振成像。关于Bourneville-Pringle病的临床表现的知识积累，以及诊断方法的改进，使得该疾病的早期发现成为可能。通过磁共振成像，能够获得高质量的大脑解剖和功能性图像，且可在不同的扫描平面上进行观察，从而显著提高该方法在早期（孕期）诊断结节性硬化症脑部表现的灵敏度和信息量。此外，进行磁共振成像还可以识别纵隔的肿块。这一事实表明，采用磁共振成像作为主要诊断手段，对结节性硬化症的诊断应采取综合性方法，评估胎儿心血管系统和中枢神经系统的状态。本文展示了一个孕期诊断结节性硬化症的临床案例，随后对新生儿进行了检查并进行了基因诊断验证。此案例的展示验证了磁共振成像在孕期诊断结节性硬化症中的诊断重要性。

垂体炎是一种罕见的炎症性疾病，其特征是垂体及其柄的受累。该病可能由垂体组织浸润、自身免疫因素、感染性疾病或其他未明原因引起。由于某些垂体肿瘤（如垂体腺瘤和转移瘤）可能具有相似的临床特征，因此该病的临床诊断具有挑战性。磁共振成像是诊断疑似垂体炎以及鉴别腺垂体炎（前叶受累）与漏斗-神经垂体炎（垂体柄和后叶受累）的主要方法。垂体炎可分为原发性（自身免疫性）和继发性。继发性垂体炎可能继发于局灶性病变 （如肉芽肿、囊肿或腺瘤）或系统性疾病（如结节病、肉芽肿性多血管炎）。其临床表现受多种因素影响，其中之一是基础治疗。临床病例已有相关文献报道。

本文报道了一例 37 岁女性患者的临床病例，该患者既往诊断为高泌乳素血症，并接受卡麦角林对症治疗。患者被转诊进行磁共振成像检查，结果显示垂体信号不均匀。2021年7月随访磁共振成像显示垂体信号不均且增大。2021年12月，患者感染COVID-19并发生重度肺炎，接受糖皮质激素治疗及氧疗。2022年5月磁共振成像检查显示垂体明显增大且信号不均。在使用泼尼松（晨 10 mg，晚 5 mg）治疗后，患者的临床及影像学表现显著改善。

患者随访至COVID-19 大流行结束。对于此类患者，影像学结果的解读和治疗方案的选择可能受到新冠病毒感染及其治疗的影响。

在评估垂体炎的病程及其影像学变化时，医生应考虑 COVID-19 相关治疗，尤其是糖皮质激素对疾病的影响。