关键词： 2型糖尿病   骨质疏松   人工智能   定量CT   双能X线骨密度检测  

摘要： 目的 比较人工智能（AI）定量CT辅助骨密度检测系统与双能X线骨密度检测（dualenergy X-ray absorptiometry，DXA）在糖尿病患者骨量评估中的诊断价值。方法 采用回顾性研究方法，选取 2017年1月1日—2024年5月31日在陆军军医大学第一附属医院就诊的患者，符合纳入及排除标准的2型糖尿病和非糖尿病的中老年患者共72例，使用AI测量T12-L2椎体的骨密度，使用DXA测量L1-L4骨密度，根据两种检测手段骨量评估结果，比较在糖尿病和非糖尿病，以及不同年龄与性别患者中两种检测方法对骨量正常、骨质减少和骨质疏松的诊断效能。当两种方法诊断只有一个分类差别时，称为小差异；当一种方法诊断为骨质疏松而另一种方法诊断为骨量正常时，这种差异称为大差异。以DXA结果为参考标准，绘制ROC曲线，评估AI在糖尿病和非糖尿病患者中诊断骨质疏松的准确性。结果 2型糖尿病组中AI和DXA骨质疏松和骨质减少检出率无统计学意义，非糖尿病组DXA骨质疏松检出率高于AI，差异有统计学意义。＜60岁人群DXA骨质减少检出率高于AI，差异具有统计学意义。在2型糖尿病组中，DXA和AI诊断骨质疏松的大差异、小差异和诊断一致率分别为5.5%、27.7%、63.8%；在非糖尿病组中，DXA和AI诊断骨质疏松的大差异、小差异和诊断一致率分别为5.5%、30.5%、61.1%。以DXA检测为金标准，AI定量CT辅助骨密度检测系统用于诊断骨质疏松的ROC曲线结果显示 AUC=0.661（95%CI 0.526-0.795；P=0.026）灵敏度为68.1%，特异度为64.0%。结论 AI辅助机会性CT对大于60岁的人群及2型糖尿病患者中，在不增加额外费用和放射暴露的同时可应用于临床进行骨质疏松的筛查。

关键词： 生成式人工智能   过失犯   算法黑箱   注意义务   预见可能性  

摘要： 以ChatGPT为代表的生成式人工智能在世界范围内掀起新一股科技革命的浪潮的同时,也引发了相关技术风险。生成式人工智能的缺点在于可解释性缺乏与生成内容不可控,再加上相关主体的不法行为,共同诱发了过失犯罪的风险。刑法在应对生成式人工智能带来的过失犯罪风险时,陷入了行为规制缺漏、注意义务缺失和过失犯传统理论受到冲击等困境。智能时代对刑法提出了新的挑战,故应及时调整和完善刑法规定,更新传统的刑法理论,使之更好地适应技术变革带来的新状况。为此,可以通过增设过失危害人工智能算法安全罪以弥补现有法律漏洞,构建相关主体的注意义务内容,并调整传统过失归责模式,以期完善弱人工智能时代的刑法体系,提高刑法的适应性和前瞻性。

关键词： 以学为主   学教融合   人工智能   智能时代  

摘要： 随着人工智能与教育的深度融合成为时代的必然趋势，新的“以学为主”课堂模式逐渐显现。在这一模式下，教师不再是单纯的知识权威，教学更加强调学生的个性化需求。然而，这也带来了双重困境：人工智能的应用可能导致对知识理解的忽视，同时教师的引导作用也可能被削弱。为了应对这些挑战，从“以学为主”到“学教融合”的转变成为一种可行的改进路径。在智能时代，教学应充分利用人工智能的优势，实现“学教融合”：在教学实施层面创建真实场景以促进知识理解；在教学设计方面搭建脚手架以支持学习进阶；在教学方法方面提供个性化指导以实现最佳发展；在教学评价中加强过程性评价以实现全面评估。这样才能确保人工智能在教育中的应用发挥其应有的作用，推动教育的全面发展。

关键词： 时空组学   时空数据库   数据存储   数据分析   人工智能  

摘要： 时空组学作为生物学和医学研究的新兴领域，推动生物信息学研究的深入和拓展。时空组学作为生物学和医学研究的新兴领域，推动生物信息学研究的深入和拓展。与传统组学技术相比，时空组学能够在单细胞和亚细胞水平上捕获生物分子分布的空间异质性，并追踪其随时间的变化过程。随着时空组学技术的快速发展，数据量指数级地增长，对时空组学数据的有效存储、管理和分析提出了更高的要求。基于时空数据库的发展，时空组学数据库的存储容量和数据读取速度在持续提升，提供了更高效的生物和医学数据的处理能力。旨在概述时空组学从早期探索到现代应用的发展历程，介绍数据库和生物信息学工具在数据整合与分析中的核心作用。深入探讨了该领域在当前研究中的前景和突破方向。特别地，关注时空组学数据库在多模式生物数据的采集、处理和存储等关键技术，以及如何将当前最新人工智能和大数据技术与时空组学技术相结合。最后，对时空组学技术及其在数据库中应用的未来研究进行展望。

关键词： 人工智能   思想政治教育   融合   创新  

摘要： 人工智能与思想政治教育融合是顺应时代和实践发展的必由之路。在理念思维层面,坚持跨界思维、互动思维和系统思维,着力推进人工智能与思想政治教育的深度融合。在方法手段层面,人工智能在融入中助力思想政治教育方法的效力提升、守正创新与合力汇聚。在平台场景方面,人工智能在与思想政治教育融合中既着力创建人机协同的智能化教学场景,也助力优化创新日常生活教育场景。

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.