本文内容如下gydF4y2Bae-collection /主题问题:gydF4y2Ba

人工智能(607)gydF4y2Ba 机器学习(943)gydF4y2Ba 为卫生专业人员提供决策支持(690)gydF4y2Ba 临床信息与决策(843)gydF4y2Ba 数字健康评论(731)gydF4y2Ba

发表在gydF4y2Ba在gydF4y2Ba23卷gydF4y2Ba， 4号gydF4y2Ba(2021)gydF4y2Ba: 4月gydF4y2Ba

本文的预印本(早期版本)可在gydF4y2Bahttps://preprints.www.mybigtv.com/preprint/25759gydF4y2Ba，首次出版gydF4y2Ba。gydF4y2Ba
人工智能应用在临床实践中的作用:系统综述gydF4y2Ba

人工智能应用在临床实践中的作用:系统综述gydF4y2Ba

人工智能应用在临床实践中的作用:系统综述gydF4y2Ba

本文作者:gydF4y2Ba

嘉明阴gydF4y2Ba1gydF4y2Ba 作者:OrcidgydF4y2Ba；gydF4y2Ba 记元英gydF4y2Ba2gydF4y2Ba 作者:OrcidgydF4y2Ba；gydF4y2Ba 鹤海台gydF4y2Ba1gydF4y2Ba 作者:OrcidgydF4y2Ba
文章gydF4y2Ba 作者gydF4y2Ba 引用的gydF4y2Ba Tweetations (57)gydF4y2Ba 指标gydF4y2Ba

    审查gydF4y2Ba

    1gydF4y2Ba新加坡国立大学计算机学院信息系统与分析系，新加坡，新加坡gydF4y2Ba

    2gydF4y2Ba新加坡国立大学医院外科，新加坡gydF4y2Ba

    *所有作者贡献均等gydF4y2Ba

    通讯作者:gydF4y2Ba

    张福海博士gydF4y2Ba

    信息系统与分析系gydF4y2Ba

    计算机学院gydF4y2Ba

    新加坡国立大学gydF4y2Ba

    13 Computing Drive, NUSgydF4y2Ba

    新加坡,117417年gydF4y2Ba

    新加坡gydF4y2Ba

    电话:65 65162979gydF4y2Ba

    电子邮件:gydF4y2Bateohh@comp.nus.edu.sggydF4y2Ba


    背景:gydF4y2Ba人工智能(AI)在医疗保健领域的应用正以前所未有的速度增长，包括疾病诊断、分诊或筛查、风险分析、外科手术等。尽管在医疗保健人工智能的开发和验证方面进行了大量研究，但在临床实践的第一线实际实施的应用很少。gydF4y2Ba

    摘要目的:gydF4y2Ba本研究的目的是系统地回顾人工智能在现实临床实践中的应用。gydF4y2Ba

    方法:gydF4y2Ba我们在PubMed、Embase、Cochrane Central和CINAHL进行了文献检索，以确定2010年1月至2020年5月间发表的相关文章。我们还手工检索了主要的计算机科学期刊和会议以及注册的临床试验。如果研究报告了在现实世界的临床环境中实施的人工智能应用程序，则将其纳入研究。gydF4y2Ba

    结果:gydF4y2Ba我们确定了51项报告人工智能在临床实践中应用的实施和评估的相关研究，其中13项采用随机对照试验设计，8项采用实验设计。人工智能应用程序针对各种临床任务，如筛查或分诊(n=16)、疾病诊断(n=16)、风险分析(n=14)和治疗(n=7)。最常见的疾病和病症是败血症(n=6)、乳腺癌(n=5)、糖尿病视网膜病变(n=4)、息肉和腺瘤(n=4)。关于评估结果，我们发现26项研究考察了人工智能应用在临床环境中的表现，33项研究考察了人工智能应用对临床医生结果的影响，14项研究考察了人工智能应用对患者结果的影响，一项研究考察了与人工智能实施相关的经济影响。gydF4y2Ba

    结论:gydF4y2Ba这一综述表明，尽管人工智能应用的临床应用潜力巨大，但研究仍处于早期阶段。更多的研究需要通过更严格的方法来评估临床人工智能应用的益处和挑战。gydF4y2Ba

    [J] .中国医学信息学报，2013;23(4):559 - 559gydF4y2Ba

    doi: 10.2196/25759gydF4y2Ba

    关键字gydF4y2Ba

    人工智能gydF4y2Ba；gydF4y2Ba 机器学习gydF4y2Ba；gydF4y2Ba 深度学习gydF4y2Ba；gydF4y2Ba 系统实现gydF4y2Ba；gydF4y2Ba 临床实践gydF4y2Ba；gydF4y2Ba 审查gydF4y2Ba


    背景gydF4y2Ba

    在过去十年中，人工智能(AI)在医疗保健领域得到了极大的扩展。特别是，人工智能应用已被应用于从临床数据中发现信息，并协助医疗保健提供者完成广泛的临床任务，如疾病诊断、分诊或筛查、风险分析和外科手术[gydF4y2Ba1gydF4y2Ba-gydF4y2Ba4gydF4y2Ba]。根据埃森哲的分析，到2021年，全球健康人工智能市场预计将达到66亿美元，并有可能在未来5年内增长10倍以上[gydF4y2Ba5gydF4y2Ba]。gydF4y2Ba

    “人工智能”一词是麦卡锡在20世纪50年代创造的，指的是计算机科学的一个分支，在这个分支中，算法被开发出来，以模拟人类的认知功能，如学习、推理和解决问题。gydF4y2Ba6gydF4y2Ba]。它是一个广泛的术语，包括但不限于机器学习(ML)、深度学习(DL)、自然语言处理(NLP)和计算机视觉(CV)。gydF4y2Ba

    研究人员在医疗保健人工智能应用的开发上投入了大量的精力。自2000年以来，谷歌学术数据库中相关文章的数量呈指数级增长。然而，它们在现实临床实践中的实施并不普遍[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba7gydF4y2Ba]。有几个原因可以解释这种研究与实践的差距。具体来说，人工智能算法可能会受到技术问题的影响，例如数据集移位、过拟合、偏差和缺乏泛化能力[gydF4y2Ba8gydF4y2Ba]，限制了人工智能研究向临床实践的安全转化。此外，人工智能应用程序的实际实施可能具有难以置信的挑战性。需要解决的关键挑战包括数据共享和隐私问题、算法缺乏透明度、保健工作性质的变化、财务问题和苛刻的监管环境[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba3.gydF4y2Ba，gydF4y2Ba9gydF4y2Ba-gydF4y2Ba13gydF4y2Ba]。然而，只有将医疗人工智能应用融入临床日常工作流程中，才能实现其巨大潜力。gydF4y2Ba

    研究的差距gydF4y2Ba

    据我们所知，这篇综述是第一次系统地研究人工智能应用在现实临床环境中的作用。我们注意到，在卫生保健人工智能领域进行了许多审查。一组综述概述了人工智能技术在特定临床领域的现状，如乳腺癌诊断[gydF4y2Ba14gydF4y2Ba]、黑色素瘤诊断[gydF4y2Ba15gydF4y2Ba]、肺结核诊断[gydF4y2Ba16gydF4y2Ba]、脑卒中诊断与预测[gydF4y2Ba17gydF4y2Ba]和糖尿病管理[gydF4y2Ba18gydF4y2Ba]。另一组评论侧重于比较临床医生的表现和人工智能的表现，以提供人工智能实施所需的证据基础[gydF4y2Ba19gydF4y2Ba-gydF4y2Ba21gydF4y2Ba]。相比之下，我们的工作至少在三个方面不同于以往的综述。首先，我们回顾了临床人工智能应用程序，这些应用程序提供更广泛的决策支持，因此不会将我们的范围限制在特定的临床领域。其次，我们关注的是报告了现实世界中临床人工智能应用评估的研究。因此，我们排除了那些讨论临床人工智能算法的开发和验证而没有实际实施的研究。最后，我们报告了与人工智能实施相关的广泛评估结果，如绩效比较、临床医生和患者结果以及经济影响。gydF4y2Ba

    另一方面，我们注意到一些观点文章提供了医疗保健人工智能的总体前景[gydF4y2Ba1gydF4y2Ba-gydF4y2Ba3.gydF4y2Ba，gydF4y2Ba7gydF4y2Ba，gydF4y2Ba9gydF4y2Ba，gydF4y2Ba22gydF4y2Ba]。这些文章主要提供了对医疗人工智能现状的见解，并选择了一些临床人工智能应用作为说明示例。他们可能还讨论了与人工智能的实际实施相关的挑战。然而，这些文章并没有详细讨论人工智能实施的进展。相比之下，我们的工作旨在提供关于人工智能在现实临床环境中应用评估的文献的全面地图。通过这样做，我们总结了与人工智能实施相关的好处和挑战的经验证据，并为这一重要而有前途的领域的未来研究提供了建议。gydF4y2Ba

    客观的gydF4y2Ba

    本系统综述的目的是识别和总结已经在现实临床实践中实施的人工智能应用的现有研究。这有助于我们更好地了解在常规护理环境中实施人工智能的好处和挑战，例如增强临床决策能力，改善护理流程和患者结果，以及降低医疗成本。具体而言，我们根据(1)研究特征，(2)人工智能应用特征，(3)评估结果和关键发现综合相关研究。考虑到研究与实践之间的差距，我们还为未来的研究提供了建议，以检查和评估人工智能在临床实践中的实施。gydF4y2Ba


    搜索策略gydF4y2Ba

    系统检讨是按照“系统检讨及综合分析的首选报告项目”指引进行的[gydF4y2Ba23gydF4y2Ba]。我们在2020年6月检索了PubMed、Embase、Cochrane Central和CINAHL，以确定在临床实践中实施的人工智能应用的相关文章。我们将搜索范围限制在2010年1月至2020年5月期间发表的英文同行评议期刊文章。我们选择2010年作为起点，是因为医疗领域的人工智能研究已经开始起步。gydF4y2Ba

    我们使用两组关键词来识别出版物的标题、摘要和关键词中的术语。第一组关键词是与人工智能相关的术语，包括“人工智能”、“机器学习”和“深度学习”。值得注意的是，人工智能是一个广泛的术语，也包括特定的人工智能技术，如神经网络、支持向量机、决策树和自然语言处理。然而，使用这些技术的研究极有可能在摘要或关键词中使用“人工智能”或“机器学习”[gydF4y2Ba24gydF4y2Ba]。第二组关键字包含与临床实现相关的术语，包括“临床”、“健康”、“医疗保健”、“医疗”、“实现”、“实现”、“部署”、“部署”和“采用”。搜索策略的详细信息可在gydF4y2Ba多媒体附录1gydF4y2Ba。gydF4y2Ba

