关键词： 软组织肿瘤   软组织肉瘤   病理学   人工智能   深度学习   计算机辅助  

摘要： 软组织肉瘤是一组恶性间叶源性肿瘤，具有高转移率和死亡率。软组织肉瘤的发病率低、诊断困难，错误和延迟的诊断显著影响患者的治疗。人工智能在上皮性肿瘤的病理领域已广泛应用，但在软组织肉瘤病理领域中的研究较少。本文旨在概述软组织肉瘤的诊疗难点，并从病理要素识别、病理诊断、分子改变预测、治疗反应评估及预后预测五个方面总结人工智能在软组织肉瘤病理领域中的研究。

关键词： 人工智能   基因测序   临床诊断   精准医学   多模态数据整合   可解释人工智能  

摘要： 目的：阐明人工智能（AI）与基因测序融合对临床诊断模式的重塑作用、技术路径及关键挑战，为医药卫生领域研究者、临床医师及监管部门提供技术研发与监管协同的系统性参考，助力二者融合的规范应用与临床转化。方法：系统梳理基因测序技术的演进脉络及AI在医疗领域的应用现状；深入剖析二者融合的两类技术路径，即以基因组数据解析为核心、聚焦分子机制挖掘的“直接融合”，及整合医学影像与电子病历等多模态数据的、实现临床表型关联的“扩展融合”；全面研判融合过程中技术、数据、伦理法律及临床转化层面的关键挑战。结果与结论：AI与基因测序通过“数据层-算法层-应用层-决策层”的协同架构形成高效互补，可突破传统临床诊断局限，实现癌症早期筛查与精准分型、缩短遗传病诊断周期、加速传染病病原体鉴定及耐药性预测，是推动临床诊断向精准化、智能化发展的核心驱动力，为精准医学实践提供关键技术支撑。但二者融合面临算法复杂度与算力不匹配、AI模型“黑箱”特性、数据平台异质性与“数据孤岛”、基因隐私边界模糊及临床真实场景适配性不足等突出问题。未来需通过技术融合创新，发展可解释AI与多模态数据整合技术等，提升模型透明度与多维度数据关联能力；加强交叉学科协作，构建医学、计算机科学、生物学、伦理学等多领域专家协同的研究团队，形成技术研发、临床需求、伦理把控的多维度支撑；完善政策与监管体系，明确基因信息的采集、存储、使用边界，建立AI诊断决策的多主体协同责任认定机制，以此针对性破解多层面瓶颈，最终促进二者融合的规范化应用与高效临床转化。

关键词： 人工智能   肺腺癌   活检标本   HE切片   基因突变   分子病理  

摘要： 目的 探讨两阶段多实例人工智能（AI）模型GAMIL通过肺腺癌活检标本的H&E病理切片图像，预测9种临床常见的关键驱动基因状态的效果，评估该模型解决活检标本基因突变检测问题的可行性。方法 纳入465例肺腺癌活检标本（来源包括支气管镜及CT下穿刺等）的临床信息、病理信息、数字化病理HE切片以及9种基因状态结果（EGFR、KRAS、ALK、HER2、ROS1、RET、BRAF、PIK3CA、NRAS）。采用经预训练的DINO+GAMIL两阶段多实例学习模型进行基因状态判定，以AUC值、敏感性、特异性为主要指标评估模型效果。结果 该模型在测试集中的活检标本上判定效果优秀，AUC值范围为0.791（EGFR）～1（ALK）。而与之对比的UNI+GAMIL、DINO+CLAM和DINO+InceptionV3模型的AUC值分别为0.737、0.641、0.725。结论 基于数字化病理HE图像的AI模型GAMIL在肺腺癌活检标本中能够较为准确预测多种关键基因突变，该方法仅需常规H&E切片，无需额外消耗组织。这为组织有限的活检标本的关键基因状态检测提供了一种快速、经济、非消耗性的辅助方法。

关键词： 人工智能   法学教育   价值倾向   模拟法庭  

摘要： 人工智能的价值倾向是在算法设计、数据选择、模型训练、应用部署全过程中，人工智能基于其被训练的数据以及设置的算法，可能会作出的具有价值引导性的决策以及回答。这种价值倾向在赋能法学教育的过程中难以避免。人工智能价值倾向中所表现出的消极部分须被法学教育所警惕，同时法学教育应从技术研发、伦理规范、社会协同等多维度引导人工智能价值倾向发挥积极作用“。人工智能+”模拟法庭是法学教育实践中利用人工智能价值倾向最为有效的案例，具备利于设计辩论案例、方便学生自行练习以及培养应用型人才的功效，应当在我国高校法学教育中逐步进行开发并投入使用。

摘要： 随着科技的发展,世界迎来了智能时代,人工智能应用涵盖各个领域,人工智能可以击败最顶尖的人类棋手,也可以运用在汽车驾驶中。在艺术领域,能生成一系列的海报设计、产品设计、环境设计等。从设计师的角度出发,人工智能是否能代替设计师?设计师是否需要了解人工智能、使用人工智能?本文从跨学科角度出发去分析,并结合人工智能辅助的商业案例,提出一些思考以及运用的方法论。

