近年来,人工智能(artificial intelligence,AI)技术飞速发展,特别是在深度学习和自然语言处理(natural language processing,NLP)领域,正在推动医疗模式的深刻变革[1]。AI通过复杂数据的自动特征提取和模式识别,基于统计数据的精准预测...近年来,人工智能(artificial intelligence,AI)技术飞速发展,特别是在深度学习和自然语言处理(natural language processing,NLP)领域,正在推动医疗模式的深刻变革[1]。AI通过复杂数据的自动特征提取和模式识别,基于统计数据的精准预测,已广泛应用于疾病诊断、治疗方案优化和患者管理等方面,显著提升了医疗效率和质量。医学与AI的深度融合,为实现个性化医疗、减少医疗资源分配不均和推动科研创新提供了强大动力。耳科疾病种类繁多,涵盖听力障碍、平衡功能异常和形态畸形等,诊断往往依赖高精度的影像分析和经验丰富的专业医生。然而,医疗资源短缺和基层医疗水平不足限制了疾病的早期发现与治疗。AI通过精确的影像分析、智能信号处理和辅助诊断,有望弥补这些不足,提升诊断效率和准确率,尤其在中耳炎、耳郭畸形和眩晕疾病的识别与干预方面展现出巨大潜力[2-4]。展开更多
目的探讨视频头脉冲试验(video head impulse test,vHIT)在梅尼埃病(Meniere’s disease,MD)患者中的应用以及vHIT是否与MD分期相关。方法回顾性选取2021年1月至2022年12月复旦大学附属眼耳鼻喉科医院耳鼻喉科收治的67例单侧MD患者为研...目的探讨视频头脉冲试验(video head impulse test,vHIT)在梅尼埃病(Meniere’s disease,MD)患者中的应用以及vHIT是否与MD分期相关。方法回顾性选取2021年1月至2022年12月复旦大学附属眼耳鼻喉科医院耳鼻喉科收治的67例单侧MD患者为研究对象,根据听力损失是否>40 dB将患者分为早期组15例和晚期组52例,观察两组增益值和扫视波。结果患侧半规管异常29例,其中前半规管异常1例、水平半规管异常29例、后半规管异常11例。健侧半规管异常13例,其中前半规管异常1例、水平半规管异常11例、后半规管异常4例;患侧半规管异常多于健侧,差异有统计学意义(P<0.001)。患侧水平半规管vHIT增益值低于健侧,增益值降低例数、显性扫视波例数多于健侧,差异均有统计学意义(P<0.05)。患侧前半规管、后半规管vHIT结果与健侧比较,差异无统计学意义(P>0.05)。早期组MRI造影检查阳性率与晚期组比较,差异无统计学意义(P>0.05)。早期组vHIT前半规管、后半规管异常与晚期组比较,差异无统计学意义(P>0.05)。晚期组水平半规管显性扫视波例数多于早期组,差异有统计学意义(P<0.05)。晚期组水平半规管vHIT增益值、增益值降低例数、隐性扫视波例数与早期组比较,差异均无统计学意义(P>0.05)。结论MD较易累及水平半规管,其次为后半规管,前半规管极少出现异常。vHIT水平半规管显性扫视波的出现还与MD分期相关。vHIT有可能成为预测MD分期的有效检测指标。展开更多
文摘近年来,人工智能(artificial intelligence,AI)技术飞速发展,特别是在深度学习和自然语言处理(natural language processing,NLP)领域,正在推动医疗模式的深刻变革[1]。AI通过复杂数据的自动特征提取和模式识别,基于统计数据的精准预测,已广泛应用于疾病诊断、治疗方案优化和患者管理等方面,显著提升了医疗效率和质量。医学与AI的深度融合,为实现个性化医疗、减少医疗资源分配不均和推动科研创新提供了强大动力。耳科疾病种类繁多,涵盖听力障碍、平衡功能异常和形态畸形等,诊断往往依赖高精度的影像分析和经验丰富的专业医生。然而,医疗资源短缺和基层医疗水平不足限制了疾病的早期发现与治疗。AI通过精确的影像分析、智能信号处理和辅助诊断,有望弥补这些不足,提升诊断效率和准确率,尤其在中耳炎、耳郭畸形和眩晕疾病的识别与干预方面展现出巨大潜力[2-4]。
文摘目的对普通话噪声接受度追踪(tracking of noise tolerance,TNT)测试材料进行复测信度评估,并比较测试结果的平均可容忍噪声水平(average tolerable noise level,aTNL)与程序估算的TNL值(estimated tolerable noise level,eTNL)是否存在差异。方法对25例听力言语正常的成年受试者在测试当天先后进行两次普通话版TNT测试[分别为测试一(C1),测试二(C2)],13例于1周后进行复测[测试三(C3),言语材料主题同C2],三次测试的刺激声条件均为言语声0°,连续语谱噪声180°。通过比较C1与C2、C2与C3的TNT分数和aTNL值的相关性来分别评估普通话版TNT测试材料期内、期间测试的复测信度。结果25例受试者C1、C2的aTNL值分别为83.42±3.09、83.50±3.18 dB SPL,eTNL值分别为84.08±3.53、83.95±3.85 dB SPL;13例受试者C3的aTNL值和eTNL值分别为83.16±2.13、83.18±2.64 dB SPL。期内比较(C1与C2)、期间比较(C2与C3)的TNT分数差值的95%CI分别为2.36、2.75 dB,Pearson相关性分析显示期内(r=0.837,P<0.001)、期间(r=0.867,P<0.001)的复测信度良好。除C1的aTNL与eTNL存在统计学差异(P<0.05)之外,其余TNT测试的aTNL与eTNL均无统计学差异(均P>0.05),且90%以上的受试者可在1分钟内获得eTNL。结论普通话版TNT测试的复测信度良好,具有高可靠性、高效性。