    合格标准gydF4y2Ba

    我们使用EndNote X9 (Thomson Reuters)下载并导入了所有已识别的文章，以便进行引文管理。在去除重复后，两位研究者(JY和KYN)独立筛选了被识别文章的标题和摘要，以确定他们的资格。分歧通过作者之间的讨论来解决，直到达成共识。纳入标准如下:(1)该研究在现实临床环境中对患者或医疗保健提供者实施了人工智能应用;(2)人工智能应用通过模拟医疗保健提供者的临床决策过程(如医学图像解读和临床风险评估)提供决策支持。医疗硬件设备，如x光机、超声波机、手术机器人和康复机器人，不在我们的范围之内。gydF4y2Ba

    排除标准如下:(1)研究讨论了临床AI算法的开发和验证，但没有实际实施;(2)人工智能应用提供了自动化(例如，自动胰岛素输送和监测)，而不是决策支持;(3)针对非临床任务的人工智能应用，如生物医学研究、操作任务和流行病学任务。我们还排除了会议摘要、综述、评论、模拟论文和正在进行的研究。gydF4y2Ba

    数据提取和制图gydF4y2Ba

    在文章选择之后，我们创建了一个数据图表形式，从纳入的文章中提取以下方面的信息:(1)研究特征，(2)人工智能应用特征，(3)评估结果和关键发现(gydF4y2Ba文本框1gydF4y2Ba）.gydF4y2Ba

    数据图表表单的组件。gydF4y2Ba

    研究特点gydF4y2Ba

    • 作者,年gydF4y2Ba
    • 研究设计gydF4y2Ba
    • 涉及的患者和医疗保健提供者gydF4y2Ba
    • 参与研究的医院和国家gydF4y2Ba

    人工智能(AI)应用特点gydF4y2Ba

    • 应用程序描述gydF4y2Ba
    • 使用的人工智能技术(如神经网络、随机森林和自然语言处理)gydF4y2Ba
    • 针对性临床任务gydF4y2Ba
    • 目标疾病领域和条件gydF4y2Ba

    评价结果和主要发现gydF4y2Ba

    • 人工智能应用的性能gydF4y2Ba
    • 临床医生的结果gydF4y2Ba
    • 病人的结果gydF4y2Ba
    • 成本效益gydF4y2Ba
    文本框1。数据图表表单的组件。gydF4y2Ba

    概述gydF4y2Ba

    我们在2020年6月的初步检索总共返回了17,945篇期刊文章(PubMed 6830篇，Embase 9124篇，CINAHL 839篇，Cochrane Central 1152篇)(gydF4y2Ba图1gydF4y2Ba）.我们首先确定并排除了2541个重复。之后，通过筛选题目和摘要，我们排除了15322篇文章。因此，还有82篇文章有待全文综述，其中45篇纳入本综述。此外，我们通过检查纳入文章的参考文献，使用人工智能相关关键词浏览ClinicalTrial.gov，并手动搜索人工智能领域的主要计算机科学期刊和会议，确定了六篇相关文章(gydF4y2Ba多媒体附录1gydF4y2Ba）.最终，共有51篇文章符合我们的纳入标准。gydF4y2Ba

    ‎gydF4y2Ba
    图1所示。基于系统评价和荟萃分析首选报告项目(PRISMA)声明的文献检索流程图。gydF4y2Ba
    查看此图gydF4y2Ba

    研究特点gydF4y2Ba

    表1gydF4y2Ba总结了作者、发表年份、研究设计、涉及的患者和卫生保健提供者以及涉及的医院[gydF4y2Ba25gydF4y2Ba-gydF4y2Ba75gydF4y2Ba]。如图所示gydF4y2Ba图2gydF4y2Ba在过去十年中，纳入的研究数量呈上升趋势，最近在2019年达到峰值，这表明该领域的研究活动正在加速。gydF4y2Ba

    在研究设计方面，51项研究包括20项观察性研究(17项前瞻性研究和3项回顾性研究)、13项随机对照试验(rct)、8项实验性研究、4项前后对照研究、3项调查、1项随机交叉试验、1项非随机试验和1项结构化访谈。值得注意的是，观察性研究可以根据数据收集的时间分为前瞻性和回顾性研究。在前瞻性研究中，研究人员在任何受试者患病或产生其他感兴趣的结果之前设计研究并计划数据收集程序。在回顾性研究中，研究人员收集当前和过去受试者的现有数据，即在研究人员开始研究设计和数据收集之前，受试者可能患有该疾病或出现其他感兴趣的结果。gydF4y2Ba

    在51项研究中，29项(57%)明确提到了所涉及的患者，其中两项的样本量小于30人。另一方面，28项(55%)研究提供了有关所涉保健提供者的信息，其中17项研究只有10个或更少的提供者。gydF4y2Ba

    此外，46项(90%)研究提到了涉及的医院或诊所(gydF4y2Ba图3gydF4y2Ba）.其中，36项研究是在发达国家进行的，其中20项在美国进行，5项在英国进行，澳大利亚、加拿大和日本各2项，德国、以色列、西班牙和荷兰各1项，美国和韩国各1项。相反，在发展中国家进行了10项研究，其中8项在中国进行，1项在印度进行，1项在印度和肯尼亚进行。gydF4y2Ba

