简介:摘要术者简介 解放军总医院眼科医学部副主任,主任医师(知名专家),博士生导师。擅长角膜病及屈光手术、白内障、眼外伤、疑难眼病的诊疗。担任中华医学会眼科学分会角膜病学组委员、中国医师协会眼科医师分会青年委员会副主任委员、北京医学会眼科学分会青年委员会副主任委员。获军队科学技术进步一等奖1项、二等奖2项,华夏医学科技三等奖1项。主编、参编中英文专著多部。
简介:摘要目的对比人工与人工智能分析对糖尿病患者眼底照相眼底病变判别的一致性。方法回顾性研究。2018年5月至2019年5月郑州大学第一附属医院内分泌科连续收治的糖尿病患者1053例2106只眼纳入研究。其中,男性888例,女性165例;年龄20~70岁,平均年龄53岁。所有患者均采用日本Kowa无散瞳眼底照相机进行眼底检查。采用上工眼科云网筛查平台人工智能分析自动检测渗出、出血、微动脉瘤等糖尿病视网膜病变(DR)的特质性病变,并根据DR国际分期标准对图像检测结果进行自动分级。由两位主治医师进行人工分析,并由主任医师审核,以保证人工分析的准确性。两种分析方法分析结果存在差异时,以人工分析结果为标准。计算并对比两种分析方法的一致率。一致率=(诊断结果相同眼数/总收集有效眼数)×100%。对人工分析和人工智能分析结果进行Kappa一致性检验,0.0≤κ<0.2为一致性程度很差,0.2≤κ<0.4为一致性较差,0.4≤κ<0.6为一致性中等,0.6≤κ<1.0为一致性较好。结果2106只眼中,排除因病情严重人工智能无法识别64只眼,最终纳入分析2042只眼。人工分析与人工智能分析结果完全一致者1835只眼,占89.86%;分析有差异者207只眼,占10.14%。两者差异主要表现为:(1)人工智能分析为点状出血、渗出,而人工分析为正常96只眼(96/2042 ,4.70% );(2)人工智能分析为玻璃膜疣,而人工分析为点状渗出71只眼(71/2042,3.48% );(3 )人工智能分析为正常或玻璃体变性,而人工分析为点状渗出或出血或微动脉瘤40只眼(40/2042,1.95% )。人工分析、人工智能分析对DR的诊断率分别为23.2%、20.2%,对非DR的诊断率分别为76.8%、79.8%。人工智能判读符合度达87.8%。Kappa一致性检验结果显示,人工分析和人工智能分析诊断结果呈中等一致性(κ=0.576,P<0.01 )。结论人工分析与人工智能分析对糖尿病患者眼底照相眼底病变判别呈中等一致性。人工智能判读符合度达87.8%。
简介:摘要人工耳蜗植入术是治疗重度及极重度感音神经性听力损失的有效方法,在临床上得到广泛应用,目前常用的术式是乳突切除经面隐窝入路。为实现微创、精准、低损伤的人工耳蜗植入,目前已有直达耳蜗通路及机器人人工耳蜗植入相关研究,然而仍然存在钻制通道精准度低、面神经损伤等问题。本文就人工耳蜗植入术直达耳蜗通路、机器人技术应用、通道钻制精准度及风险性等相关问题进行综述。
简介:摘要目的设计一款简约式可重复使用的人工气道帽,评价其在建立人工气道未行机械通气患者中的应用效果。方法采用便利抽样法,选择2018年1月—2019年1月入义乌市中心医院建立人工气道未行机械通气100例患者为研究对象,采用随机数字表,将其分为对照组和观察组,每组各50例。对照组采用常规气道管理,即间断气管内滴注法;观察组采用人工气道帽进行气道管理。比较两组患者气道舒适度及并发症发生情况,呼吸频率、血氧饱和度和呼吸道感染情况。结果干预后,观察组患者气道舒适例数多于对照组,呼吸道感染、异物吸入发生例数均少于对照组,两组比较差异均有统计学意义(P<0.05);观察组患者呼吸频率低于对照组,血氧饱和度高于对照组,两组比较差异均有统计学意义(P<0.05);痰液稀释度4~5级人数多于对照组,排痰频率低于对照组,两组比较差异均有统计学意义(P<0.05)。结论自制简约式可重复使用的人工气道帽在人工气道建立未行机械通气的患者中有较好的应用安全性和有效性,操作简便,经济实惠,提高了气道管理的舒适度和护理质量,有较好的推广价值。
简介:摘要在屈光性白内障摘除手术中,理想的人工晶状体(IOL)位置是居于囊袋内且中心与视轴重叠。但由于患者眼部解剖结构、IOL特性和手术操作等因素,IOL可能发生偏心和倾斜,影响术后视力和视觉质量。准确测量晶状体和IOL偏心和倾斜状态有助于术前指导IOL选择,术后评价IOL在眼内的稳定性,并探讨IOL偏心和倾斜与视觉质量的关系。本文结合国内外相关研究结果,针对IOL偏心和倾斜对视觉质量的影响及其相关因素、晶状体和IOL位置测量方法进行总结,以期为临床工作和研究提供参考,提高精准屈光性白内障摘除手术的水平。(中华眼科杂志,2021,57:552-556)
简介:摘要目前人工智能(AI)在多种眼科疾病的诊断治疗中取得了日益广泛的应用,但依然存在很多问题。由于AI产品的准确性缺乏标准测试集、金标准以及公认的评价体系,难以对多项研究结果进行横向比较。而在图像生成领域,评价体系更存在较大空白。在临床应用中,眼科AI研究常与临床实际需求脱节,被寄予了过高的期望,且对临床数据的质量及数量均具有较高的要求,限制了AI研究成果转化。利用眼底影像对全身性疾病进行预测、识别是新晋的研究热点,但其研究结果缺乏可解释性,限制了临床医生的接受度。眼科AI研究也因缺乏完善的法律规定、监管机制,涉及患者隐私风险及数据安全,且存在因商业化加重医疗资源不公平性的风险,而饱受伦理争议。