数字技术在医疗保健领域的最新进展与应用综述

摘要

背景．医疗数字化技术的实施可以为公众提供更好的医疗可及性和灵活性。它包括关于健康、治疗、并发症和生物医学研究最新进展的开放信息的可用性。目前，即使在低收入国家，诊断和医疗服务也越来越容易获得和提供。然而，与数字医疗技术相关的许多问题仍未得到解决，包括可靠性、安全性、测试和伦理方面。目的．本文旨在探讨和分析大数据、人工智能、远程医疗、区块链平台、智能设备在医疗保健和医学教育领域的应用进展。基本设计．使用谷歌Scholar、PubMed、Web of Sciences、Medline、Wiley Online Library和CrossRef数据库进行出版物搜索。该综述强调了人工智能、“大数据”、远程医疗和区块链技术以及智能设备(物联网)在解决医疗保健和医学教育中的实际问题方面的应用。主要发现．我们确定了252篇与数字健康领域相关的论文。然而，由于排除标准的限制，本文讨论的论文数量被限制在152篇。文献检索表明，由于最近的大流行，包括COVID-19，数字卫生技术受到了高度追捧。COVID-19在各大洲的灾难性传播引发了对快速有效解决方案的需求，以定位、管理和治疗病毒感染。在这方面，远程医疗和其他电子卫生技术的使用可能有助于减轻医疗保健系统的压力。总结．数字平台可以帮助优化患者的诊断、咨询和治疗。然而，由于缺乏官方法规和建议，包括私营和政府组织在内的利益攸关方面临着对新型数字卫生技术进行充分验证和批准的问题。在这方面，在为医疗保健部门部署数字产品之前，需要进行适当的科学研究。

1.简介

经典的医疗保健模式主要是基于通过医院和门诊系统提供医疗服务。卫生服务的质量取决于许多因素，如医务人员的资格、医院设施和最新设备的可用性。这种模式可能因国而异。然而，核心原则是不变的。首先，它涉及“以患者为导向”的方法和提供最佳医疗保健服务访问的支持基础设施。近几十年来，随着科技的快速发展和人们对高质量医疗服务的需求，这样一个经典的平台正面临着新的挑战。此外，新的数字技术为各种诊断和治疗工具和系统的潜力提供了爆炸性增长的可能性[1］．

事实上，医疗数字化技术的实施可以为广大公众提供更好的医疗可及性和灵活性。它包括互联网上关于健康、治疗、并发症和生物医学研究的开放信息的可用性。另一方面，诊断和医疗咨询服务越来越容易获得，甚至在低收入国家也是如此[2，3.］．远程医疗为农村和偏远地区的人们提供了获得高质量咨询和建议的机会，而在线药房平台可以让人们无需不必要的通勤就能获得必要的药物[4，5］．

另一个有前景且快速增长的领域是人工智能(AI)在生物医学、医疗保健和医学教育中的应用。人工智能可以帮助显著提高诊断平台的性能和能力。此外，它还有助于优化治疗过程，从而提高治疗效率、患者满意度和降低成本[6］．人工智能还可以促进进行生物医学实验和临床试验[7］．此外，人工智能在需要自动化和高强度体力劳动的领域将是不可或缺的。然而，尽管最近取得了进展，但目前人工智能还不能完全取代人类在医疗保健和生物医学研究领域的地位。

本文讨论了数字医疗技术领域的最新趋势和成就。它涵盖了人工智能、“大数据”、远程医疗和区块链技术的应用，以解决医疗保健和医学教育中的实际问题1)．

本文通过回顾专注于人工智能、“大数据”、远程医疗、区块链技术以及智能设备(“物联网”)应用于解决医疗保健和医学教育中的实际问题的出版物，回顾和讨论了数字健康领域的近期趋势和成就(图1)．对这些领域的机遇和主要挑战进行了审查和深入讨论。到目前为止，我们已经确定了超过252份与数字健康领域相关的出版物。尽管如此，由于排除标准的限制，本文讨论的实际论文数量被限制在152篇。事实上，文献检索显示，由于最近的大流行，包括COVID-19，数字卫生技术受到了高度追捧。COVID-19在所有国家的快速传播，促使人们必须找到预防、定位和治疗危及生命的病毒感染的解决方案。它包括基于人工智能平台的应用，以帮助识别流行病学风险。它为有效预测、预防和检测包括COVID-19在内的未来全球卫生风险开辟了一条途径。

医学研究的另一个有前途的方向是虚拟临床试验，它比传统模式有几个优点。不像标准的临床试验需要经常访问，虚拟临床试验模型是基于对患者在家的监测。它为来自农村地区或行动不便的人提供了参与研究的机会。在自然或人为的大流行病和大灾难期间，这一点尤其重要。