    表1。纳入研究的特点。gydF4y2Ba
    作者,年gydF4y2Ba 研究设计gydF4y2Ba 样本特征gydF4y2Ba 医院(国家)gydF4y2Ba 评价结果gydF4y2Ba
    Abràmoff等人，2018 [gydF4y2Ba25gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 819名患者gydF4y2Ba 10个初级保健诊所(美国)gydF4y2Ba 美联社gydF4y2Ba一个gydF4y2Ba(灵敏度、特异度、可成像率)gydF4y2Ba
    Aoki等，2020 [gydF4y2Ba26gydF4y2Ba］gydF4y2Ba 实验研究(交叉设计)gydF4y2Ba 6个医生gydF4y2Ba 东京大学医院(日本)gydF4y2Ba 有限公司gydF4y2BabgydF4y2Ba(阅读时间、黏膜破溃检出率)gydF4y2Ba
    Arbabshirani等人，2018 [gydF4y2Ba27gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 347常规头部CTgydF4y2BacgydF4y2Ba病人的扫描gydF4y2Ba 盖辛格卫生系统(美国)gydF4y2Ba 美联社(AUCgydF4y2BadgydF4y2Ba(准确性、灵敏度、特异性)gydF4y2Ba
    CO(诊断时间)gydF4y2Ba
    Bailey等人，2013 [gydF4y2Ba28gydF4y2Ba］gydF4y2Ba 交叉个随机对照试验gydF4y2BaegydF4y2Ba 20031名患者gydF4y2Ba 巴恩斯-犹太医院(美国)gydF4y2Ba 阿宝gydF4y2BafgydF4y2Ba(加护病房gydF4y2BaggydF4y2Ba转诊，医院死亡率，医院LOSgydF4y2BahgydF4y2Ba）gydF4y2Ba
    Barinov等人，2019 [gydF4y2Ba29gydF4y2Ba］gydF4y2Ba 实验(受试者内部)gydF4y2Ba 3放射科医生gydF4y2Ba NRgydF4y2Ba我gydF4y2Ba 美联社(AUC)gydF4y2Ba
    CO(诊断准确性)gydF4y2Ba
    Beaudoin et al .， 2016 [gydF4y2Ba30.gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 350名患者(515张处方)gydF4y2Ba 舍布鲁克大学医院中心(加拿大)gydF4y2Ba AP(触发建议的数量、精度、召回率、准确性)gydF4y2Ba
    Bien等，2018 [gydF4y2Ba31gydF4y2Ba］gydF4y2Ba 实验研究(受试者内部)gydF4y2Ba 9临床专家gydF4y2Ba 斯坦福大学医学中心(美国)gydF4y2Ba 美联社(AUC)gydF4y2Ba
    CO(特异性、灵敏度、准确性)gydF4y2Ba
    Brennan等人，2019 [gydF4y2Ba32gydF4y2Ba］gydF4y2Ba 非随机化试验gydF4y2Ba 20个医生gydF4y2Ba 学术四级护理机构(美国)gydF4y2Ba 美联社(AUC)gydF4y2Ba
    CO(风险评估变更、AUC、可用性)gydF4y2Ba
    Chen等，2020 [gydF4y2Ba33gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 437名患者gydF4y2Ba 武汉大学人民医院gydF4y2Ba CO(盲区率)gydF4y2Ba
    Connell等人，2019 [gydF4y2Ba34gydF4y2Ba］gydF4y2Ba 之后的研究gydF4y2Ba 2642名患者gydF4y2Ba 皇家自由医院，巴尼特总医院(英国)gydF4y2Ba 肾脏恢复率，其他临床结果，护理过程gydF4y2Ba
    Eshel等，2017 [gydF4y2Ba35gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 6位显微镜专家gydF4y2Ba 金奈阿波罗医院(印度);阿迦汗大学医院(肯尼亚)gydF4y2Ba AP(灵敏度、特异性、物种识别准确性、器械寄生虫计数)gydF4y2Ba
    Giannini等，2019 [gydF4y2Ba36gydF4y2Ba］gydF4y2Ba 之后的研究gydF4y2Ba 22280例患者处于沉默期，32184例患者处于警戒期gydF4y2Ba 宾夕法尼亚大学卫生系统3所城市急症医院(美国)gydF4y2Ba AP(敏感性、特异性)gydF4y2Ba
    PO(死亡率、出院处置、转ICU、转ICU时间、临床流程措施)gydF4y2Ba
    Ginestra等人，2019 [gydF4y2Ba37gydF4y2Ba］gydF4y2Ba 调查gydF4y2Ba 43名护士和44名保健人员gydF4y2Ba 费城一家三级教学医院(美国)gydF4y2Ba 文书主任(护士和提供者的看法)gydF4y2Ba
    Gómez-Vallejo等人，2016 [gydF4y2Ba38gydF4y2Ba］gydF4y2Ba 观察性研究(回顾性)gydF4y2Ba 1800例患者(2569例样本)gydF4y2Ba 西班牙国家卫生系统医院(西班牙)gydF4y2Ba 美联社(精度)gydF4y2Ba
    文书主任(系统知觉)gydF4y2Ba
    Grunwald等人，2016 [gydF4y2Ba39gydF4y2Ba］gydF4y2Ba 观察性研究(回顾性)gydF4y2Ba 15名患者，3名神经放射学家gydF4y2Ba 综合中风中心(德国)gydF4y2Ba AP (e-ASPECTS绩效)gydF4y2Ba
    Kanagasingam等人，2018 [gydF4y2Ba40gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 193个病人，4个医生gydF4y2Ba 米德兰(澳大利亚)的初级保健实践gydF4y2Ba 敏感性，特异性，PPVgydF4y2BajgydF4y2Ba,净现值gydF4y2BakgydF4y2Ba）gydF4y2Ba
    龙骨等人，2018 [gydF4y2Ba41gydF4y2Ba］gydF4y2Ba 调查gydF4y2Ba 96名患者gydF4y2Ba 圣文森特医院，吉朗大学医院(澳大利亚)gydF4y2Ba AP(敏感性和特异性，评估时间)gydF4y2Ba
    PO(患者可接受性)gydF4y2Ba
    Kiani等，2020 [gydF4y2Ba42gydF4y2Ba］gydF4y2Ba 实验研究(受试者内部)gydF4y2Ba 11病理学家gydF4y2Ba 斯坦福大学医学中心(英国)gydF4y2Ba 美联社(精度)gydF4y2Ba
    有限公司(精度)gydF4y2Ba
    Lagani et al .， 2015 [gydF4y2Ba43gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 2 .卫生保健提供者gydF4y2Ba Chorleywood保健中心(联合王国)gydF4y2Ba AP(系统性能)gydF4y2Ba
    有限公司(可用性)gydF4y2Ba
    Lin等人，2019 [gydF4y2Ba44gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 350名患者gydF4y2Ba 5家眼科诊所(中国)gydF4y2Ba AP(精度、PPV、NPV)gydF4y2Ba
    CO(诊断时间)gydF4y2Ba
    PO(患者满意度)gydF4y2Ba
    Lindsey等人，2018 [gydF4y2Ba45gydF4y2Ba］gydF4y2Ba 实验研究(受试者内部)gydF4y2Ba 40名急诊临床医生gydF4y2Ba 特殊外科医院(美国)gydF4y2Ba 美联社(AUC)gydF4y2Ba
    CO(敏感性、特异性、误读率)gydF4y2Ba
    刘等，2020 [gydF4y2Ba46gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 1026名患者gydF4y2Ba 中国人民解放军联勤保障部队第988医院gydF4y2Ba 公司(美国存托凭证gydF4y2BalgydF4y2Ba, PDRgydF4y2Ba米gydF4y2Ba(腺瘤及息肉数目)gydF4y2Ba
    Mango等，2020 [gydF4y2Ba47gydF4y2Ba］gydF4y2Ba 实验研究(受试者内部)gydF4y2Ba 15个医生gydF4y2Ba 13个不同的医疗中心(美国)gydF4y2Ba AP (AUC，敏感性，特异性)gydF4y2Ba
    CO (AUC，互可靠性，内部可靠性)gydF4y2Ba
    Martin et al, 2012 [gydF4y2Ba48gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 214名患者gydF4y2Ba 13个不同的医疗中心(美国)gydF4y2Ba 灵敏度，PPVgydF4y2Ba
    阿宝(正式启动gydF4y2BangydF4y2Ba(护理支持活动)gydF4y2Ba
    McCoy and Das, 2017 [gydF4y2Ba49gydF4y2Ba］gydF4y2Ba 之后的研究gydF4y2Ba 1328名患者gydF4y2Ba 开普地区医疗中心(美国)gydF4y2Ba PO(医院死亡率、医院LOS、再入院率)gydF4y2Ba
    McNamara et al, 2019 [gydF4y2Ba50gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 3位乳腺癌专家gydF4y2Ba 约翰·泰勒癌症中心(美国)gydF4y2Ba 文书主任(决策)gydF4y2Ba
    Mori等人，2018 [gydF4y2Ba51gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 791名患者，23名内窥镜医师gydF4y2Ba 日本昭和大学北横滨医院gydF4y2Ba 美联社(NPV)gydF4y2Ba
    CO(诊断时间)gydF4y2Ba
    Nagaratnam et al, 2020 [gydF4y2Ba52gydF4y2Ba］gydF4y2Ba 观察性研究(回顾性)gydF4y2Ba 1例gydF4y2Ba 皇家伯克郡医院(联合王国)gydF4y2Ba PO(病人护理和临床结果)gydF4y2Ba
    Natarajan et al, 2019 [gydF4y2Ba53gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 213名患者gydF4y2Ba 大孟买市政公司(印度)药房gydF4y2Ba AP(敏感性、特异性)gydF4y2Ba
    Nicolae et al, 2020 [gydF4y2Ba54gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 41岁的病人gydF4y2Ba Sunnybrook Odette癌症中心(加拿大)gydF4y2Ba AP(第30天剂量测定)gydF4y2Ba
    文书主任(策划时间)gydF4y2Ba
    Park等人，2019 [gydF4y2Ba55gydF4y2Ba］gydF4y2Ba 实验研究(受试者内部)gydF4y2Ba 8个临床医生gydF4y2Ba 斯坦福大学医学中心(美国)gydF4y2Ba CO(特异性、敏感性、准确性、诊断一致性、诊断时间)gydF4y2Ba
    Romero-Brufau et al, 2020 [gydF4y2Ba56gydF4y2Ba］gydF4y2Ba 张后调查gydF4y2Ba 临床人员81人gydF4y2Ba 威斯康星州西南部的3个初级保健诊所(美国)gydF4y2Ba 对人工智能的态度gydF4y2BaogydF4y2Ba在工作场所)gydF4y2Ba
    Rostill等人，2018 [gydF4y2Ba57gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 204名病人，204名护理人员gydF4y2Ba 萨里和汉普郡国民保健服务(英国)gydF4y2Ba 文书主任(系统评估)gydF4y2Ba
    早期临床干预，患者评估gydF4y2Ba
    Segal等人，2014 [gydF4y2Ba58gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 16名儿科神经科医生gydF4y2Ba 波士顿儿童医院(美国)gydF4y2Ba CO(诊断错误、诊断相关性、检查项目数)gydF4y2Ba
    Segal等人，2016 [gydF4y2Ba59gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 26个临床医生gydF4y2Ba 波士顿儿童医院(美国)gydF4y2Ba CO(诊断错误)gydF4y2Ba
    Segal等人，2017 [gydF4y2Ba60gydF4y2Ba］gydF4y2Ba 结构化面试gydF4y2Ba 10名医学专家gydF4y2Ba 盖辛格保健系统和山间保健(美国)gydF4y2Ba 文书主任(系统知觉)gydF4y2Ba
    Segal等人，2019 [gydF4y2Ba61gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 3160例患者(315例处方提醒)gydF4y2Ba 示巴医疗中心(以色列)gydF4y2Ba AP(准确性、临床有效性和有用性)gydF4y2Ba
    PO(医嘱变更)gydF4y2Ba
    Shimabukuro等，2017 [gydF4y2Ba62gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 142名患者gydF4y2Ba 加州大学旧金山医学中心(美国)gydF4y2Ba PO (LOS，住院死亡率)gydF4y2Ba
    Sim等，2020 [gydF4y2Ba63gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 12放射科医生gydF4y2Ba 4个医疗中心(美国和韩国)gydF4y2Ba 灵敏度，FPPIgydF4y2BapgydF4y2Ba）gydF4y2Ba
    CO(灵敏度、FPPI、决策变化)gydF4y2Ba
    Steiner等人，2018 [gydF4y2Ba64gydF4y2Ba］gydF4y2Ba 实验研究(受试者内部)gydF4y2Ba 6名解剖病理学家gydF4y2Ba NRgydF4y2Ba CO(灵敏度，每张图像的平均审查，解释难度)gydF4y2Ba
    苏等，2020 [gydF4y2Ba65gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 623名病人，6名内窥镜医生gydF4y2Ba 山东大学齐鲁医院gydF4y2Ba CO (ADR, PDR，腺瘤和息肉数量，停药时间，肠准备充足率)gydF4y2Ba
    Titano等，2018 [gydF4y2Ba66gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 2放射科医生gydF4y2Ba NRgydF4y2Ba CO(诊断时间、急症排队)gydF4y2Ba
    Vandenberghe et al .， 2017 [gydF4y2Ba67gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 病理学家1名，HER2评分员2名gydF4y2Ba NRgydF4y2Ba CO(决策协调、决策修改)gydF4y2Ba
    Voerman等人，2019 [gydF4y2Ba68gydF4y2Ba］gydF4y2Ba 之后的研究gydF4y2Ba NRgydF4y2Ba 波卡洪塔斯五河医疗中心(美国)gydF4y2Ba CEgydF4y2Ba问gydF4y2Ba(每位患者的平均总费用)gydF4y2Ba
    PO(艰难梭菌和抗生素耐药感染患者数，LOS，抗生素使用)gydF4y2Ba
    Wang et al .， 2019 [gydF4y2Ba69gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 1058名病人，8名医生gydF4y2Ba 四川省人民医院(中国)gydF4y2Ba CO (ADR, PDR，每个患者腺瘤数)gydF4y2Ba
    Wang et al .， 2019 [gydF4y2Ba70gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 75名患者gydF4y2Ba 布里格姆妇女医院附属的4个初级保健诊所(美国)gydF4y2Ba CO(抗凝处方)gydF4y2Ba
    Wang等，2020 [gydF4y2Ba71gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 962名患者gydF4y2Ba 四川省人民医院草堂分院gydF4y2Ba CO (ADR, PDR，每次结肠镜检查腺瘤和息肉的数量)gydF4y2Ba
    Wijnberge et al .， 2020 [gydF4y2Ba72gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 68名患者gydF4y2Ba 阿姆斯特丹UMC(荷兰)gydF4y2Ba PO(低血压中位时间加权平均，低血压中位时间，治疗，干预时间，不良事件)gydF4y2Ba
    Wu等，2019 [gydF4y2Ba73gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 3600居民gydF4y2Ba 3名眼科医生，社区卫生保健中心(中国)gydF4y2Ba 美联社(AUC)gydF4y2Ba
    文书主任(眼科医生与人口服务比率)gydF4y2Ba
    Wu等，2019 [gydF4y2Ba74gydF4y2Ba］gydF4y2Ba 个随机对照试验gydF4y2Ba 303名患者，6名内窥镜医师gydF4y2Ba 武汉大学人民医院gydF4y2Ba AP(照片文件的准确性、完整性)gydF4y2Ba
    CO(盲区率、被忽视患者数、检查时间)gydF4y2Ba
    PO(不良事件)gydF4y2Ba
    Yoo等人，2018 [gydF4y2Ba75gydF4y2Ba］gydF4y2Ba 观察性研究(前瞻性)gydF4y2Ba 50个病人，1个放射科医生gydF4y2Ba NR(韩国)gydF4y2Ba AP(敏感性、特异性、PPV、NPV、准确性)gydF4y2Ba
    CO(灵敏度、特异性、PPV、NPV、准确性)gydF4y2Ba

