2022年，辽宁省细胞生物学学会将继续重点关注医工融合领域的科研创新、成果转化。引导工科、理科的前沿技术与临床医生的需求深度融合，指导临床医生找问题，工科及理科专家找方向，医学与一系列前沿科技密切融合，实现医、理、工高度交叉及深入融合。
1、学会关注医工融合领域的目标：
以临床专家的实际问题为需求，以理工科的创新技术为支撑，以申报专利及制定专利攻防保护策略为重点，以项目转化落地、企业产品迭代升级为目标，以搭建优秀的产品营销模式和团队为突破口，打造医工融合学会助力的全链条优质服务平台。
2、学会关注医工融合领域的范畴与方向：
人工智能、介导现实、计算机手术导航、3D打印、机器人、可穿戴医疗设备、云平台、远程医疗、医疗大数据、5G医疗、区块链等众多医学前沿领域；
3、学会关注医工融合领域的科研重点：
生物安全技术、细胞工程、基因工程、生物制剂等；
4、学会关注医工融合领域项目转化的热点：
个性化智能推荐技术、医疗健康数据智能分析、医学影像智能诊断、人机协同临床智能诊疗、生命体征和环境感知的一体化协同监测、多生命体征检测和分析、智能健康管理系统、智能家居养老解决方案、个性化诊疗决策支持系统、智能治疗辅助系统、智能诊疗系统等。
5、学会助力医工融合领域科研创新产品转化的工作模式：
工作思路 -
工作路线 -
6、如何确定创新科研选题，实现科研转化？
医工融合科研创新产品转化，可学习借鉴其他领域目前的选题模式。
6.1 人工智能在心脏领域的应用：
无人机提供救生除颤器比救护车更快、患者获益更大。
全球首个可行性临床研究证明应用无人机为社区心脏骤停患者提供救生除颤器，挽救生命。该论文发表在《欧洲心脏杂志》；结论是无人机在小区提供自动体外除颤器，能快速帮助心脏病患者，争取最关键几分钟。对比救护车急救，无人机更快、也能提供远程指导。
6.2 人工智能在医美领域的应用：
为解决女性早起化妆的烦恼。
瑞典一家公司研制一款自动化妆机MODA，利用3D打印机和3D扫描机合二为一，用蓝牙连接手机，使用前用手机选好适合的妆容，导入程序，然后将头靠近化妆机让脸紧密贴合，就能分析用户的五官位置和和情况，还能重点关注痘印和斑点，不用动手就可以化妆，全程30秒就能搞定。
6.3 人工智能在妇产科领域的应用：
一种可穿戴传感器设备帮助监测子宫内环境并检测胚胎发育状况。
一家女性健康公司研发该系统包括3个组件：可穿戴设备、数据接收器和内衣。传感器装置和尺寸与避孕环相同，但无避孕作用，能持续监测子宫温度、溶解氧和pH值等影响胚胎发育因素。不孕不育专科医生可以评估孕妇状况并指导精准干预措施。
6.4 人工智能在骨科领域的应用：
3D打印技术、数字骨科和个体化定制在医院的应用。
通过计算机设计和个体化钢板，可以实现复杂创伤骨折、关节畸形和髋膝关节翻修的“私人定制”式治疗，从而使手术微创化、精准化和数字化。
6.5 人工智能（AI）在麻醉领域的应用：
6.5.1 人工智能（AI）用于麻醉风险评估、术中监测及术后死亡并发症
（1）术前评估
⊙ 人工智能心电图筛查心脏功能障碍：
将AI应用于麻醉过程中心电图识别左心收缩功能不全的分析和早期判断→使心电图成为常用且廉价的麻醉监护过程中左心收缩功能不全的筛选工具。
⊙ 利用人脸图像预测“气管插管困难”的AI模型：
困难气管插管很常见，需要一个客观的方法评估插管困难，该模型成功的目标是为临床识别插管困难并采取措施提供便利！
（2）术中监测
⊙ 利用“先知”系统预测麻醉中的“低氧血症”：
目前还没有可靠的指标用于预防围术期低氧血症的发生。研究该系统的目的是可以自动获取数据，自我分析风险，并发出实时警告！
⊙ 通过机器学习预测“麻醉诱导后低血压”的发生：
麻醉诱导期间容易发生低血压，但临床上用于预测诱导低血压的方法很少。该研究通过电子健康记录获取大量围手术期数据（包括年龄，性别、体重指数、手术时间、麻醉风险评分表-ASA评分等），目的是建立一个高度辨别的机器学习模型来预测诱导后低血压。