此外，本文还讨论了3D打印技术的最新进展。讨论了3D打印技术在器官模型制造、永久性植入物、医疗设备测试必威2490、个性化3D药物打印和医学教育方面的应用。

审查的结构如下。第一章论述了人工智能在公共卫生和医学教育领域应用的最新趋势和进展。本文的这一部分包括人工智能在医疗保健中的临床应用示例，包括使用智能设备进行心脏监测。第二章介绍大数据和电子健康在医学和教育中的应用。该部分分析了区块链技术在医疗保健领域的快速增长。接下来的章节按照以下顺序组织:智能设备、虚拟临床试验、远程医疗和3D打印。第四章“讨论”重点讨论了研究结果、成果、问题、建议和研究局限性。本文的最后一部分是结论。

2.方法

2.1.搜索策略

出版物搜索使用谷歌Scholar、PubMed、Web of Sciences、Medline、Wiley Online Library和CrossRef数据库(英文同行评审出版物)进行。

2.2.纳入和排除标准

为了进行回顾和分析，我们纳入了2000年至2020年以英语发表的与数字健康领域相关的文章。搜索关键词如下:大数据、人工智能、远程医疗、物联网、区块链、可穿戴设备、智能设备、医学教育、虚拟临床试验和3D打印。

所进行的文献研究仅局限于可用的数据库(电子和印刷)，没有考虑任何与人类受试者相关的数据(例如，临床，生物学)。

我们鉴定了252篇论文。然而，由于排除标准的限制，综述中讨论的论文数量被限制在152篇(图2)．在以下章节中，我们对现状和不同观点进行了回顾和分析，特别强调解决与数字卫生技术的重要和主要方面有关的问题，包括信息隐私、数据处理、可访问性、可用性和成本效益(特别是对低收入国家)，这些问题是迄今尚未解决的。

3.结果

3.1.公共卫生和医学教育中的人工智能

“人工智能”(AI)一词一直与计算机模仿人类智能或认知功能有关[8］．在各行各业的各个领域，人工智能应用的可能性几乎是无限的。人工智能和机器学习(ML)的功能在医疗保健中的应用是一个有前途且快速增长的现代趋势，包括诊断和治疗多种疾病[9，10］．人工智能在医学应用的主要领域是健康监测、患者数据管理、药物开发、手术、远程会诊、医疗统计、个性化治疗和成像[11)(表1)．

迄今为止，人工智能在医疗保健领域应用的主要领域之一是放射学。事实上，通过机器读取图像(MRI、CT、超声)的自我训练和快速分析，从而做出准确的诊断和治疗计划，可以显著提高医疗操作能力的效率[20.，21］．人工智能可以帮助放射科医生进行图像采集和重建[22］．例如，最近，GE医疗集团和佳能医疗系统公司启动了一个基于ml的CT扫描仪图像重建项目。该项目的目的是在不影响图像质量的情况下减少辐射剂量[22］．另一个例子涉及微妙医疗公司(美国)用于优化PET和MR成像过程的产品。他们的系统精妙pet™和精妙mr™是FDA批准的第一个用于增强医学成像的人工智能解决方案。这些系统基于学习算法，能够与PET和MRI机器通信和集成，以优化图像识别和分析，而不会中断现有的工作流程。

除了放射学，人工智能在初级保健中也非常有用。它包括人工智能平台的应用，以改善诊断、实践管理、临床决策和初级保健专业人员的教育[23］．Pritesh Mistry(英国皇家全科医师学院)将人工智能在初级保健中的应用分为两类:(1)临床决策和护理管理，包括症状评估、临床编码自动化、皮肤疾病的图像识别、分类和自我管理;(2)主动检测(分析患者记录，预测未确诊患者)[24］．研究表明，人工智能可用于预测医院死亡率、意外再入院、不必要的长时间住院和治疗成本效益的预测建模[25］．在初级保健领域实施人工智能的驱动力是私营医疗公司。近十年来，巴比伦健康和Ada等公司开发了专门的平台，为患者提供服务，包括通过移动应用程序进行远程会诊[25］．其他公司也推出了与人工智能集成的各种类型的可穿戴设备。这种设备对初级保健医生收集和分析健康数据非常有帮助，从而节省了宝贵的时间和资源。