    一个gydF4y2BaAP:应用程序性能。gydF4y2Ba

    bgydF4y2BaCO:临床结果。gydF4y2Ba

    cgydF4y2BaCT:计算机断层扫描。gydF4y2Ba

    dgydF4y2BaAUC:曲线下面积。gydF4y2Ba

    egydF4y2BaRCT:随机对照试验。gydF4y2Ba

    fgydF4y2BaPO:患者结果。gydF4y2Ba

    ggydF4y2BaICU:重症监护病房。gydF4y2Ba

    hgydF4y2BaLOS:停留时间。gydF4y2Ba

    我gydF4y2Ba尼科布:没有报道。gydF4y2Ba

    jgydF4y2BaPPV:阳性预测值。gydF4y2Ba

    kgydF4y2BaNPV:负预测值。gydF4y2Ba

    lgydF4y2BaADR:腺瘤检出率。gydF4y2Ba

    米gydF4y2BaPDR:息肉检出率。gydF4y2Ba

    ngydF4y2BaACSC:门诊护理敏感入院。gydF4y2Ba

    ogydF4y2BaAI:人工智能。gydF4y2Ba

    pgydF4y2BaFFPI:每个图像的假阳性。gydF4y2Ba

    问gydF4y2BaCE:成本效益。gydF4y2Ba
    ‎gydF4y2Ba
    图2。2010年至2020年收录文章的分布。gydF4y2Ba
    查看此图gydF4y2Ba
    ‎gydF4y2Ba
    图3。涉及医院的国家分布情况。gydF4y2Ba
    查看此图gydF4y2Ba

    质量评估gydF4y2Ba

    考虑到纳入研究类型的异质性，我们仅使用Cochrane协作偏倚风险工具(Cochrane Collaboration risk of bias)评估了13项rct的偏倚风险(gydF4y2Ba多媒体附录2gydF4y2Ba) [gydF4y2Ba76gydF4y2Ba]。总的来说，rct的总得分范围为0 [gydF4y2Ba57gydF4y2Ba]至6 [gydF4y2Ba44gydF4y2Ba，gydF4y2Ba65gydF4y2Ba，gydF4y2Ba69gydF4y2Ba]，平均值为3.84。具体来说，有8项研究报道了随机序列生成[gydF4y2Ba33gydF4y2Ba，gydF4y2Ba44gydF4y2Ba，gydF4y2Ba62gydF4y2Ba，gydF4y2Ba65gydF4y2Ba，gydF4y2Ba69gydF4y2Ba，gydF4y2Ba71gydF4y2Ba，gydF4y2Ba72gydF4y2Ba]，三项研究明确指出，分配是隐藏的[gydF4y2Ba62gydF4y2Ba，gydF4y2Ba65gydF4y2Ba，gydF4y2Ba72gydF4y2Ba]。只有两项研究是双盲的[gydF4y2Ba66gydF4y2Ba，gydF4y2Ba71gydF4y2Ba]。在两项研究中，参与者的盲法均未成功[gydF4y2Ba62gydF4y2Ba，gydF4y2Ba72gydF4y2Ba在六项研究中都不清楚[gydF4y2Ba44gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba54gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba69gydF4y2Ba，gydF4y2Ba70gydF4y2Ba]。7项研究结果评价的盲法不成功[gydF4y2Ba33gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba62gydF4y2Ba，gydF4y2Ba65gydF4y2Ba，gydF4y2Ba69gydF4y2Ba，gydF4y2Ba70gydF4y2Ba，gydF4y2Ba74gydF4y2Ba在一项研究中还不清楚[gydF4y2Ba57gydF4y2Ba]。三项研究没有明确说明他们是否有纳入参与者的完整数据[gydF4y2Ba57gydF4y2Ba，gydF4y2Ba66gydF4y2Ba，gydF4y2Ba77gydF4y2Ba]。所有13项研究的选择性报告偏倚风险均较低。其他潜在的偏倚来源包括样本量小[gydF4y2Ba62gydF4y2Ba，gydF4y2Ba70gydF4y2Ba，gydF4y2Ba72gydF4y2Ba]，短暂的学习期[gydF4y2Ba62gydF4y2Ba]，以及缺乏关于随机对照试验和随访的详细信息[gydF4y2Ba57gydF4y2Ba，gydF4y2Ba66gydF4y2Ba]。gydF4y2Ba

    人工智能应用特点gydF4y2Ba

    在这51项研究中，有两项没有披露有关所使用人工智能技术的任何信息。在剩下的49项研究中，最受欢迎的ML技术是神经网络(n=22)，其次是随机森林(n=3)、贝叶斯模式匹配(n=3)、支持向量机(n=2)、决策树(n=2)和深度强化学习(n=2)。我们还发现，纳入的AI应用程序主要在以下四类临床任务中提供决策支持:疾病筛查或分诊(n=16)、疾病诊断(n=16)、风险分析(n=14)和治疗(n=7)。此外，人工智能在46项(94%)研究中的应用针对一种或多种特定疾病和病症。最常见的疾病和病症是败血症(n=6)、乳腺癌(n=5)、糖尿病视网膜病变(n=4)、息肉和腺瘤(n=4)、白内障(n=2)和中风(n=2)。人工智能应用特征的详细信息见gydF4y2Ba多媒体附录3gydF4y2Ba。gydF4y2Ba

    评价结果gydF4y2Ba

    我们将回顾研究中的评估结果分为以下四种类型:人工智能应用的性能、临床结果、患者结果和成本效益gydF4y2Ba表1gydF4y2Ba和gydF4y2Ba多媒体附录4gydF4y2Ba。gydF4y2Ba

    人工智能应用的性能gydF4y2Ba

    26项研究评估了人工智能应用在现实临床环境中的表现[gydF4y2Ba25gydF4y2Ba，gydF4y2Ba27gydF4y2Ba，gydF4y2Ba29gydF4y2Ba-gydF4y2Ba32gydF4y2Ba，gydF4y2Ba35gydF4y2Ba，gydF4y2Ba36gydF4y2Ba，gydF4y2Ba38gydF4y2Ba-gydF4y2Ba43gydF4y2Ba，gydF4y2Ba45gydF4y2Ba，gydF4y2Ba47gydF4y2Ba，gydF4y2Ba48gydF4y2Ba，gydF4y2Ba51gydF4y2Ba，gydF4y2Ba52gydF4y2Ba，gydF4y2Ba54gydF4y2Ba，gydF4y2Ba61gydF4y2Ba，gydF4y2Ba63gydF4y2Ba，gydF4y2Ba73gydF4y2Ba-gydF4y2Ba75gydF4y2Ba，gydF4y2Ba78gydF4y2Ba]。常用的性能指标包括准确性、曲线下面积(AUC)、特异性、敏感性、阳性预测值(PPV)和阴性预测值(NPV)。其中，24项研究报告了人工智能应用在实践中的可接受和令人满意的表现。例如，一项研究[gydF4y2Ba25gydF4y2Ba]在美国的10个初级诊所进行了IDx- dr诊断系统(IDx, LLC)的关键试验，以检测糖尿病视网膜病变。他们报告说，IDx-DR的敏感性为87.2%，特异性为90.7%，可成像率为96.1%，超过了预定的终点。基于这些结果，IDx-DR成为美国食品和药物管理局(FDA)授权的第一个人工智能诊断系统，有可能改善糖尿病视网膜病变的早期发现，并预防数千名糖尿病患者的视力丧失。gydF4y2Ba

    相反，两项研究发现，人工智能应用未能超越医疗服务提供者，需要进一步改进[gydF4y2Ba40gydF4y2Ba，gydF4y2Ba44gydF4y2Ba]。其中一项随机对照试验[gydF4y2Ba44gydF4y2Ba研究了CC-Cruiser(一个基于人工智能的儿童白内障治疗平台)在中国五家眼科诊所的表现。作者发现CC-Cruiser在诊断儿童先天性白内障和做出治疗决定方面的准确性、PPV和NPV明显低于资深顾问。另一项研究[gydF4y2Ba40gydF4y2Ba在澳大利亚的一家初级保健办公室评估了基于人工智能的糖尿病视网膜病变分级系统的性能，发现人工智能系统的假阳性率很高，PPV为12%。具体来说，在同意这项研究的193名患者中，人工智能系统确定了17名需要转诊的严重糖尿病视网膜病变患者。然而，只有2例患者被正确识别，其余15例患者为假阳性。gydF4y2Ba

    临床医生的结果gydF4y2Ba

    33项研究考察了人工智能应用对临床医生结果的影响，即临床医生的决策、临床医生的工作流程和效率，以及临床医生对人工智能应用的评估和接受程度[gydF4y2Ba26gydF4y2Ba，gydF4y2Ba27gydF4y2Ba，gydF4y2Ba29gydF4y2Ba，gydF4y2Ba31gydF4y2Ba-gydF4y2Ba33gydF4y2Ba，gydF4y2Ba37gydF4y2Ba，gydF4y2Ba38gydF4y2Ba，gydF4y2Ba42gydF4y2Ba-gydF4y2Ba47gydF4y2Ba，gydF4y2Ba50gydF4y2Ba，gydF4y2Ba51gydF4y2Ba，gydF4y2Ba54gydF4y2Ba-gydF4y2Ba60gydF4y2Ba，gydF4y2Ba64gydF4y2Ba，gydF4y2Ba65gydF4y2Ba，gydF4y2Ba67gydF4y2Ba，gydF4y2Ba69gydF4y2Ba-gydF4y2Ba71gydF4y2Ba，gydF4y2Ba73gydF4y2Ba-gydF4y2Ba75gydF4y2Ba]。gydF4y2Ba

