JAMA  2025/03/31-2025/04/06

THE LANCET  2025/03/31-2025/04/06

Nature  2025/03/31-2025/04/06

1. 對眼科筆記跨學(xué)科理解的AI摘要評估

Evaluation of AI Summaries on Interdisciplinary Understanding of Ophthalmology Notes

(1) 目的：評估大型語言模型生成的簡明語言摘要（PLS）整合到標準眼科筆記（SON）中對提高診斷理解、滿意度和清晰度的作用。

(2) 結(jié)論：在這項研究中，使用大型語言模型生成的PLS與非眼科臨床醫(yī)生和專業(yè)人員的理解力和滿意度增強有關(guān)，這可能有助于跨學(xué)科交流。鑒于盡管醫(yī)生審查了錯誤，但錯誤仍然存在，因此建議對臨床整合進行謹慎實施和安全監(jiān)測。

1. 基于MRI的棲息地影像組學(xué)結(jié)合視覺轉(zhuǎn)換器識別脆弱的顱內(nèi)動脈粥樣硬化斑塊并預(yù)測卒中事件：一項多中心回顧性研究

MRI-based habitat radiomics combined with vision transformer for identifying vulnerable intracranial atherosclerotic plaques and predicting stroke events: a multicenter, retrospective study

(1) 背景：準確識別高危脆弱斑塊和評估卒中風(fēng)險對于臨床決策至關(guān)重要，但目前缺乏可靠的無創(chuàng)預(yù)測工具。本研究旨在開發(fā)一種基于高分辨率血管壁成像（HR-VWI）的人工智能模型，以輔助識別癥狀性顱內(nèi)動脈粥樣硬化性狹窄（sICAS）患者的脆弱斑塊和預(yù)測卒中復(fù)發(fā)風(fēng)險。

(2) 解釋：基于HR-VWI的一體化模型在識別sICAS患者的高危脆弱斑塊和預(yù)測卒中復(fù)發(fā)風(fēng)險方面表現(xiàn)出優(yōu)異的表現(xiàn)，為臨床決策提供有價值的支持。

 2. 基于心電圖的深度學(xué)習(xí)預(yù)測美國兒童和成人先天性心臟病的左心室收縮功能障礙：一項多中心建模研究

Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study

(1) 背景：左心室收縮功能障礙（LVSD）與先天性心臟病患者的心血管事件獨立相關(guān)。盡管人工智能增強心電圖（AI-ECG）分析可以預(yù)測普通成年人群的LVSD，但它尚未全面應(yīng)用于先天性心臟病病變。

(2) 解釋：我們經(jīng)過外部驗證的算法在預(yù)測先天性心臟病患者當(dāng)前和未來的LVSD方面顯示出前景，為該人群提供了一種具有臨床影響力、廉價且方便的心血管健康工具。 

3. 快照人工智能——從單幀靜止圖像中測定射血分數(shù)：一項多機構(gòu)、回顧性模型開發(fā)和驗證研究

Snapshot artificial intelligence—determination of ejection fraction from a single frame still image: a multi-institutional, retrospective model development and validation study

(1) 背景：人工智能（AI）通過提供心臟功能的快速快照來改變床旁護理實踐。盡管以前的AI模型已被開發(fā)用于估計左心室射血分數(shù)（LVEF），但它們通常使用視頻剪輯作為輸入，這可能是計算密集型的。在目前的研究中，我們旨在開發(fā)一個以靜態(tài)幀作為輸入的LVEF估計模型。

(2) 解釋：當(dāng)旨在快速部署此類模型時，來自多個視頻的單幀可能足以進行LVEF分類。此外，從可解釋性的角度來看，觀察到的對心動周期的敏感性為模型性能提供了一些見解。

1. 使用冠狀動脈CT血管造影圖像對冠狀動脈異常起源進行基于 AI 的檢測和分類

AI-based detection and classification of anomalous aortic origin of coronary arteries using coronary CT angiography images

(1) 摘要：冠狀動脈異常主動脈起源（AAOCA）是一種罕見的心臟病，可導(dǎo)致缺血或心源性猝死，但在常規(guī)冠狀動脈CT血管造影（CCTA）中經(jīng)常被忽視或錯誤分類。開發(fā)、驗證、外部測試和臨床評估了一種基于人工智能（AI）的全自動工具，用于檢測和分類3D-CCTA圖像中的AAOCA。提出了一個基于AI的模型，該模型能夠?qū)崿F(xiàn)AAOCA的全自動和準確檢測和分類，并有可能無縫集成到臨床工作流程中。該工具可以為潛在的高風(fēng)險AAOCA解剖結(jié)構(gòu)提供實時警報，同時還可以分析大型3D-CCTA隊列。這將有助于更深入地了解與這種罕見病癥相關(guān)的風(fēng)險，并有助于改善其未來的管理。

 2. 基于AI的住院成人阿片類藥物使用障礙風(fēng)險篩查的臨床實施

Clinical implementation of AI-based screening for risk for opioid use disorder in hospitalized adults

(1) 摘要：這項前后準實驗研究評估了嵌入電子健康記錄（EHR）中的人工智能（AI）驅(qū)動的阿片類藥物使用障礙（OUD）篩選器在識別成癮醫(yī)學(xué)咨詢患者方面是否不劣于常規(guī)護理，旨在為人類主導(dǎo)的臨時咨詢提供一種同樣有效但更具可擴展性的替代方案。AI篩選器使用卷積神經(jīng)網(wǎng)絡(luò)實時分析EHR筆記，識別有風(fēng)險的患者并推薦咨詢。