基于人工智能的平台证明了改善和优化心脏病专家工作的能力。研究表明，新型移动传感器可以帮助心脏病医生根据从患者远程和自动收集的生物医学数据监测、解释、分析和响应请求[26- - - - - -31］．目前，心力衰竭的诊断主要基于患者的病史分析、体格检查以及实验室和影像学数据(超声、CT和MRI)。在这方面，基于人工智能的系统可以通过利用这些领域的数据来帮助改善诊断，包括心电图、超声心动图、电子健康记录数据和其他来源[27］．有一系列关于在心脏病学中使用人工智能和机器学习平台的研究。例如，Attia等人研究了AI应用于心电图(ECG)诊断无症状左心室功能障碍(Asymptomatic left ventricular dysfunction, ALVD)的可能性，心电图是测量心脏电活动的常规方法[32］．作者训练了一个卷积神经网络来识别心室功能不全的患者，定义为射血 ，仅使用ECG数据该网络模型的曲线下面积、灵敏度、特异性和准确性分别为0.93、86.3%、85.7%和85.7%。在没有心室功能障碍的患者中，AI筛查阳性的患者风险为4倍(风险比4.1;与阴性筛查组相比，95%可信区间(3.3 ~ 5.0)在未来发生心室功能不全方面存在显著差异。作者得出结论，AI应用于ECG -一种普遍存在的低成本测试-允许ECG作为无症状个体识别ALVD的强大筛查工具[32］．表中列出了智能设备用于心脏监测的应用实例2．

鉴于最近与COVID-19大流行相关的挑战，基于人工智能的平台可以帮助识别和减少流行病学风险[42，43］．这种方法为有效预测、预防和检测未来的全球卫生风险，包括感染提供了机会[44- - - - - -47］．事实上，在Web of Science数据库中进行搜索(使用关键词:“人工智能”和“COVID-19”)，得到了200多篇论文。这表明了应用人工智能和机器学习来解决与这种危及生命的感染传播相关的问题的兴趣和迫切需求。与COVID-19相关的主要问题之一是COVID-19患者的优先顺序。这是一个复杂的问题，由于不同的纳入和排除标准的患者分类。在最近的一项研究中，Albahri等人提出了一种基于综合多标准决策分析(MCDA)方法的新型多生物实验室检查框架，用于对COVID-19患者进行优先排序[44］．实验分三个阶段进行。在第一阶段，导出并讨论了6例COVID-19患者的包含8个生物实验室检查标准的患者数据集。利用该阶段的结果，在“生物实验室检查标准”和“COVID-19患者名单”交叉的基础上提出决策矩阵。第二阶段采用层次分析法(AHP)，由呼吸系统专家确定生物实验室检查标准的主观权重。在最后阶段，采用VIekriterijumsko KOmpromisno Rangiranje (VIKOR)方法在个体和群体决策(GDM)的背景下对患者进行优先排序。结果表明，基于个体和GDM背景的AHP-VIKOR方法的整合对于解决COVID-19患者的优先排序问题是有效的，且在内部VIKOR和外部GDM背景下，COVID-19患者的优先排序结果没有变化[44］．提出的多生物实验室检查框架能够根据综合AHP-VIKOR方法对COVID-19患者的轻症、重症或危重症进行优先排序。

另一个有前景的人工智能应用领域是医学教育。事实上，医学知识和数据的范围正在迅速增长。此外，卫生专业人员缺乏时间进行持续教育和自我完善。医学教育主要依靠病人护理、医学知识、沟通技巧、实践学习、专业精神和系统实践[48，49］．任何医学教育的重要部分主要是基于记忆，而且很耗时。49］．在这种情况下，一些任务可以被处理并委托给基于人工智能的平台。此外，医学教育中基于人工智能的培训可以补充和丰富当前的课程。因此，学生将有机会学习如何使用人工智能工具来理解主要原理并解决实际的临床问题[49］．

在经典方法不再有效的情况下，基于人工智能的教育可以成功地应用。例如，在一些国家，由于文化或宗教的限制，解剖学研究有局限性。在这方面，人工智能技术(如增强视觉)可能被用于提供关于人体解剖和生理的完整信息。它还可以促进全球学生和教师之间的互动，以交流思想和优化教育过程。

几位作者声称，人工智能将在不久的将来对医学教育产生重大影响。最近，Chan和Zary强调，由于缺乏数字化和考试的敏感性，很少重视医学生课程的修订和学习进度的评估[50］．作者建议将AI引入医学院的课程，以更好地理解AI算法和好处。事实上，基于人工智能的教育平台可以促进解决多维和多学科问题，建立变量之间的关系，并提供更高的分类精度[50］．

另一项研究表明，基于人工智能的模拟器的有效性，培训后诊断准确性提高了22%，而基于多媒体的专家主导的培训仅提高了8%，具有非统计意义。

人工智能广泛应用于医学教育和培训的主要障碍是有限的数字化和资金限制。这种情况不仅在不发达国家很常见，在西方制度中也很常见。50］．这一问题可以解释为医学教育中经典方法的流行以及教育工作者对变革和新方法的抵制。延迟基于人工智能的教育平台实施的另一个因素是私营公司对此类项目的参与度不高。

人工智能在医疗保健领域的另一个重要应用领域是网络安全，因为近年来积累了大量的个人数据。尽管数字技术有很多好处，但它们也可能导致数据漏洞，因此实施有效的人工智能安全解决方案至关重要。51］．