    人工智能应用具有提供临床决策支持的潜力。从我们的综述来看，有16项研究表明人工智能应用可以提高临床决策能力[gydF4y2Ba31gydF4y2Ba-gydF4y2Ba33gydF4y2Ba，gydF4y2Ba45gydF4y2Ba-gydF4y2Ba47gydF4y2Ba，gydF4y2Ba50gydF4y2Ba，gydF4y2Ba55gydF4y2Ba，gydF4y2Ba58gydF4y2Ba，gydF4y2Ba59gydF4y2Ba，gydF4y2Ba63gydF4y2Ba，gydF4y2Ba64gydF4y2Ba，gydF4y2Ba67gydF4y2Ba，gydF4y2Ba69gydF4y2Ba，gydF4y2Ba71gydF4y2Ba，gydF4y2Ba74gydF4y2Ba，gydF4y2Ba75gydF4y2Ba]。例如，Brennan等人[gydF4y2Ba32gydF4y2Ba发现临床医生在与MySurgery(一种术前风险评估算法)互动后获得了知识，并因此提高了他们的风险评估绩效。相反，有两项研究没有发现任何能提高决策能力的证据[gydF4y2Ba26gydF4y2Ba，gydF4y2Ba42gydF4y2Ba]。一种可能的解释是，人工智能可能会提供误导性的建议，抵消人工智能的好处。具体来说，Kiani等[gydF4y2Ba42gydF4y2Ba]评估了基于dl的活体癌症分类系统对11名病理学家诊断性能的影响，发现使用AI并没有大大提高诊断准确性。他们进一步指出，人工智能在提供正确预测时提高了准确性，而在提供错误预测时损害了准确性。Aoki等[gydF4y2Ba26gydF4y2Ba研究了基于dl的粘膜破裂检测系统对内镜医师在阅读小肠胶囊内镜检查中的影响。他们发现，该系统未能提高内镜医师，特别是培训生的粘膜破裂检测性能。gydF4y2Ba

    7项研究针对临床医生的工作流程和效率[gydF4y2Ba26gydF4y2Ba，gydF4y2Ba27gydF4y2Ba，gydF4y2Ba44gydF4y2Ba，gydF4y2Ba51gydF4y2Ba，gydF4y2Ba54gydF4y2Ba，gydF4y2Ba66gydF4y2Ba，gydF4y2Ba73gydF4y2Ba]。其中，六项研究发现，人工智能加快了临床任务所需的时间，并改善了现有的工作流程[gydF4y2Ba26gydF4y2Ba，gydF4y2Ba27gydF4y2Ba，gydF4y2Ba44gydF4y2Ba，gydF4y2Ba51gydF4y2Ba，gydF4y2Ba54gydF4y2Ba，gydF4y2Ba66gydF4y2Ba]。例如，Titano等[gydF4y2Ba66gydF4y2Ba发现基于dl的颅脑图像分诊算法处理和解释图像的速度比人类放射科医生快150倍(1.2秒对177秒)，并适当升级紧急病例，增强了放射科工作流程中的病例分诊。唯一的例外是Wu等人的研究[gydF4y2Ba74gydF4y2Ba]，评估了WISENSE质量改进系统在食管胃十二指肠镜检查中的盲点监测和手术时机。这项研究发现，WISENSE帮助内窥镜医师监测和控制他们在每个程序上的时间，从而增加了检查时间。gydF4y2Ba

    最后，七项研究调查了临床医生对人工智能应用的看法和接受程度[gydF4y2Ba32gydF4y2Ba，gydF4y2Ba37gydF4y2Ba，gydF4y2Ba38gydF4y2Ba，gydF4y2Ba43gydF4y2Ba，gydF4y2Ba56gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba60gydF4y2Ba]。特别是，七项研究中有五项报告了对人工智能应用的总体积极看法[gydF4y2Ba32gydF4y2Ba，gydF4y2Ba38gydF4y2Ba，gydF4y2Ba43gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba60gydF4y2Ba]。例如，Brennan等人[gydF4y2Ba32gydF4y2Ba在模拟临床工作流程中，要求20名外科重症医师使用并评估mysurgical risk进行术前风险预测。大多数受访者表示mysurgical risk是有用且易于使用的，并相信它将有助于决策。另一方面，其余两项研究对人工智能的评价好坏参半，甚至是负面的[gydF4y2Ba37gydF4y2Ba，gydF4y2Ba56gydF4y2Ba]。具体来说，Ginestra等[gydF4y2Ba37gydF4y2Ba]评估了医生对某三级教学医院基于ml的脓毒症预测系统的评估，发现只有16%的卫生保健提供者认为系统产生的脓毒症警报是有帮助的。负面评价可归因于提供商对警报的信任度低、算法透明度低以及警报后缺乏既定行动。Romero-Brufau等[gydF4y2Ba56gydF4y2Ba报告了在区域卫生系统实践中实施基于人工智能的临床决策支持系统的调查结果，发现只有14%的临床工作人员愿意推荐该系统。工作人员的反馈表明，一些系统建议的干预措施是不充分和不适当的。gydF4y2Ba

    病人的结果gydF4y2Ba

    14项研究报告了患者的预后[gydF4y2Ba28gydF4y2Ba，gydF4y2Ba34gydF4y2Ba，gydF4y2Ba36gydF4y2Ba，gydF4y2Ba41gydF4y2Ba，gydF4y2Ba44gydF4y2Ba，gydF4y2Ba48gydF4y2Ba，gydF4y2Ba49gydF4y2Ba，gydF4y2Ba52gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba61gydF4y2Ba，gydF4y2Ba62gydF4y2Ba，gydF4y2Ba68gydF4y2Ba，gydF4y2Ba72gydF4y2Ba，gydF4y2Ba74gydF4y2Ba]。在14项研究中的11项中，研究人员检查了人工智能对临床过程和结果的影响，如住院时间、住院死亡率、重症监护病房(ICU)转移、再入院和干预时间[gydF4y2Ba28gydF4y2Ba，gydF4y2Ba34gydF4y2Ba，gydF4y2Ba36gydF4y2Ba，gydF4y2Ba48gydF4y2Ba，gydF4y2Ba49gydF4y2Ba，gydF4y2Ba52gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba61gydF4y2Ba，gydF4y2Ba62gydF4y2Ba，gydF4y2Ba68gydF4y2Ba，gydF4y2Ba72gydF4y2Ba，gydF4y2Ba74gydF4y2Ba]。结果并不一致。大多数研究报告了改善的临床结果(n=8) [gydF4y2Ba36gydF4y2Ba，gydF4y2Ba48gydF4y2Ba，gydF4y2Ba52gydF4y2Ba，gydF4y2Ba57gydF4y2Ba，gydF4y2Ba61gydF4y2Ba，gydF4y2Ba62gydF4y2Ba，gydF4y2Ba68gydF4y2Ba，gydF4y2Ba72gydF4y2Ba，gydF4y2Ba74gydF4y2Ba]。例如，一项随机对照试验[gydF4y2Ba62gydF4y2Ba]在加州大学旧金山医学中心的两个icu中实施并评估了基于ml的严重脓毒症预测算法(dasascena)。他们发现，该算法的实施将住院时间从13.0天大大减少到10.3天，将住院死亡率从21.3%降低到8.96%。然而，其中三项研究没有发现改善临床结果的证据，这表明目前形式的算法适用性有限[gydF4y2Ba28gydF4y2Ba，gydF4y2Ba34gydF4y2Ba，gydF4y2Ba36gydF4y2Ba]。特别是Bailey等人[gydF4y2Ba28gydF4y2Ba研究了一种基于ml的算法的效果，该算法可以为住院患者的临床恶化生成实时警报。他们发现，仅仅提供警报并不能减少住院时间和住院死亡率。Connell等[gydF4y2Ba34gydF4y2Ba研究了一种新型数字化护理途径对急性肾损伤管理的影响，发现干预后肾脏恢复率和其他次要临床结果没有发生变化。Giannini等[gydF4y2Ba36gydF4y2Ba]在某三级教学医院系统中开发并实现了一种脓毒症预测算法。结果表明，算法生成的警报对临床过程的影响有限，不能降低死亡率、出院安排或转到ICU。因此，需要对未来的算法进行优化。gydF4y2Ba

    三项研究调查了患者如何评估人工智能应用，所有研究都报告了积极的结果[gydF4y2Ba41gydF4y2Ba，gydF4y2Ba44gydF4y2Ba，gydF4y2Ba57gydF4y2Ba]。龙骨等[gydF4y2Ba41gydF4y2Ba评估了患者在内分泌门诊环境中对基于人工智能的糖尿病视网膜病变筛查工具的接受程度。他们发现96%(92/96)的筛查患者对人工智能工具感到满意，78%(43/55)的随访患者更喜欢人工智能筛查而不是人工筛查，这表明人工智能工具被患者所接受。Lin等[gydF4y2Ba44gydF4y2Ba评估了患者对CC-Cruiser治疗儿童白内障的满意度，发现患者对CC-Cruiser的满意度略高于高级顾问。一种解释是，如果不及早干预，儿童白内障可能导致不可逆转的视力损害，甚至失明。因此，患者家长对CC-Cruiser的快速诊断表示赞赏。Rostill等[gydF4y2Ba57gydF4y2Ba评估了一种用于痴呆症护理的物联网(IoT)系统，发现痴呆症患者信任该系统并愿意推荐它。gydF4y2Ba

    成本效益gydF4y2Ba

    只有一项研究涉及人工智能在临床实践中的经济影响[gydF4y2Ba68gydF4y2Ba]。该研究报告称，与常规护理相比，实施基于ml的抗生素管理系统可减少败血症治疗费用25,611美元和下呼吸道感染治疗费用3630美元。gydF4y2Ba


    主要研究结果gydF4y2Ba

    人工智能应用在增强临床医生决策、改善临床护理流程和患者治疗效果以及降低医疗成本方面具有巨大潜力。我们的综述旨在识别和总结已经在现实临床实践中实施的人工智能应用的现有研究。它产生了以下有趣的发现。gydF4y2Ba

    首先，我们注意到，考虑到关于医疗保健人工智能的大量研究，纳入的研究数量少得惊人。特别是，大多数卫生保健人工智能研究都是概念验证研究，重点是人工智能算法的开发和使用回顾性临床数据集的验证。相比之下，只有少数研究在临床环境中实施和评估人工智能。然而，为了确保安全采用，人工智能应用程序应该提供可靠的科学证据，证明其相对于护理标准的有效性。因此，我们敦促卫生保健人工智能研究界与卫生保健提供者和机构密切合作，展示人工智能在现实临床环境中的潜力。gydF4y2Ba

