目的評價機器人輔助下胸腔鏡手術（RATS）與傳統胸腔鏡手術（VATS）術后患者的疼痛程度及鎮痛藥物的使用情況。 方法回顧性分析2014年10月至2015年8月同期行RATS肺癌手術和VATS肺癌手術患者的臨床資料，其中116例行RATS，為RATS組，男51例、女65例，年齡18～80（52.59±11.49）歲； 223例行VATS，為VATS組，男93例、女130例，年齡18～84（58.00±10.56）歲。記錄術后VAS評分表、輔助用藥情況。 結果RATS組和VATS組VAS評分差異有統計學意義[（3.01±0.18）分vs.（5.19±0.14）分，P＜0.05]。兩組用藥評分差異也有統計學意義（1.09±0.12 vs.1.77±0.10，P＜0.05）。 結論相較于VATS，RATS患者術后疼痛更輕、止痛藥物使用量少。
人工智能的快速發展對計算神經科學的計算速度、資源消耗和生物解釋性提出了更高的要求。脈沖神經網絡能夠攜帶大量信息，實現對大腦信息處理方式的模仿。它的硬件化是實現其強大計算能力的重要途徑，但也是極具挑戰性的技術難題。憶阻器是目前功能最接近神經元突觸的電子器件，能夠以與生物大腦高度相似的脈沖時間依賴可塑性（STDP）機制響應脈沖電壓，成為近幾年研究構建脈沖神經網絡硬件電路的熱點。本文通過查閱國內外相關文獻，對近幾年基于憶阻器的脈沖神經網絡的研究工作進行了深入了解和介紹。
該文闡述了人工智能的概念，介紹了醫學專家系統的工作機制、主要結構以及國內外醫學專家系統的發展歷程及臨床應用；簡要闡述了機器學習的概念，常用算法及其在醫學診斷中的臨床應用；重點介紹了人工智能在神經病學中的應用，并對人工智能系統在醫療領域應用中的優勢與不足進行了分析；最后對人工智能在醫療領域的未來發展作了展望。
目前人工智能在機器人系統主要分為腔鏡手術機器人系統及腔內機器人導航系統兩類。腔鏡手術機器人系統能有效縮短血管旁路術中的血管吻合及血管阻斷時間，而腔內機器人導航系統具有良好的定位及實時觀測功能，且在通過復雜病變及特殊解剖位置時具有顯著優勢。高昂費用及復雜冗長的設備調試過程是限制機器人系統廣泛應用的主要因素。以機器人系統為代表的人工智能在血管外科領域具有明顯優勢及廣闊前景，但仍需要更多研究改善其不足和進一步明確其標準術式及遠期療效。
結核病是嚴重危害人類健康的重大傳染病之一，自 2014 年開始已超過人類免疫缺陷病毒感染/獲得性免疫缺陷綜合征位居由單一病原引起患者死亡的傳染病之首。我國是全球第三大結核病高負擔國家，2016 年新發結核病例約為 90 萬人。我國面臨著嚴峻的結核疫情，尤其對于結核病的早期診斷和疑難結核病誤診漏診更導致治療的延遲和結核病的傳播。隨著人工智能在醫學領域的應用，機器學習和深度學習方法在結核病的診斷中體現了重要價值。該文闡述了機器學習和深度學習在結核病診斷中的應用現狀和未來的發展方向。
大數據技術是信息化時代的必然結果，其不僅促進了生物醫學發展，也為中醫藥的發展開辟了新途徑。本文分析近年來大數據技術在中醫藥領域中的應用現狀，提出思考與展望，以期為中醫藥未來的發展方向提供新思路與新方法。
人工智能（artificial intelligence，AI）與胸外科的結合日益緊密，特別是影像識別和病理診斷領域。另外，機器人手術作為微創外科高端技術的代表，正蓬勃發展。AI 時代下的機器人手術已有或者將有何種進步？本文將綜述 AI 在胸外科的應用現狀及機器人手術診療進展，并對機器人手術的未來作一展望。
目的探索人工智能在日間手術患者術后隨訪中的應用，以建立智慧醫療框架，推進醫院智能化進程，提升日間手術管理水平。方法上海交通大學醫學院附屬仁濟醫院日間手術管理中心人工智能語音助手從 2018 年 6 月 1 日正式上線，采用基于語音、語義識別技術的人工智能語音系統，對接院內信息中心數據，開展日間手術患者術后隨訪工作。2018 年 6 月 1 日—11 月 30 日共 2 245 例日間手術患者通過智能語音系統回訪（AI 隨訪組），2018 年 1 月 2 日—5 月 31 日共 2 576 例日間手術患者通過人工電話隨訪信息（人工隨訪組）。對兩組電話接通率、信息采集率和通話時長進行比較。結果AI 隨訪組與人工隨訪組電話接通率分別為 85.70% 和 86.68%，信息采集率分別為 98.86% 和 98.48%，差異均無統計學意義（P>0.05）；AI 隨訪組與人工隨訪組通話時長分別為（165.48±43.28）、（135.37±36.31）s，差異有統計學意義（P<0.05）。結論人工智能語音系統在日間手術中應用，其接通率和信息采集完整性上都有較好的表現。將其運用到日間手術管理中，對于提升效率、延伸醫療服務、加強醫療安全有著積極的作用。
近年來，人工智能（AI）技術發展迅速，已經成為醫學領域的研究前沿熱點之一。基于人工神經網絡的深度學習算法是其中最具代表性的工具。眼科學的進步有賴于多種影像手段的進步，而AI技術的便捷性和高效性使其在眼科疾病篩查、診療以及隨訪中表現出巨大的應用前景。當前，眼科AI技術的相關研究圍繞多病種和多模態兩個方面展開，在眼科常見疾病方面已經有許多有價值的成果相繼報道。需要強調的是，眼科AI產品在實際應用方面仍然面臨一些問題，監管機制和評價標準尚未形成一個完整和統一的體系，在大范圍投入臨床使用前還有諸多方面亟待優化。眼科AI技術的創新是多學科融合的產物，對我國公共衛生事業具有相當重要的意義，也必將在臨床實踐中使廣大患者獲益。