3.2.大数据和电子医疗

根据Gartner Glossary:“大数据是大容量、高速度和/或种类繁多的信息资产，需要具有成本效益的创新形式的信息处理，以增强洞察力、决策制定和流程自动化。”大数据是指以不断增长的速度增长的大型、多样化的信息集。它包括信息的数量、创建和收集信息的速度或速度，以及所涵盖的数据点的种类或范围。

近几十年来，大数据越来越多地用于改善和优化医疗保健的管理、分析和预测[52，53］．例如，向电子健康记录(EHR)的过渡可以帮助存储、分类和加快患者数据的处理。此外，大数据系统在医疗实践管理中的应用有可能提高服务质量和效率，降低护理成本，减少医疗差错数量。事实上，最近EHR的广泛使用导致了医疗大数据的爆炸式增长。除了单纯的临床领域，大数据在医疗保健领域的应用还包括医疗服务提供者(制药和物流)、遗传学等信息的数据[54］．

利用大数据作为平台，提供支持、优化、加速和促进生物医学研究的手段，这是一个稳定的全球趋势。它还为在生物学、医学、遗传学、流行病学和药理学上寻找新的解决方案提供了无限的机会。53，55］．大数据可以帮助整理和分析迅速增加的医疗信息量。例如，一个人的临床数据(一生)可以产生0.4 tb的信息，基因组学数据大约6tb，另外还有1100 tb的数据[56］．据估计，到2020年，医疗数据量将每73天翻一番[56］．此外，基于大数据的平台可以解决与速度相关的问题(流数据分析)[57]，多样性(不同形式的数据)[54]，以及公共卫生数据的真实性(数据不确定)。

大数据可用于分析下一代测序(“下一代测序”，NGS)的数据，以及用于解码人类遗传学的宽基因组关联研究(“全基因组关联研究”，GWAS)。“组学”(基于大数据平台)的新时代为探索和理解整个“基因组”提供了机会，从而产生了大量的信息，并有了更深入的理解[54］．

事实上，医疗保健需要强有力地整合来自各种来源的生物医学数据，如电子健康/医疗记录、遗传学、药房信息和保险记录，以便通过个性化方法优化诊断和治疗。对医疗系统大数据的分析也有助于制定新的医疗保健战略，并为不久的将来个性化医疗领域的根本变革创造先决条件[54］．

迄今为止，许多国家已经提出并正式批准了电子保健的概念。电子健康平台能够接收(自动和及时)和分析医疗信息，从而针对患者的需求提供安全、公平、高质量和可持续的医疗服务。目前，世界领先的卫生组织正在积极采取措施，引进和规范电子卫生护照，以加强初级卫生保健。它促进了医疗保健质量的改进和优化，同时减少了医疗专业人员的文书工作。标准化是必要的，以确保电子健康护照、电子病历和其他电子卫生系统之间的功能交互，同时考虑到ISO 13940: 2015标准的要求。电子文档系统可以积累有关患者一生的信息，公民(患者)可以个人访问以下数据:临床观察信息、病史、治疗信息、疫苗接种、处方药必威2490、过敏反应、症状、健康状况和诊断研究结果。此外，电子医疗系统的引入将允许医生开具电子处方并直接发送到药房网络，这也将大大减少患者在诊所排队和文书工作的问题。

事实上，每个患者都会生成无数的数据，例如关于诊断、治疗、药物、医疗用品、图像、实验室结果和财务文件的信息。必威2490在这方面，大数据平台可以大大提高电子医疗系统的功能、安全性、分析性和性能。目前，一些公司提出了基于大数据解决方案的技术，如STORM和Hadoop [58］．

然而，应该指出的是，目前医疗机构的it基础设施和设备较差，不允许全面实施医疗信息系统，特别是在不发达国家。事实上，在贫穷国家的大多数地区，除中部地区外，医务人员的工作场所都没有配备个人电脑，也没有结构化的布线系统和服务器设备。

考虑到大数据对医疗保健的快速增长和重要性，医学教育必须将大数据使用的培训纳入课程。例如，大数据的应用可以帮助提高医学实习生和实习生的临床体验。此外，基于大数据的先进方法可能有助于解决医学教育的一些基本问题。59］．例如，机器学习可以应用于大数据分析，以优化实习生(住院医生)必须进行的程序数量，以达到最佳完成率[59］．

3.3.医疗保健和教育领域的区块链技术

区块链技术基于点对点平台，提供了在数千台服务器上安全地存储信息的机会。这些信息可以在分散的开放网络中同时使用和共享。这种方法使用户难以控制或更改它。因此，具有去中心化、透明性和匿名性等独特特征的区块链技术在医疗保健领域的应用越来越多。根据IBM的数据，70%的医疗保健领导者预测，区块链在医疗保健领域的最大影响将是改善临床试验管理、法规遵从性和共享电子病历的去中心化结构。到2022年，医疗区块链技术的全球市场预计将超过5亿美元[60，61］．