    其次，超过三分之二的纳入文章来自发达经济体，其中一半以上来自美国，这表明发达国家处于卫生保健人工智能开发和部署的前沿。这与顶级健康人工智能公司和初创企业(如谷歌健康、IBM沃森健康和巴比伦健康)主要位于美国和欧洲的事实是一致的。这一发现应该谨慎解释，因为我们排除了非英语写作的文章，尽管我们的搜索已经确定了890篇非英语出版物。我们没有纳入这些非英语文章，因为由于翻译困难和差异，很难进行公正的分析。文章在国家或经济发展状况上的分布不平衡，可能是由于低收入国家的研究人员发表率非常低。gydF4y2Ba

    然而，值得注意的是，我们的文章中有8篇(16%)来自中国，这表明中国一直在广泛应用医疗人工智能并开展医疗人工智能研究。事实上，医院、科技公司和中国政府一直在推动临床人工智能的部署，目的是缓解医生短缺，缓解医疗资源不平等，降低医疗成本[gydF4y2Ba79gydF4y2Ba-gydF4y2Ba82gydF4y2Ba]，中国研究人员已经获得了在国际英文期刊上发表论文的能力。gydF4y2Ba

    第三，未来临床人工智能评价的研究质量有待提高。我们的综述显示，只有13项(26%)研究是随机对照试验，其中大多数存在中至高偏倚风险。8项研究为实验研究，均采用交叉设计或受试者内设计，易受混杂效应影响。在样本信息方面，只有8项(16%)研究同时提供了患者和卫生保健提供者的信息，14项(28%)研究使用的样本量小于20 (gydF4y2Ba表1gydF4y2Ba)，限制了其结果的普遍性。在评价设计方面，三分之一的研究(n=17, 33%)没有纳入对照组(gydF4y2Ba多媒体附录4gydF4y2Ba)，限制了与当前最佳实践相比识别人工智能应用附加价值的能力。鉴于医疗保健提供者可能对不同性能和可靠性的不同人工智能系统持有不同的看法，如果研究提供对人工智能系统架构、准确性或可靠性性能以及可能的风险的透明描述，将会有所帮助。不幸的是，在我们的回顾中，21项研究没有提供有关人工智能应用程序架构的足够信息[gydF4y2Ba25gydF4y2Ba，gydF4y2Ba29gydF4y2Ba，gydF4y2Ba32gydF4y2Ba，gydF4y2Ba34gydF4y2Ba，gydF4y2Ba37gydF4y2Ba，gydF4y2Ba44gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba50gydF4y2Ba，gydF4y2Ba52gydF4y2Ba，gydF4y2Ba54gydF4y2Ba，gydF4y2Ba56gydF4y2Ba-gydF4y2Ba62gydF4y2Ba，gydF4y2Ba65gydF4y2Ba，gydF4y2Ba68gydF4y2Ba，gydF4y2Ba70gydF4y2Ba，gydF4y2Ba75gydF4y2Ba]和22项研究没有揭示人工智能的性能和可能的风险[gydF4y2Ba26gydF4y2Ba，gydF4y2Ba29gydF4y2Ba，gydF4y2Ba34gydF4y2Ba，gydF4y2Ba37gydF4y2Ba，gydF4y2Ba39gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba48gydF4y2Ba-gydF4y2Ba50gydF4y2Ba，gydF4y2Ba52gydF4y2Ba，gydF4y2Ba54gydF4y2Ba，gydF4y2Ba56gydF4y2Ba-gydF4y2Ba62gydF4y2Ba，gydF4y2Ba64gydF4y2Ba，gydF4y2Ba65gydF4y2Ba，gydF4y2Ba68gydF4y2Ba，gydF4y2Ba69gydF4y2Ba]。此外，考虑到一些自适应临床人工智能应用不断纳入最新的临床实践数据和已发表的证据，对人工智能应用进行定期监测和重新校准以确保它们按预期工作是很重要的。最后，我们发现超过一半的研究(n= 29,57%)只调查了评估结果的一个方面(gydF4y2Ba多媒体附录4gydF4y2Ba）.我们鼓励未来的研究对临床人工智能应用的质量及其对临床医生、患者和医疗机构的影响进行更全面的评估。这将有助于在同一临床领域对替代人工智能解决方案进行比较和选择。gydF4y2Ba

    第四，我们的分析表明，尽管在某些情况下，人工智能应用程序可以提供有效的决策支持。例如，人工智能在临床决策能力中的增强作用可能会受到专业水平的影响。特别是，两项研究表明，初级医生比高级医生更有可能从人工智能中受益，因为他们在遇到不确定的人工智能建议时，更倾向于重新考虑和修改他们的临床决策[gydF4y2Ba38gydF4y2Ba，gydF4y2Ba47gydF4y2Ba]。然而，值得注意的是，人工智能有时会产生误导。例如，我们综述中的一项研究推测，由于阅读经验有限，实习内窥镜医师可能会对人工智能筛查工具的假阳性结果感到困惑，从而忽略人工智能标记的小肠粘膜破裂病变[gydF4y2Ba26gydF4y2Ba]。因此，对于未来的研究来说，研究在什么情况下医生可以从人工智能应用中获益更多是很重要的。然而，我们乐观地认为，当人工智能技术足够成熟和准确，成为循证的最佳实践时，它的使用将成为未来常规临床护理的一部分。gydF4y2Ba

    在接受人工智能方面，我们观察到，在两项研究中，卫生保健提供者对人工智能表达了负面情绪[gydF4y2Ba37gydF4y2Ba，gydF4y2Ba56gydF4y2Ba]，这表明在将人工智能纳入日常工作流程中存在障碍。然而，对人工智能实施障碍的详细阐述将是冗长的，并且超出了本工作的范围，我们建议感兴趣的读者参考Kelly等人的报告[gydF4y2Ba8gydF4y2Ba]， Ngiam和Khor [gydF4y2Ba83gydF4y2Ba]， lysight等[gydF4y2Ba84gydF4y2Ba]， Shaw等[gydF4y2Ba10gydF4y2Ba]， Yu和Kohane [gydF4y2Ba12gydF4y2Ba]查阅详情。gydF4y2Ba

    第五，对于大多数纳入的关于患者结局的研究，我们发现他们没有详细检查临床过程和干预措施。然而，如果没有适当和有用的干预措施，人工智能应用可能无法改善患者的预后。例如，Bailey等人[gydF4y2Ba28gydF4y2Ba发现仅仅告知护理人员临床恶化风险并不能改善高危患者的预后。需要有效的针对患者的干预措施。因此，未来的研究可能会设计和评估以患者为导向的干预措施，以提高人工智能应用的临床有效性。gydF4y2Ba

    此外，有三项纳入的研究表明，由于医疗人工智能的便利性和高效性，患者及其家属对其非常满意[gydF4y2Ba41gydF4y2Ba，gydF4y2Ba44gydF4y2Ba，gydF4y2Ba57gydF4y2Ba]。然而，情况并非总是如此。先前的研究表明，患者更倾向于接受人类提供者的初级护理，而不是人工智能，即使卫生保健提供者的护理带来更高的误诊风险[gydF4y2Ba85gydF4y2Ba]。原因是他们认为人工智能在考虑他们的独特情况时能力较弱。此外，患者可能会贬低有临床决策支持系统辅助的医生，认为他们的能力和专业程度不如没有辅助的同行[gydF4y2Ba86gydF4y2Ba]。应该考虑进一步研究患者对健康人工智能应用可能存在的担忧和抵制。gydF4y2Ba

    最后，根据埃森哲的一项调查，超过一半的医疗机构乐观地认为，尽管实施人工智能的初始成本很高，但人工智能将降低成本并提高收入[gydF4y2Ba87gydF4y2Ba]。然而，只有一项纳入的研究记录了人工智能实施的经济结果。这凸显了在临床实践中对人工智能应用进行更多成本效益分析的必要性。gydF4y2Ba

    限制gydF4y2Ba

    这篇综述有几个局限性。首先，我们只收录了同行评议的英文期刊文章。一些相关的文章是用其他语言写的，或者是在会议、研讨会和新闻报道中发表的。如前所述，这可能部分解释了审评文章的国家分布不平衡。此外，我们没有包括2010年之前发表的文章，因为人工智能在过去十年中才开始在临床领域取得进展，这在我们的搜索结果中很明显。此外，我们只回顾了高级计算机科学会议和期刊，而没有全面检查工程和计算机科学数据库。这应该不是一个问题，因为我们发现计算机科学会议和期刊主要关注新的人工智能算法的训练和验证，而没有实际部署。不过，未来的研究可以扩大搜索范围，以更深入地了解最先进的临床人工智能算法。gydF4y2Ba

    另一个担忧是，一些人工智能应用可能已经在现实世界的临床实践中实施，但没有任何公开的出版物。例如，IDx-DR是第一个获得fda批准的人工智能系统，已在爱荷华大学医疗保健等20多家医疗机构实施。gydF4y2Ba88gydF4y2Ba]。然而，我们的搜索只发现了一个相关的已发表结果[gydF4y2Ba25gydF4y2Ba]。临床从业者应该在未来的日常实践中更加积极地报告人工智能的评估和使用结果。gydF4y2Ba

    结论gydF4y2Ba

    人工智能应用在改善患者治疗效果和改善护理过程方面具有巨大潜力。根据本综述中提出的文献，随着越来越多的高质量证据的产生，人们对开发人工智能工具来支持临床工作流程非常感兴趣。然而，目前还没有足够的一级证据支持常规使用卫生保健人工智能进行决策支持，这阻碍了卫生保健人工智能的发展，并对患者安全构成潜在风险。因此，我们得出结论，重要的是进行稳健的随机对照试验，将人工智能辅助护理过程和结果与当前最佳实践相比较。对医疗保健人工智能进行严格、稳健和全面的评估将有助于从理论转向临床实践。gydF4y2Ba

    致谢gydF4y2Ba

    本研究由NSCP资助(批准号:N-171-000-499-001)，来自新加坡国立大学。它还得到了迪恩战略基金-卫生信息学的支持(批准号:C-251-000-068-001)，来自新加坡国立大学。gydF4y2Ba

