本期编纂荐读实质，精选了 Diagnostics 期刊2020-2021年于专题“呆板进修和人为智能正在诊断中的使用”宣告的5篇被高度闭心的作品。作品实质苛重涉及人为智能增进糖尿病肾病、口腔癌、新型冠状病毒、抑郁症等疾病的临床诊断和预后等方面，迎接大多阅读。

　　呆板进修和人为智能正在诊断中的使用 (Machine Learning and Artificial Intelligence in Diagnostics)，本专题实质涵盖了人为智能、呆板进修、深度进修、筹算机辅帮诊断、临床决议体例、医学音信学、大数据、生物医学图像解析、放射组学等正在临床疾病的诊断和预后中的主要使用的实习和表面咨询。

　　卷积神经搜集次序概述。应用六种肾脏免疫荧光图像的输入数据，IgG、IgA、IgM、C3、C1q 和纤维卵白原 (Fib)。

　　闭于糖尿病肾病 (Diabetic Nephropathy, DN)，医师大凡可依照患者的临床病程、实习室数据和肾脏病理等举行诊断，苛重是用光学显微镜而不是免疫荧光图像来评估，由于免疫荧光图像没有特点性的出现可用来诊断 DN。本文作家测验将 AI 与免疫荧光图像相连系来诊断 DN，搜集了日本冈山大学病院885名举行肾活检患者的肾脏免疫荧光图像，并创筑了一个数据集，此中蕴涵每位患者的 IgG、IgA、IgM、C3、C1q 和纤维卵白原六品种型的免疫荧光图像。应用该数据集，39个次序寻常运转。五个次序完整通过免疫荧光图像诊断 DN。通过应用 Local interpretable model-agnostic explanations (Lime) 举行解析，出现AI 更有利于 DN 肾幼球的表周病变的诊断。另一方面，肾脏科医师的诊断率略逊于 AI 辅帮诊断。这些咨询表白，AI 能够从免疫荧光图像中主动提取医师大概马虎的特点，辅帮 DN 的临床诊断。

　　口腔癌 (Oral Cancer, OC) 是一种致死性疾病，物化率高，病因庞杂。本文旨正在讲演 AI 正在诊断和预测 OC 发作中的使用价格。正在这项咨询中，作家正在 PubMed、Google Scholar、Scopus、Embase、Cochrane、Web of Science 和沙特数字藏书楼等几个著名数据库中检索了2000年1月至2021年3月间宣告的作品，一共纳入了16篇适当股历程序的作品并应用 QUADAS-2 对其举行苛厉解析。结果表白，AI 能够无误会析大宗图像数据集（荧光、高光谱、细胞学、CT 图像等）来诊断 OC。与古板办法比拟，AI 能够通过解析年齿、性别、烟草风气和生物标记物等易感身分来确切预测 OC 的发作。AI 正在诊断和预测 OC 发作方面的无误性和确切性高于目前 cox 回归解析和逻辑回归等老例统计数据解析的临床政策。

　　基于深度进修的患者肺部 CT 图像筛查预测冠状病毒 (SARS-CoV-2) 习染的办法

　　(a) 相闭神经搜集与人类深度进修模块，(b) 咨询机闭筑模，(c) 卷积神经搜集(CNN)模子。

　　新型冠状病毒 (nCoV-2019) 是人类急性呼吸道疾病 COVID-19 的祸首祸首。本文作家试图通过正在患者肺部筹算机断层扫描 (CT) 图像上使用深度进修技巧以及通过已评估的模子，从甲型流感病毒病例和未习染的强壮患者中识别和预测新型冠状病毒。该法应用的 CT 图像数据来自正在线原因的各类放射学数据，共有548张 CT 图像，此中232张来自12名习染 COVID-19 的患者，186张来自17名甲型流感病毒患者，130张来自15名强壮候选人。从大凡CT影像病例的角度确定检验结果来看，该模子确实切率为79.39%。以是，这种深度进修模子将有帮于对 COVID-19 患者的早期筛查和识别 SARS-CoV-2 习染后的其他疾病和他日的突发大多卫生事项。

　　本文旨正在确定发作庞杂急性憩室炎 (Acute Diverticulitis, AD) 的特定急诊科 (Emergency Department, ED) 危急身分，并评估用于预测庞杂AD的呆板进修模子 (ML)。作家解析了来自纽约西奈山卫生体例五家病院的患有大肠AD患者的数据 (2011年1月至2021年3月)。该模子依照四家病院的数据举行了演练和评估，并依照第五家病院的保存数据举行了表部验证。最终部队包罗4997次 AD 就诊，此中有129人 (2.9%) 就诊患有庞杂性憩室炎。患有庞杂性憩室炎的患者更大概是男性、黑人和乘坐救护车来到。闭于实习室。