目前，医疗机构对工业和研究机构的真实数据需求越来越大。与此同时，未经授权的交换、广泛宣传的黑客攻击和对机密数据的盗窃不断破坏公众对医疗保健机构的信任。第三个问题是共享相同信任的医疗保健生态系统中的滥用(例如，假药、程序、技能和患者的问题)[60］．综上所述，这种情况需要重新考虑和考虑其他办法。由于其一些关键属性，如去中心化、分布式和数据完整性，以及没有任何必要的第三方，区块链技术具有许多有吸引力的属性，可用于改善和获得更高级别的交互、信息交换、访问控制以及上述利益相关者之间的数据的起源和完整性，从而走向建立和维护信任的新基础设施[62］．

确保重要医疗数据的安全和保护是目前区块链的主要应用。数据安全是一个重大的公共卫生问题。在2009年至2017年期间，超过1.76亿份患者记录受到数据泄露的影响(包括医疗和基因组信息)。区块链能够为所有患者数据提供可靠和分散的存储，这使得这项技术的安全性达到了最佳水平。此外，区块链允许在复杂而安全的代码的帮助下隐藏患者的身份，这些代码可以保护医疗数据。该技术的去中心化特性还使患者、医生和医疗保健提供者能够快速、安全地共享相同的信息[62］．

区块链应用的另一个有前景的领域是医学教育[63］．事实上，区块链可以帮助医学教育工作者优化和追踪对学生监控最受欢迎的学习模块的影响。此外，区块链平台将提供一个机会来比较全球不同机构的方法甚至人员(基于能力的医学教育)。区块链技术的另一个显著特征是去中心化，可以帮助安全保存医疗和教育许可和认证信息。

综上所述，基于区块链的教育平台可以帮助解决与管理和教育过程相关的问题[64］．例如，大学的区块链系统可以安全地保存有关学术人员、教学内容、考试结果、教职员工和学生表现以及所授予的学位的信息，这些信息涵盖了学习过程的完整性和整体性。必威2490此外，区块链提供了一种可能，可以形成和优化教育基础设施，拥有关于文件来源、日期和作者的信息。它将改善教育者与学生的互动，加快反馈，从而改善整个教育系统。这对于排除腐败的可能性也很重要，有助于提高管理效率。

3.4.智能设备

使用第一代智能设备的实践表明，它们可以在监测身体的重要功能和诊断方面发挥重要作用[65，66］．无线电频率识别(RFID)阅读器和近场通信(NFC)设备等新技术不仅可用于收集健康信息，而且可作为医学中的通信平台[54］．这样的设备可以创建持续的数据流，同时监控健康状态，使这些设备成为大量数据集(大数据)的主要来源[67］．智能平台可以连接各种设备(“物联网”)，提供可靠、高效和个性化的医疗服务。使用智能和可穿戴设备，医生可以远程监控各种健康参数。因此，患者可能不需要住院或看医生，这将大大降低医疗成本。

最近人们对电子健康的爆炸性兴趣也与移动电话和专注于健康的特殊移动应用程序的广泛使用有关。如今，智能手机可以跟踪各种健康参数，特别是与可穿戴设备结合使用时。智能手机除了可以接收初级健康数据外，还可以作为集成其他传感器的平台[68］．例如，Alivecor公司(美国)开发了一系列可以记录心电图的智能设备(KardiaMobile, KardiaPro和KardiaBand)。这种设备有可能取代传统的笨重ECG监护机，患者可以购买并拥有它们[68］．此外，持续监测心电图等健康参数将为长期监测心功能提供可能，可用于定性分析和结果预测。智能手表等智能设备可以帮助判断是否存在快速心律失常或缓慢心律失常[68］．此外，从可穿戴智能设备获得的信息可在每次预约时进行分析，以预测室上性心动过速的复发[68］．最近，大型IT公司提供了一系列用于心脏监测的可穿戴设备，如Apple Watch系列4，它能够记录和检测心房颤动、跌倒、心动过缓和心动过速。这些智能平台能够减少和预防危及生命的疾病，如中风和梗死。

用于健身或健康跟踪的可穿戴设备(“物联网”)、生物传感器、用于监测生命体征的临床设备以及其他类型的设备产生了大量与健康相关的数据。将这些数据与其他现有的医疗数据进行集成，可以帮助监测健康状况，模拟病理传播，并找到控制特定疾病爆发的方法。鉴于近期的全球挑战，如COVID-19大流行，智能设备的使用将在远程健康监测中发挥越来越重要的作用[54，69］．

尽管用于健身和健康监测的智能设备使用相似，但在制造、方法和伦理方面存在原则性差异[70］．首先，用于健身的可穿戴设备主要是为个人使用而设计的(跟踪心脏功能等)。这些信息可被使用者用来纠正和优化他们的身体活动[71，72］．同时，设计医疗智能设备，帮助医生监控患者的生命体征和数据。这些信息可以直接影响诊断的速度和质量以及治疗结果。此外，健康数据的安全和隐私在医疗可穿戴设备在诊所的应用(伦理问题)中起着至关重要的作用[73，74］．