    利益冲突gydF4y2Ba

    没有宣布。gydF4y2Ba

    ‎gydF4y2Ba
    多媒体附录1gydF4y2Ba

    搜索策略。gydF4y2Ba

    PDF档案(adobepdf档案)，86kbgydF4y2Ba
    ‎gydF4y2Ba
    多媒体附录2gydF4y2Ba

    基于Cochrane协作偏倚风险工具的随机对照试验质量评估。gydF4y2Ba

    XLSX文件(Microsoft Excel文件)，10kbgydF4y2Ba
    ‎gydF4y2Ba
    多媒体附录3gydF4y2Ba

    人工智能应用特点。gydF4y2Ba

    PDF文件(adobepdf文件)，112kbgydF4y2Ba
    ‎gydF4y2Ba
    多媒体附录4gydF4y2Ba

    纳入研究的评价结果及主要结果。gydF4y2Ba

    PDF档案(adobepdf档案)，153kbgydF4y2Ba
    1. 何军，Baxter SL，徐军，徐军，周翔，张凯。人工智能技术在医学中的实际应用。中华医学杂志2019;25(1):30-36 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    2. 蒋峰，蒋勇，志辉，董勇，李宏，马生，等。医疗保健中的人工智能:过去、现在和未来。中华脑血管病杂志，2017;2(4):230-243 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    3. Yu K, Beam AL, Kohane IS。医疗领域的人工智能。生物医学工程学报，2018;2(10):719-731 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    4. Triantafyllidis AK, Tsanas A.机器学习在现实生活数字健康干预中的应用:文献综述。医学互联网研究2019年04月05日;21(4):e12286 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    5. 人工智能(AI):医疗保健的新神经系统埃森哲。URL:gydF4y2Bahttps://www.accenture.com/us-en/insight-artificial-intelligence-healthcare%C2%A0gydF4y2Ba[2021-04-05]访问gydF4y2Ba
    6. McCarthy J, Minsky M, Rochester N, Shannon C.达特茅斯人工智能夏季研究项目提案。人工智能杂志2006;27(4):12。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    7. Panch T, Mattie H, Celi LA。关于人工智能在医疗领域的“难以忽视的真相”。中华医学杂志2019;2:77 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    8. Kelly CJ, Karthikesalingam A, Suleyman M, Corrado G, King D.人工智能在临床应用中的关键挑战。中华医学杂志2019;17(1):195 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    9. 李建军，李建军，刘建军，等。临床开发中的人工智能和机器学习:翻译视角。中华医学杂志2019;2:9 9 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    10. Shaw J, Rudzicz F, Jamieson T, Goldfarb A.人工智能及其实现挑战。中国医学信息学报，2019;21(7):563 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    11. Cohen IG, Amarasingham R, Shah A, Xie B, Lo B.在医疗保健中使用复杂预测分析产生的法律和伦理问题。卫生杂志(Millwood) 2014年7月;33(7):1139-1147 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    12. Yu K, Kohane是。构建人工智能在医学领域的挑战。中华医学杂志2019;28(3):238-241。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    13. Topol EJ。高性能医学:人类与人工智能的融合。中华医学杂志，2019,25(1):44-56。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    14. 王涛，雷波，王涛。基于x线摄影数据的乳腺癌检测与诊断。中国医学信息学报，2019;21(7):14464 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    15. Rajpara SM, Botello AP, Townend J, Ormerod AD。皮肤镜和数字皮肤镜/人工智能诊断黑色素瘤的系统综述。中华皮肤科杂志，2009,31(3):591- 594。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    16. 李建军，李建军，李建军，等。基于人工智能的计算机程序诊断肺结核胸部x光片准确性的系统综述。PLoS One 2019;14(9):e0221339 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    17. 王伟，Kiik M, Peek N, Curcin V, Marshall IJ, Rudd AG，等。用结构化数据预测中风预后的机器学习模型的系统综述。PLoS One 2020;15(6):e0234722 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    18. 李建军，李建军。人工智能在糖尿病管理和决策支持中的应用。医学互联网研究，2018年5月30日;20(5):e10775 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    19. Nagendran M, Chen Y, Lovejoy CA, Gordon AC, Komorowski M, Harvey H，等。人工智能与临床医生:对深度学习研究的设计、报告标准和主张的系统审查。中国医学杂志2020年3月25日;368:m689 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    20. 沈健，张长平，蒋斌，陈健，宋健，刘志，等。人工智能与临床医生在疾病诊断中的对比:系统综述。中华医学杂志2019;7(3):e10010 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    21. 刘霞，Faes L, Kale AU, Wagner SK, Fu DJ, Bruynseels A，等。深度学习与医疗保健专业人员从医学影像中检测疾病的比较:系统回顾和荟萃分析。《柳叶刀数字健康》2019 Oct;1(6):e271-e297 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    22. 张建军，张建军，张建军，张建军。基于人工智能的视觉诊断。The Lancet 2017 july;390(10091):221 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    23. Moher D, Liberati A, Tetzlaff J, Altman DG, PRISMA Group。系统评价和元分析的首选报告项目:PRISMA声明。PLoS Med 2009; 7 (7):e1000097 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    24. 刘建军，李建军，李建军，等。人工智能在医疗卫生领域的应用。[J]互联网研究与发展[J]; 2008;22(2): 888 - 888 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    25. Abràmoff MD, Lavin PT, Birch M, Shah N, Folk JC。基于人工智能的自主诊断系统在初级保健办公室检测糖尿病视网膜病变的关键试验。中华医学杂志2018;1:39 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    26. 青木T，山田A，青山K，斋藤H，藤泽G，小田原N，等。基于深度学习的系统首次筛选小肠胶囊内窥镜读数的临床应用。中国生物医学工程学报，2020;32(4):585-591。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    27. Arbabshirani MR, Fornwalt BK, Mongelluzzo GJ, Suever JD, Geise BD, Patel AA等。先进的机器学习在行动:识别颅内出血的计算机断层扫描与临床工作流程的整合。中华医学杂志2018;1:9 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    28. 普通病房住院患者临床恶化实时预警系统的试验研究。中华医院医学杂志，2013;8(5):236-242。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    29. 李建军，李建军，李建军，等。利用基于人工智能的计算机辅助诊断和决策支持系统的数据呈现对医生表现的影响。[J]数字影像学报，2019;32(3):408-416 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    30. 刘建军，刘建军，刘建军，等。临床决策支持系统的机器学习能力评价。[j] .中华医学杂志2016;68:29-36。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    31. 李建军，李建军，李建军，等。膝关节磁共振成像的深度学习辅助诊断:MRNet的发展和回顾性验证。PLoS Med 2018;15(11):e1002699 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    32. Brennan M, Puri S, Ozrazgat-Baslanti T, Feng Z, Ruppert M, Hashemighouchani H，等。比较临床判断与mysurgical risk算法术前风险评估:一项试点可用性研究。《中华外科杂志》;2015年5月;16 (5):1035-1045 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    33. 陈东，吴磊，李勇，张健，刘健，黄磊，等。比较非镇静超细胃镜、镇静和非镇静常规胃镜在人工智能和非人工智能情况下的盲点:一项前瞻性、单盲、3平行组、随机、单中心试验。胃肠内窥镜杂志，2011;31 (2):332-339.e3。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    34. Connell A, Montgomery H, Martin P, Nightingale C, Sadeghi-Alavijeh O, King D，等。医院急诊中急性肾损伤管理的数字化护理途径评估中华医学杂志2019;2:67 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    35. Eshel Y, Houri-Yafin A, Benkuzari H, Lezmy N, Soni M, Charles M，等。寄生虫疟疾诊断平台的评价。中华临床微生物学杂志，2017;33 (3):768-775 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    36. Giannini HM, Ginestra JC, Chivers C, Draugelis M, Hanish A, Schweickert WD，等。预测严重败血症和感染性休克的机器学习算法:发展、实施和对临床实践的影响。危重医学2019;47(11):1485-1492。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    37. Ginestra JC, Giannini HM, Schweickert WD, Meadows L, Lynch MJ, Pavan K，等。临床医生对基于机器学习的早期预警系统的感知，用于预测严重败血症和感染性休克*。重症监护医学2019;47(11):1477-1484。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    38. Gómez-Vallejo H, urel - latorre B, Sande-Meijide M, Villamarín-Bello B, Pavón R, Fdez-Riverola F，等。一种基于案例的推理系统，用于协助医院感染的检测和分类。决策支持系统[j]; 2016;(4):104-116。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    39. 郭志强，刘建军，李建军，等。通过电子阿尔伯塔卒中程序在移动卒中单元中进行早期CT评分的首次自动卒中成像评估。脑血管病2016;42(5-6):332-338。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    40. 李建军，李建军，李建军，李建军，等。基于人工智能的糖尿病视网膜病变分级评价。JAMA Netw Open 2018 Sep 07;1(5):e182665 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    41. 李志强，李志强，李志强，李志强，等。一种新的基于人工智能的内分泌科门诊糖尿病视网膜病变筛查模型的可行性和患者可接受性:一项试点研究。科学通报2018;8(1):4330 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    42. Kiani A, Uyumazturk B, Rajpurkar P, Wang A, Gao R, Jones E，等。深度学习助手对肝癌组织病理分类的影响。中华医学杂志2020;3:23 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    43. Lagani V, Chiarugi F, Manousos D, Verma V, Fursse J, Marias K，等。实现糖尿病相关并发症的长期风险评估服务。糖尿病并发症[J]; 2015;29(5):691-698。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    44. 林海，李锐，刘志，陈健，杨勇，陈华，等。人工智能平台在眼科诊所治疗儿童白内障的诊断疗效和治疗决策能力:一项多中心随机对照试验ecclinicalmedicine 2019年3月;9:52-59 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    45. Lindsey R, Daluiski A, Chopra S, Lachapelle A, Mozer M, Sicular S，等。深度神经网络改善了临床医生的骨折检测。中国科学:自然科学，2018;11 (6):1591- 1596 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    46. 刘伟，张勇，边霞，王丽，杨强，张旭，等。人工智能辅助结肠镜检查息肉、腺瘤检出率的研究。中华胃肠病杂志，2020;26(1):13-19 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    47. Mango VL, Sun M, Wynn RT, Ha R.我们应该忽略，跟随，还是活检?人工智能决策支持对乳腺超声病变评估的影响。刘建军，刘建军，刘建军，等。红外热成像技术与应用[J] .光学学报;2009;26(6):559 - 561。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    48. 马建平，李建军，李建军，等。复杂适应性慢性护理的实施:患者旅程记录系统(PaJR)。[J]中华临床医学杂志，2012;18(6):1226-1234。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    49. 通过基于机器学习的败血症预测在急诊科、重症监护病房和医院楼层单位降低患者死亡率、住院时间和再入院率。英国医学杂志2017;6(2):e000158 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    50. McNamara DM, Goldberg SL, Latts L, Atieh Graham DM, Waintraub SE, Norden AD等。由真实世界证据增强的认知计算对新手和肿瘤专家的不同影响。癌症医学2019;11 (15):6578-6584 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    51. Mori Y, Kudo S, Misawa M, Saito Y, Ikematsu H, Hotta K，等。人工智能在结肠镜检查中识别小息肉的实时应用:一项前瞻性研究。实习医学2018年9月18日;169(6):357-366。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    52. 张建军，张建军，张建军，等。新型冠状病毒肺炎疫情对急性脑卒中通路的影响。中国医学杂志;2010;7(2):169-173 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    53. 李建军，李建军，李建军，等。基于人工智能的糖尿病视网膜病变筛查研究进展。中华医学会眼科杂志2019年8月8日08:1182-1188 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    54. Nicolae A, Semple M, Lu L, Smith M, Chung H, Loblaw A，等。前列腺近距离治疗的常规vs基于机器学习的治疗计划:一项I期随机对照试验的结果近距离放射治疗2020;19(4):470-476 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    55. Park A, Chute C, Rajpurkar P, Lou J, Ball RL, Shpanskaya K，等。基于HeadXNet模型的脑动脉瘤深度学习辅助诊断JAMA网络公开赛2019年6月05日;2(6):e195600 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    56. Romero-Brufau S, Wyatt KD, Boyum P, Mickelson M, Moore M, cogneta - rieke C.基于人工智能的临床决策支持的实施经验研究。国际医学杂志2020年5月;137:104072。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    57. Rostill H, Nilforooshan R, Morgan A, Barnaghi P, Ream E, Chrysanthaki T.技术集成的痴呆健康管理。社区护理[J]; 2018;23(10):502-508。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    58. Segal MM, Williams MS, Gropman AL, Torres AR, Forsyth R, Connolly AM，等。神经诊断的循证决策支持减少了错误和不必要的检查。中华儿科杂志;2014;29(4):487-492。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    59. Segal MM, Athreya B, Son MBF, Tirosh I, Hausmann JS, Ang EYN，等。儿童风湿病的循证决策支持减少了诊断错误。儿科风湿病在线杂志2016年12月13日;14(1):67 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    60. Segal MM, Rahm AK, Hulse NC, Wood G, Williams JL, Feldman L，等。集成诊断决策支持软件与电子健康记录的经验:信息共享的好处与风险。EGEMS (Wash DC) 2017 Dec 06;5(1):23 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    61. Segal G, Segev A, Brom A, Lifshitz Y, Wasserstrum Y, Zimlichman E.基于概率的机器学习临床决策支持系统在住院患者环境中的应用减少药物处方错误和药物不良事件。医学信息学报，2019,01,26(12):1560-1565 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    62. Shimabukuro DW, Barton CW, Feldman MD, Mataraso SJ, Das R.基于机器学习的严重脓毒症预测算法对患者生存和住院时间的影响:一项随机临床试验。中华呼吸外科杂志，2017;4(1):564 - 564 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    63. 沈颖，钟美娟，Kotter E, Yune S, Kim M, Do S，等。基于深度卷积神经网络的软件提高了放射科医生在胸片上对恶性肺结节的检测。中华放射学杂志，2014,31(1):391 - 391。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    64. Steiner DF, MacDonald R, Liu Y, Truszkowski P, Hipp JD, Gammage C，等。深度学习辅助对转移性乳腺癌淋巴结组织病理学检查的影响。中华外科杂志，2018;42(12):1636-1646 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    65. 苏军，李志，邵旭，季超，季锐，周锐，等。实时自动质量控制系统对结肠直肠息肉和腺瘤检测的影响:一项前瞻性随机对照研究(附视频)。中国生物医学工程学报(英文版);2009;31(2):415-424。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    66. Titano JJ, Badgeley M, Schefflein J, Pain M, Su A, Cai M，等。自动深度神经网络监测急性神经事件的颅脑图像。中华医学杂志2018;24(9):1337-1341。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    67. Vandenberghe ME, Scott MLJ, Scorer PW, Söderberg M, Balcerzak D, Barker C.深度学习与乳腺癌HER2状态诊断的相关性。科学通报2017年04月05日;7:45938 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    68. vermans AM, Mewes JC, Broyles MR, Steuten LMG。使用真实世界美国医院数据的降钙素原引导的抗生素管理决策算法的成本效益分析。OMICS 2019 Oct;23(10):508-515 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    69. 王鹏，Berzin TM, Glissen Brown JR, Bharadwaj S, Becq A, Xiao X，等。实时自动检测系统提高结肠镜息肉和腺瘤的检出率:一项前瞻性随机对照研究。中国生物医学工程学报;2019;38 (10):1813-1819 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    70. 王士伟，Rogers JR, Jin Y, DeiCicchi D, Dejene S, Connors JM，等。评估旨在增加房颤患者适当抗凝治疗的人群健康干预的楔步随机试验。中华医学杂志2019 Oct;28(10):835-842 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    71. 王鹏，刘翔，Berzin TM, Glissen Brown JR，刘鹏，周超，等。深度学习计算机辅助检测系统对结肠镜检查中腺瘤检测的影响(CADe-DB试验):一项双盲随机研究。《柳叶刀胃肠病学与肝脏病学》2020年4月;5(4):343-351。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    72. Wijnberge M, Geerts BF, Hol L, Lemmers N, Mulder MP, Berge P，等。基于机器学习的术中低血压预警系统与标准护理对择期非心脏手术术中低血压深度和持续时间的影响:HYPE随机临床试验美国医学杂志2020年3月17日;323(11):1052-1060 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    73. 吴旭，黄勇，刘志，赖伟，龙娥，张凯，等。白内障协同管理的通用人工智能平台。[J]中华眼科杂志，2019;43 (11):559 - 561 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    74. 吴磊，张杰，周伟，安鹏，沈磊，刘杰，等。WISENSE的随机对照试验，一种实时质量改进系统，用于监测食管胃十二指肠镜检查中的盲点。中国农业大学学报(自然科学版);2019;38 (12):2161-2169 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    75. 刘彦杰，哈依杰，赵彦杰，金海龙，韩明，康世义。甲状腺结节超声计算机辅助诊断的初步临床经验。中华放射学杂志，2018;19(4):665-672 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    76. Higgins J, Thomas J, Chandler J, Cumpston M, Li T, Page MJ，等，编辑。Cochrane干预措施系统评价手册。奇切斯特，英国:John Wiley & Sons;2019.gydF4y2Ba
    77. Auloge P, Cazzato RL, Ramamurthy N, de Marini P, Rousseau C, Garnon J，等。经皮椎体成形术中增强现实和基于人工智能的导航:一项随机临床试验。中华医学杂志，2020;29(7):1580-1589。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    78. 刘晨，刘霞，吴峰，谢敏，冯勇，胡晨。基于Watson的中国肺癌患者治疗建议的可行性研究。医学互联网研究，2018年9月25日;20(9):e11087 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    79. 拥抱医疗保健革命:战略性地从数量转向价值。德勤。URL:gydF4y2Bahttps://www2.deloitte.com/cn/en/pages/life-sciences-and-healthcare/articles/embrace-healthcare-revolution.htmlgydF4y2Ba[2021-04-05]访问gydF4y2Ba
    80. 人工智能可以缓解中国医生短缺的问题。麻省理工科技评论2018年3月21日。URL:gydF4y2Bahttps://www.technologyreview.com/2018/03/21/144544/ai-could-alleviate-chinas-doctor-shortage/gydF4y2Ba[2021-04-05]访问gydF4y2Ba
    81. 中国正在打造终极科技健康天堂。还是真的?医学未来学家。2019年2月19日。URL:gydF4y2Bahttps://medicalfuturist.com/china-digital-health/gydF4y2Ba[2021-04-05]访问gydF4y2Ba
    82. IDC在新的CIO展望报告中确定了中国新兴的医疗保健人工智能趋势。IDC中国，2020年4月14日URL:gydF4y2Bahttps://www.idc.com/getdoc.jsp?containerId=prCHC46215920gydF4y2Ba[2021-04-05]访问gydF4y2Ba
    83. Ngiam KY, Khor IW。医疗保健服务的大数据和机器学习算法。《柳叶刀肿瘤学》2019年5月;20(5):e262-e273。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    84. 李思泰，林海燕，夏菲斯，英坚。医疗保健中的人工智能辅助决策:大数据伦理框架在健康和研究中的应用。亚洲生物学报2019年9月12日;11(3):299-314 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    85. 刘建军，刘建军，刘建军，等。人工智能对医疗行业的影响。消费者研究，2019;46(4):629-650。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    86. Shaffer VA, Probst CA, Merkle EC, Arkes HR, Medow MA。为什么病人会贬损使用计算机诊断支持系统的医生?中华医学杂志;2013;33(1):108-118。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    87. 数字健康的创新解决方案。埃森哲》2018。URL:gydF4y2Bahttps://www.accenture.com/us-en/insights/health/healthcare-walking-ai-talkgydF4y2Ba[2021-04-05]访问gydF4y2Ba
    88. 第一个获得fda批准的人工智能系统Carfagno J. IDx-DR正在互联网上迅速发展。DocWire新闻。2019。URL:gydF4y2Bahttps://www.docwirenews.com/docwire-pick/future-of-medicine-picks/idx-dr-the-first-fda-approved-ai-system-is-growing-rapidly/gydF4y2Ba[2021-04-05]访问gydF4y2Ba

