-
题名人工智能在心血管疾病领域的应用
被引量：1
- 1
-
-
作者
江昊
王由甲
金晶
梁华敏
何西淼
-
机构
华中科技大学同济医学院基础医学院生理学系
华中科技大学同济医学院基础医学院基因组学与蛋白质组学研究中心
基础医学国家级实验教学示范中心(华中科技大学)
湖北省药物靶点研究与药效学评价重点实验室
血管衰老教育部重点实验室
-
出处
《生理科学进展》
北大核心
2025年第3期210-218,共9页
-
基金
国家重点研发计划(2021YFA1101900)
中央高校基本科研业务费专项资金资助项目(2021GCRC073)资助课题。
-
文摘
心血管疾病(cardiovascular diseases)是我国城乡居民的首要死亡原因,其特征表现为病程漫长、症状多样及致病因素复杂,给心血管疾病的诊断与管理带来了诸多挑战。近年来,人工智能(artificial intelligence,AI)技术的迅猛发展为心血管疾病的早期健康管理与疾病预测提供了前所未有的机遇。通过对大量健康数据进行深度学习与智能分析,AI技术能够精准识别心血管疾病潜在风险,并助力实现个性化健康管理,有效降低疾病发生率及延缓疾病进展。AI技术的应用促进了心血管疾病早期健康监测与预防机制的完善,同时提高了临床影像学诊断及手术治疗的准确性和有效性。此外,AI技术亦被应用于生物大数据分析与新药研发。本文旨在综述AI技术在心血管疾病领域的应用现状,探讨其在提升心血管疾病诊断与治疗效率方面的潜力与挑战。AI将在心血管疾病的预防、诊断和治疗中扮演更加关键的角色,推动智慧医疗与精准医学的进步。
-
关键词
心血管疾病
人工智能
机器学习
-
Keywords
cardiovascular diseases
artificial intelligence
machine learning
-
分类号
R319
[医药卫生—基础医学]
-
-
题名激动药的拮抗参数pA_(2)计算模型研究
- 2
-
-
作者
金悠
杨方
王芳
刘慧
-
机构
基础医学国家级实验教学示范中心(华中科技大学)
华中科技大学同济医学院基础医学院药理学系
-
出处
《华中科技大学学报(医学版)》
北大核心
2025年第4期541-545,共5页
-
基金
华中科技大学2022年实验技术研究项目(No.HZKJSYJSXM-2022070)。
-
文摘
目的 探索医学机能实验课“药物量效曲线绘制及竞争性拮抗药pA_(2)的测定”中拮抗参数pA_(2)值的计算模型。方法 以牛蛙腹直肌为标本,乙酰胆碱(ACh)为激动药,筒箭毒碱为竞争性拮抗药,观察随着ACh剂量的增加,肌肉收缩效应的变化。应用Excel软件创建pA_(2)值计算模型,随机收集25组学生实验数据,t检验分析传统坐标法与模型处理所得的pA_(2)值。结果 其中14组数据第1条量效曲线最大效应较大数据的坐标法估算值与模型计算值分别为(6.39±0.35)和(6.37±0.34);而余下10组数据的分别为(6.15±0.50)和(6.42±0.57)。t检验分析结果显示两种方法计算所得pA_(2)值无显著性差异(P>0.05)。结论 本模型可用于高校医学机能实验课中随堂绘制药物量效曲线并计算pA_(2)值,有效提升数据处理的及时性、规范性和准确度,便于老师实时分析实验结果,提高实验效率和教学质量。
-
关键词
乙酰胆碱
筒箭毒碱
坐标法
量效曲线
拮抗参数pA_(2)
-
Keywords
acetylcholine
tubocurarine
coordinate method
dose-effect curve
antagonistic parameter pA_(2)
-
分类号
R965.2
[医药卫生—药理学]
-