尽管可穿戴设备和移动电话在医疗保健应用方面具有明确的优势，但这些设备产生的电磁场可能引起的负面生物效应引起了一些担忧[75］．首先，它包含了潜在的基因毒性[76，77]和致癌物质[78，79与移动通信系统相关的调频中射频电磁场(EMF)的影响。然而，与此同时，有一系列关于EMF对不同器官和系统的潜在治疗作用的报告，特别是对大脑[80，81］．

除了健康监测，近十年来，智能设备也被广泛应用于医学教育。Snashall和Hindocha指出，医疗和智能设备应用程序促进了情景学习的概念。82］．例如，研究表明，智能手机通过使用视觉辅助工具促进了解剖学教学，并导致了学习体验的增强[83］．Bansal等人进行的研究表明，智能手机已广泛应用于医学教育系统，但其用途仍然仅限于共享时间表、作业以及与教师和学生保持联系[84］．智能设备的主要优点是可用性、便携性和易于获取信息，使其成为讲座和书籍等传统教育形式的有力替代品。

3.5.虚拟临床试验

医学研究中另一个有前途的新领域是虚拟临床试验[85］．这些技术包括用于远程患者健康信息检索的技术，包括平板电脑、智能手机应用程序或可穿戴传感器。这些平台通常被描述为虚拟临床试验、分散试验、远程试验、患者特异性试验或混合试验[85］．这一过程包括招募患者，获得他们的同意，以及收集数据。虚拟临床试验是一种不再需要物理场所和与患者直接互动的系统[86，87］．

事实上，与传统模式相比，虚拟临床试验有几个优点。后者包括多个研究地点，需要多次访问患者以进行研究方案。远程临床试验不像现场试验那样需要经常上门检查，它以病人在家为基础，因此那些行动不便的人，如老年人或生活在农村地区的病人，也可以参加试验[88］．在自然或人为的大流行病和大灾难期间，这一点尤其重要。

尽管虚拟试验仍然需要支持人员驻扎在研究现场，并投资于数据收集和分析平台，但它们可能比传统的临床试验更具成本效益[85］．虚拟临床试验的另一个优势是能够留住参与研究的患者(通常约有40%的III期患者退出研究)。必威2490

虚拟临床试验可以消除频繁实地考察的需要，并自动化数据收集，提高患者的参与度和保留率。虚拟临床试验还为降低药物开发过程中的风险提供了机会。参与试验的研究人员可以实时访问远程监测设备(智能设备)的数据，这提高了数据分析的效率。因此，远程监测功能可以促进临床试验的自适应方法，允许您根据积累的数据改进试验的设计。也可以更快地做出停止药物开发的决定，这增加了患者的安全性，并降低了失败研究的成本，不幸的是，失败研究在药物发现过程中已经变得相当频繁[89］．

3.6.远程医疗

远程医疗使医疗保健提供者能够利用电信技术评估、诊断和治疗远程位置的患者[90，91］．远程医疗的优点包括能够收集、存储和交换医疗数据[92］．此外，远程医疗可实现对患者的远程监测、远程教育、改善医疗保健的管理和管理、健康数据系统的集成以及患者运动跟踪[93，94］．事实上，在各个部门使用远程医疗有许多选择(图3.)．

3.6.1.灾难和检疫管理

自然灾害后获得医疗服务对公共卫生至关重要。在这方面，远程医疗使医疗工作者能够快速分析和分类受害者。它还为医生提供了远程联系患者或被隔离者的机会，从而避免直接接触受感染的患者。理想情况下，患者可以佩戴智能设备直接传输身体重要功能的数据，包括体温和心率。由于最近全球COVID-19大流行，这一功能变得非常需要。

3.6.2.农村医疗保障

农村卫生保健的最大问题之一是确保偏远地区和农村人口获得卫生服务[95，96］．在这种情况下，远程医疗可以帮助解决这些问题，无论患者身在何处，都可以获得高质量的医疗服务。这可以通过使用实时视频会议或特殊的网络服务来实现。这种电视和医疗技术的结合，再加上特殊的可穿戴设备，使医生能够与病人联系并提供建议[97］．医生可以检查病人，检查关键的生命体征和病史，进行评估、诊断，然后确定治疗方案并开药。这种方法为患者提供了快速沟通和反馈的机会。此外，它可以大大减少不必要的和昂贵的通勤需求，这对气候条件恶劣的地区尤其重要[98］．