    ‎gydF4y2Ba
    人工智能:gydF4y2Ba人工智能gydF4y2Ba
    DL:gydF4y2Ba深度学习gydF4y2Ba
    食品药品监督管理局:gydF4y2Ba美国食品药品监督管理局gydF4y2Ba
    加护病房:gydF4y2Ba加护病房gydF4y2Ba
    ML:gydF4y2Ba机器学习gydF4y2Ba
    NLP:gydF4y2Ba自然语言处理gydF4y2Ba
    净现值:gydF4y2Banegative-predictive价值gydF4y2Ba
    PPV:gydF4y2Ba积极预测价值gydF4y2Ba
    个随机对照试验:gydF4y2Ba随机对照试验gydF4y2Ba

    编辑:T·库尔;提交14.11.20;由郭S, Loh E同行评议;对作者11.01.21的评论;收到08.03.21修订版本;接受09.03.21;发表22.04.21gydF4y2Ba

    版权gydF4y2Ba

    ©尹佳敏，阮纪远，张福海。原载于医学互联网研究杂志(//www.mybigtv.com)， 2021年4月22日。gydF4y2Ba

    这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章，该许可允许在任何媒介上不受限制地使用、分发和复制，前提是原始作品首次发表在《医学互联网研究杂志》上，并适当引用。必须包括完整的书目信息，到//www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。gydF4y2Ba
    Baidu
    map