目的：利用深度学习技术实现对程序性死亡配体-1（PD-L1）病理切片的辅助诊断。方法：通过开发细胞级深度学习定位、分类、识别算法，实现 PD-L1 病理切片中恶性肿瘤区域的定位与肿瘤细胞的精确检测，开发 PD-L1 病理切片辅助诊断阅片平台，为病理医生提供快速、准确的 PD-L1 辅助诊断信息。结果：基于该辅助诊断系统对 200 例 PD-L1 病理切片进行测试，系统与病理医师人工判读结果具有较高的一致性（ICC 相关 系数值为 0.927），同时解决了现有 PD-L1 染色结果辅助判读方法准确性、稳定性与鲁棒性较差的问题。结论：基于深度学习的 PD-L1 病理切片辅助诊断系统性能整体表现良好，具有较强的客观性，是人工智能辅助诊断的有益探索。
目的：分析数字化产前超声检查知情同意书（ePUIC）质量控制指标、告知效能和患者使用体验，评价 ePUIC 应用效果，研究优化方向。方法：前瞻性在产前超声检查患者中抽取 2 000 例随机等分到干预组（使用 ePUIC）和对照组（使用纸质 PUIC）。对比分析两组知情同意书质控指标、告知效能、患者使用体验和总体评价，通过相关性分析寻找与总体评价强相关的体验指标。结果：干预组质控指标优于对照组。干预组患者理解程度测试、PPE-15 量表总分、患者使用总体评价得分均高于对照组。4个维度（信息传递与患者教育、医疗服务的连续性、情感支持、尊重患者偏好）的患者体验与使用总体评价呈强相关。结论： ePUIC 较纸质 PUIC 在签署质量、告知效能上均有提升，能为患者带来更优使用体验，是智慧医院建设的必然趋势。