3.6.3.发展中国家

尽管最近在保健方面取得了进展，但许多发展中国家的人口还不能充分获得高质量的医疗服务。在这方面，远程医疗提供了一个机会，通过相对便宜和可用的医疗保健系统，在医疗保健领域引入新的突破性技术。远程医疗不需要建造和维护大量现代化设施，而是使基础诊所能够咨询和分享世界各地医疗专家的经验。这大大改变了向发展中国家提供医疗保健的战略。近十年来，非洲区域积极研究和实施了使用远程医疗的平台[99- - - - - -101］．例如，最近的一项研究在几内亚共和国(西非)使用了一种低成本的片剂用于脑电图(EEG)和癫痫管理[One hundred.］．研究参与者接受了两次脑电图，所有记录都由临床神经生理学专家远程评分和分析。结果表明，基于平板的脑电图在重复测试中具有可重复的质量水平，可用于脑电图诊断。

3.6.4.惩教设施

事实上，与普通人群相比，监狱囚犯表现出更高的精神疾病、慢性疾病、结核病和其他传染病的发病率[102］．此外，每个国家都花费大量资金为囚犯提供医疗服务。在这方面，基于远程医疗的平台可以帮助提供高质量的医疗服务，而不存在低成本和与运送囚犯有关的危险，也不需要专科医生。惩教设施改善了获得医疗服务的机会，大大降低了纳税人为囚犯提供医疗服务的费用。

然而，尽管远程医疗在惩教设施中的应用具有明确的优势，但最新的进展很少。Mateo等人强调了阻碍在监狱中更广泛地实施远程医疗的问题:(1)缺乏信息和官方指南，(2)互联网安全风险和成本升高，(3)监狱卫生服务(可以运行远程医疗系统)的资源短缺，以及(4)需要为监狱和区域卫生服务维持两个独立的电子病历系统[103］．

3.6.5.学校健康

在许多国家，学校保健诊所或学校初级保健柜是儿童获得医疗保健的一个关键点[104，105］．事实上，远程医疗可以帮助管理学龄期儿童的各种疾病，如哮喘、糖尿病和肥胖症。更重要的是，实施基于远程医疗的医疗保健有助于减少紧急护理的必要性和相关费用。在这种情况下，学校护士在提供高质量的医疗护理方面发挥着重要作用，她/他必须专业地应对不同的需求和日常挑战。远程医疗使学校初级保健工作者能够远程接受专家的医疗建议和协助。它为在校儿童提供了一个接受监测和治疗的机会，而不会错过学校的教育计划。此外，它可以帮助最大限度地减少访问医疗专家的成本和时间花费。

3.6.6.工业卫生

所有工业组织和设施，如工厂、矿山和油气平台，都严重依赖于工人的健康状况。最早实施远程医疗的行业之一是石油天然气行业。它主要基于海上平台和陆上医疗服务之间的电话咨询，今天它还包括用于远程健康监测的视频会议和数字医疗设备[106］．事实上，工业公司必须对健康需求作出反应，以支持位于不同和偏远地区的数千名员工。在这方面，远程医疗可以帮助避免昂贵的患者撤离，并提供快速和最佳的诊断和适当的治疗[107］．

3.6.7.医学教育

除了真正的临床实践外，远程医疗在医学教育方面也有很大的前景[108，109］．有一系列关于将远程医疗纳入医学教育的研究，显示出积极和有希望的结果，与传统教育方法相比，显示出类似或更好的效果，学生反映出很高的热情[110］．新颖的教育方法使学生接触真正的患者和高素质的专家(讲师)，从而提高临床技能[111］．

3.6.8.药店

研究表明，远程医疗可以加强和优化社区和医院药房的工作[112- - - - - -115］．研究表明，由于处方准确性得到验证，三家没有24小时药房服务的社区医院的药剂师在下班后提供远程医疗服务可改善药物安全[116，117］．远程医疗可以帮助解决与用药有关的问题，如用药和处方错误。数字平台的引入可以减少药物不相容的问题，降低潜在的药物不良反应。此外，研究表明，与不提供远程医疗服务相比，药剂师在使用远程医疗服务解决毒品相关问题时的干预频率要高出五倍[118］．

事实上，远程医疗和远程药房是世界各地现代医疗保健系统中快速增长的领域。它可以帮助偏远或农村地区的药剂师审查患者资料和评估处方，以便技术人员为患者配药[113］．目前，远程药房包括药物订购、电话咨询、药物治疗管理、协同药物管理、中央处理和远程订单录入、技术人员配药的远程监督、自动配药系统，以及提供24/7药剂师咨询的药物亭[113］．

3.6.9.初级护理和全科实践

远程医疗可以通过与患者更好、及时的沟通，大大改善全科医生的工作[119，120］．它可以帮助全科医生照顾和监测最大数量的患者在该地区，特别是在农村地区。有证据表明，当患者和家属有机会在家中接受远程医疗，而不是在诊所或医院接受面对面护理时，可改善获得护理的机会[121］．此外，远程医疗系统使患者或家属与护理提供者之间能够及时沟通，从而实现自我管理和可能避免住院的必要调整[121］．事实上，远程医疗在全科医生实践中的应用可以显著优化和提高医疗服务。它可以加快诊断速度，降低医疗成本。这样的系统还可以与远程药房平台集成，从而提高医疗保健效果和患者的满意度。此外，考虑到近期COVID-19大流行的情况，远程医疗在全科医生工作中的实施和应用似乎是现代医疗系统的一项紧迫而重要的任务。