⊙ 基于动脉压波形分析的机器学习算法预测“低血压”：
在手术室或重症监护室-ICU中，提前预知低血压有可能避免心梗、急性肾功能损伤的发生，改善患者预后。通过机器学习动脉波形分析预测术中低血压事件及时采取治疗措施，可以改善预后！
（3）术后死亡并发症
⊙ 用于预测“术后院内死亡”的深度神经网络（DNNw）模型：
麻醉风险评分表-ASA评分和外科Apgar评分-5项标准，依赖于临床经验和主管判断或对死亡和严重并发症风险预测的能力存在着执行者之间的差异，缺乏更客观精确的评分系统。提供了一种全自动且更为准确的方法来估计手术后患者院内死亡风险，有利于识别高危患者并及时防治并发症！
⊙ 基于AI预警髋膝关节置换者术后深静脉血栓形成的决策系统:
任何单一因素都不足以直接导致下肢深静脉血栓形成或肺动脉栓塞-PE的发生！目前尚无临床上认可的下肢深静脉血栓形成围术期预警系统！该研究为后期拓展到大手术围术期下肢深静脉血栓形成防治的科学系统制定做准备！
6.5.2 人工智能（AI）用于优化麻醉技术
⊙ AI助力提高模拟超声引导下神经阻滞成功率和学习效率：
明确神经阻滞机器人辅助系统是否能缩短操作者超声引导下神经阻滞的学习曲线。机器人如何使初学者更快掌握操作技能，并减小操作者间差异性。
⊙ AI助力超声图像中神经的自动跟踪：
通过使用额外的信息来跟踪神经和血管并进行调整使用探测和跟踪框架与机器人系统结合，协助超声引导下局部麻醉的操作。
⊙ AI助力超声引导下硬膜外穿刺针靶目标的自动定位：
以往硬膜外穿刺针的定位主要是人工操作靠手感，硬膜外针头位置不当可能导致麻醉效果不佳，穿刺后头痛和其他潜在并发症。增加针尖定位的准确性和穿刺成功率，可以有效减少并发症及反复穿刺可能发生的意外事件。
⊙ 气管插管机器人（开普勒插管系统）：
医生们可以用远程使用控制杆对视频检喉镜进行操控，安全地将气管内导管插入到患者的气管中。
⊙ 通过深度学习预测BIS在麻醉深度监测丙泊酚联合瑞芬太尼靶控输注中的研究：
丙泊酚联合瑞芬太尼靶控输注-TCI麻醉的主要争议在于计算得出的效应室浓度与实际BIS在麻醉深度监测之间不符合的矛盾。证明该模型优于传统的药代动力学-药效学模型。
⊙ 美国强生公司的自动麻醉Sedasys
⊙ 依靠脑电图分析决定麻醉深度：脑电图作为一种监测麻醉深度的工具被应用于临床麻醉，如何通过脑电图更为准确的评估麻醉状态的转变和麻醉深度仍然是技术难题！利用机器学习从脑电活动预测意识，更好地确定患者的意识和总体麻醉深度，提高对麻醉药物是如何影响大脑的认识。
⊙ 人工智能静脉麻醉辅助机器人系统：
麻醉监测（镇静、镇痛、肌松、生命体征）→中央计算机反馈系统→执行单位：计算机控制静脉注册微泵。一套麻醉深度和生命体征监测、自动分析、反馈调控的麻醉闭环控制系统。目前该系统在国内已处于临床测试阶段，开启了多环闭环给药系统的应用先例。
6.5.3 人工智能（AI）优化疼痛诊疗研究
⊙ AI助力神经影像学与自主神经活动参数预测疼痛：
疼痛是人的主观症状，目前对于疼痛的程度评估主要是类似于VAS评分等主观的评估方法，临床上缺乏预测疼痛的客观可靠的标志物！引入和评估用于预测临床疼痛强度的3种生物标记物：全脑局部脑血流量-rCBF、静息态初级体感皮层连接-S1CONN、高频心率变异性-HFHRV。以上3个参数组合时对患者疼痛程度的预测作用显著（精确度92.45%，AUC0.97），利用多模态组合机器学习方法分析该组客观数据，可以填补临床疼痛生物标记物研究领域的一个重大空白。
⊙ 实时临床增强现实和人工智能技术对疼痛反应进行脑内测定和定位：
采用疼痛调查表和量表评估疼痛具有局限性，探索使用神经影像学分析，实现直接从患者大脑进行客观检测和实时定位疼痛，该技术可推广至其他疼痛相关领域。
⊙ 机器学习选择乳腺癌术后持续性疼痛发展相关的心理问卷：
通过数据驱动的机器学习，以Beck抑郁量表和Spielberger状态性质量表为基础创建一个包括七个项目的简短列表，作为乳腺癌术后持续疼痛预测工具的基础。