关键词： 护理   智慧养老   智慧护理   护理员  

摘要： 随着我国人口老龄化问题的加剧及“互联网+”、云计算、人工智能等技术的迅速发展，老年人的养老服务需求迫在眉睫，智慧养老成为养老行业发展的必然趋势。本文主要综述了智慧养老背景下智慧护理及养老护理员现状，指出智慧护理在我国养老机构及临床老年患者中得到了应用及发展；养老护理员作为智慧养老服务体系中的重要组成部分，现阶段存在人才紧缺、职业倦怠率高、培养体系不健全、信息技术素养不足等普遍问题。

关键词： 人工智能   医学教育   政策文本   政策制定  

摘要： 从政策工具视角出发，梳理中国人工智能赋能医学教育有关政策文本，分析政策发展方向，为今后政策的制定和完善提供参考和建议。本研究以154份人工智能赋能医学教育的政策文本为样本进行分析，采取政策语义特征研究、政策工具研究等方法，得出政策的趋势以及政策工具的具体使用情况。分析发现，“人工智能”“医学”“教育”等词占比突出。对所纳入的154份政策文本内容进行编码，统计结果显示政策工具主要以供给型为主，占比为51.15%；需求型政策工具次于之，占比为27.18%；环境型政策工具占比最少，占比为21.65%。研究结果显示，不同类型政策工具的使用存在失衡，应该增加供给型政策工具的实施，同时提高环境型政策工具中激励性工具的使用以及增加需求型政策工具的需求。

关键词： 大模型   人工智能   Transformer   GPT  

摘要： 近年来，随着以ChatGPT为代表的大语言模型（Large Language Models，LLMs）在通用人工智能方向上取得的突破性进展，国内外掀起了大模型应用的研究热潮。相比于单一的语言模态，多模态信息更贴近于人对外界理解和交互的媒介。据此，研究者将LLMs的架构进一步扩展到多种模态的任务（如文本、图像、音频、视频、传感器等），通过不同模态信息的对齐和统一，形成了多模态大模型。得益于大模型参数规模和数据量级的显著增加，在各个模态的相关任务中相比传统主流算法取得了显著的性能提升，从而向通用人工智能迈进了重要的一步。概述了多模态大模型的技术架构、发展历程以及代表性的算法模型。

关键词： 生成式人工智能   训练数据   数据安全   数据风险治理   欧盟经验  

摘要： [目的/意义]生成式人工智能模型的性能依赖于训练数据的安全性，而频发的训练数据安全风险已经成为人工智能技术发展的障碍。保障训练数据安全对技术的健康发展具有重要意义。[方法/过程]通过文献、经验和比较分析，揭示了生成式人工智能训练数据的安全风险，并在借鉴欧盟治理经验的基础上，结合我国实践提出了应对策略。[结果/结论]研究发现，当前训练数据存在数据来源不透明、标注不规范、内容不安全及泄露隐患。欧盟已建立以保障数据来源、标注、内容及泄露防控为核心的监管体系。未来，我国应加强数据来源管理、统一标注标准、完善内容安全规则，强化数据保护技术，以确保训练数据安全，推动技术健康发展。

关键词： 大数据   高校学生行为管理   平台架构   数据安全  

摘要： 针对高校学生行为管理面临的挑战和问题,基于大数据技术提出了一种新的解决方法.首先,概述了大数据技术的发展和应用现状,以及高校学生行为管理的重要性和传统方法的局限性.其次,设计并构建了一个基于大数据的高校学生行为管理平台,包括数据采集、处理、分析和干预等功能模块.接着,通过实证研究和分析,结合机器学习和数据挖掘技术,构建了学生行为分析模型并进行了模型评估和优化.最后,通过案例分析和实验结果分析,验证了该平台在学生行为管理中的有效性和实用性.

关键词： 高职院校   大学生画像   思想政治教育   大数据   创新应用  

摘要： 新时代大学生画像是高校思想政治工作与大数据、人工智能等现代信息技术深度融合的产物,是推动思政工作提质增效、高质量发展的必由之路.立足新时代高职教育发展需求,深入分析了学生画像在高职思政工作中的重要意义与价值潜力.

摘要： 近日,工业和信息化部、财政部、国家数据局联合印发《新材料大数据中心总体建设方案》(以下简称《建设方案》),计划到2027年,搭建形成"1+N"(1个中心主平台、N个数据资源节点)的新材料大数据中心架构体系,形成30个以上数据资源节点、30项以上材料大数据算法软件和工具、20种以上典型关键材料和产品的数据赋能应用示范;到2035年,新材料大数据中心体系全面建成并稳定运行,数据规模进入国际第一梯队.

关键词： 数据融合   数据共享   智慧养老   医养结合   可供性-实现理论  

摘要： [目的/意义]推动医养结合对于发展银发经济和提升老年人满意度都有着重要意义,然而目前医养数据融合仍面临着参与主体数据共享意愿低、数据融合方案探索不够等问题。[研究设计/方法]通过文献调研和理论分析,本文基于可供性-实现理论(Affordance-Actualization Theory),提出了一种面向任务的多源异构医养数据融合框架,并通过现实世界数据集验证了该框架的可行性。[结论/发现]该框架明晰了医养数据资源的类型以及采集方法,设计了包含基本信息、疾病症状、健康状态和生活照护的老年人医养档案分层体系,并给出六类典型下游任务的数据供给方案。[创新/价值]所提出的医养数据融合框架实现了医疗、养老机构之间的数据采集、融合到服务下游任务的全链路流程,为医养数据融合提供了理论和实践支撑。

关键词： 甲状腺乳头状癌   甲状腺被膜外侵犯   超声检查   人工智能  

摘要： 近年来甲状腺癌的患病人数逐年增多,其中84%为甲状腺乳头状癌(papillary thyroid carcinoma,PTC),通常PTC预后良好,甲状腺癌被膜外侵犯(extrathyroidal extension,ETE)是PTC具有侵袭性的特征表现,常提示预后不良。目前,术前评估PTC是否存在被膜外侵犯主要依靠影像学检查,超声检查应用最广泛,但在评估ETE方面缺乏统一的诊断标准和预测指标,诊断效能较低;CT、MRI存在微小被膜外侵犯方面显示欠佳等不足。随着人工智能(artificial intelligence,AI)在医学影像领域的快速发展,影像学检查结合AI逐步应用于疾病的定位、诊断及预后监测等方面,对甲状腺乳头状癌ETE的诊断提供了有效辅助,该文旨在对影像检查及AI在甲状腺乳头状癌ETE诊断中的研究进展进行综述。