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，這可能有助于跨學科交流。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的棲息地影像組學結合視覺轉換器識別脆弱的顱內動脈粥樣硬化斑塊并預測卒中事件：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險對于臨床決策至關重要，但目前缺乏可靠的無創(chuàng)預測工具。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動脈粥樣硬化性狹窄（sICAS）患者的脆弱斑塊和預測卒中復發(fā)風險。

(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測卒中復發(fā)風險方面表現(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習預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。盡管人工智能增強心電圖（AI-ECG）分析可以預測普通成年人群的LVSD，但它尚未全面應用于先天性心臟病病變。

(2) 解釋：我們經過外部驗證的算法在預測先天性心臟病患者當前和未來的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、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，該模型能夠實現(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險AAOCA解剖結構提供實時警報，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的風險，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）驅動的阿片類藥物使用障礙（OUD）篩選器在識別成癮醫(yī)學咨詢患者方面是否不劣于常規(guī)護理，旨在為人類主導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網絡實時分析EHR筆記，識別有風險的患者并推薦咨詢。