关键词： 人工智能   数字病理   病理诊断   辅助诊断  

摘要： 病理诊断在精准医学中占据核心地位，其准确性和效率对疾病治疗和患者预后至关重要。近年来，随着数字病理学和计算机视觉算法的迅猛发展，人工智能（AI）在肿瘤病理诊断中的应用逐渐引起广泛关注，并取得显著成果。AI技术通过深度学习算法模拟人类思维和决策过程，能够显著提升病理诊断的效率和准确性，特别是在肿瘤诊断、疾病预测和预后评估等关键领域，其展现出极为广阔的应用前景。基于大数据的AI诊断不仅能够实现对患者的个性化管理，还在常见疾病的诊断中展现出显著的速度和准确性优势。本文对AI在病理诊断领域的最新研究进展进行了全面总结，分析了其应用的可行性，深入探讨了数字病理学领域所面临的挑战，并对未来的发展趋势进行了展望。

关键词： 人工智能   宫颈癌筛查   液基细胞学   人机协同   真实世界研究   基层医疗  

摘要： 目的 评估人工智能（AI）辅助宫颈液基细胞学（TCT）模型在基层医疗机构真实世界筛查环境中的适应性与局限性，探讨其在不同病变类型、筛查流程及医生接受度等方面的表现，为优化宫颈癌筛查策略提供依据。方法 采用前瞻性对照研究设计，于福建中医药大学附属第二人民医院及管辖社区医院招募宫颈癌筛查女性1，200例，分别进行AI辅助判读、人工阅片及“AI+人工协同”三组判读。以HPV检测和组织病理为参考标准，评估三组在≥CIN2病变识别中的灵敏度、特异度、阴性预测值（NPV）、阅片时间及误判类型。同步开展医生结构化问卷调查与访谈，评估AI系统在使用便利性、判读信任度及操作干扰等方面的主观体验。结果 AI模型在≥CIN2病变识别中的灵敏度为92.8%，特异度为86.5%，NPV为97.6%，可有效预排阴性切片，平均阅片时间为11.5s。人工组（A组）灵敏度91.2%、特异度89.3%、NPV96.4%、平均阅片时间94.2s。人机协同组的灵敏度进一步提升至95.3%，假阴性率最低。AI在AGC、混合型病变及稀有细胞类型中仍存在误判倾向。医生调查显示82%认为AI能提高工作效率，78%认可其对低级别病变的预警价值，但仍有56%表示在界限病变中依赖人工复核。结论 AI辅助宫颈细胞学模型在真实基层筛查环境中展现出良好的效率与初筛能力，特别适合大样本快速分流和阴性排除。AI模型适合基层快速分流，复杂病变需人工复核，人机协同模式是优化筛查质量的可行策略。

关键词： 前列腺癌   人工智能辅助教学   病理诊断   住院医师规范化培训  

摘要： 目的 定量评估人工智能（AI）辅助教学对规培病理医师前列腺癌诊断准确率的影响。方法 前瞻性自身对照研究。选取2025年5月至2025年7月在中日友好医院行前列腺穿刺手术的51名患者，共249张HE切片作为阅片材料，纳入中日友好医院病理科规培基地4名在培医师，依次完成三阶段测试：（1）初次阅片；（2）复阅及AI辅助教学；（3）AI教学后阅片。初次阅片与AI辅助教学阶段使用5月份切片，AI教学后阅片使用6月份切片。前列腺癌穿刺的病理结果以两名高年资病理医师结合免疫组化的评估结果为金标准。比较（1）（3）阶段的诊断准确率、灵敏度、特异度。结果 经过AI教学后，三年级医师准确率由83.3%提升至94.6%，灵敏度由57.9%提升至100.0%；二年级医师准确率由73.9%提升至92.8%，特异性由72.0%提升至96.2%（P均<0.05）。一年级病理医师经AI辅助教学后诊断效能显著提升。其中，医师C的准确率由54.35%提高至69.37%，灵敏度由81.58% 提升至90.63%，特异性由44.00% 提升 60.76%；医师D则由防御性“全阳性判断”（准确率27.54%，特异性0%）转变为平衡性诊断（准确率65.77%，特异性67.09%）。结论 初步定量数据结果表明，短期AI辅助教学干预可显著改善低年资规培病理医师前列腺癌诊断准确率、灵敏度、特异度。具有可操作性与推广价值，值得在更大样本中进一步验证。

摘要： 人工智能技术正从实验探索迈向大规模应用,大模型、生成式AI等技术突破催生了自动驾驶、智能制造等新场景,全球竞争加剧.中国作为全球唯一拥有全工业门类的国家,具备丰富的应用场景和产业基础,但面临基础理论、高端芯片等短板,亟须系统性政策引导.