3.7.用于医疗保健和医学教育的3D打印

在过去的十年中，3D打印技术越来越多地应用于医疗保健领域。此时，医疗3D打印领域已经取得了进展，制造器官模型和永久性植入物的技术已经变得更加可靠[122］．Cheng等人进行的研究证明了改善用于3D打印的生物可降解材料行为的可能性[123］．虽然组织器官的直接打印仍处于初级阶段，但国内外研究人员已经开始研究利用打印的组织器官3D打印器官和血管的可能性[124］．

事实上，3D打印技术允许外科医生提供所需患者解剖部位的物理3D模型，可用于准确规划进入和横断面3D成像。此外，3D打印可以在植入前高精度地选择假体组件的尺寸。3D打印还可以用于定制植入物或手术器械，从而在不增加成本的情况下实现器械和假肢的个性化。125］．

在医学中使用3D技术的例子已经在[125]，下文简要列出并评论:(1)骨质疏松症治疗:在药物治疗后，3D打印可用于确认结果;(二)各种医疗器械的检验;(3)医学教育:3D打印的优点是3D打印模型的可重复性和安全性(与解剖尸体有关);从大量数据和图像中建模各种生理和病理情况的能力，以及在不同机构之间交换3D模型的能力，特别是那些资源较少的机构;(4)患者教育:以患者为本的护理使患者教育成为大多数卫生保健提供者的首要任务之一;(5)改进法医检验:可以利用三维模型，方便地展示陪审团成员在横断面图像上难以理解的各种解剖异常;(6) 3D打印可用于生产可植入组织(用于烧伤患者移植的合成皮肤打印);(7) 3D打印已被用于化妆品、化工和医药产品的测试;(8)另一个例子是使用细胞和生物材料的组合来复制心脏瓣膜，以控制瓣膜的硬度或使用含有胶原蛋白悬浮的牛软骨细胞的凝胶填充的形式来复制人耳;(9)药物的个性化3D打印:药物的3D打印包括打印一层药粉，使其比传统片剂溶解更快。 It also allows to personalize the required amount of medication for the patient; (10) printing of synthetic organs: 3D printing can make it possible to save lives by implanting artificial organs viz artificial hearts in patients who require transplantation and thus reducing the waiting lists. More importantly, printed organs may also be used to replace animal laboratory models for toxicity tests [125］．

此外，3D打印也可以成功地用于医学教育[126，127］．研究表明，为患者调整的3D打印模型可用于提高工作效率和学习能力[125，128］．解剖模型的3D打印可以减少对尸体样本的需求。此外，它还提供了一个从大量成像数据中获取不同解剖结构的3D模型的机会。它还可以帮助国内外不同机构之间交换3D模型[129］．3D触觉模型的另一个重要优势是模拟训练[130］．研究表明，3d建模可以有效地用于各种医学专业的培训，如耳鼻喉科[131]、心脏病学[132]、普通外科[133]、骨科[134］．

4.讨论

“数字健康”或“电子健康”一词涵盖了一系列概念、方法和技术，如大数据、人工智能、基因组学、分析学、远程医疗、智能设备和可穿戴设备，以及移动电话健康应用[135，136］．近几十年来，健康数字技术在生物医学、研究和医学教育中得到广泛研究和应用[137］．它包括“数字健康”概念的应用，以优化和改进各种疾病的诊断和治疗。此外，由于最近的大流行，包括COVID-19，这些技术变得非常受欢迎[138，139］．COVID-19在各大洲的灾难性传播引发了对快速有效解决方案的需求，以定位、管理和治疗病毒感染。在这方面，远程医疗和其他电子卫生技术的使用可能有助于减轻医生和国家卫生保健系统的负担。这样的数字平台可以促进感染患者的诊断、预约和治疗，从而降低初级卫生保健医生和工作人员感染病毒的风险。

尽管电子健康平台具有一定的优势，但医院和门诊主要依赖经典的医疗服务方案。同样的情况也发生在医学教育中，标准的方法和方法仍然是教授医学生和住院医生的主要方式。阻碍数字技术在医疗保健领域广泛应用的另一个因素是缺乏资金，尤其是来自政府的资金。然而，私营部门更热衷于数字卫生系统的创新和应用[140］．部分原因是，与公共医疗保健部门相比，私营公司所要求的资金具有灵活性和可用性。然而，各国的情况各不相同，即使在发达的西方经济体也是如此。在这方面，数字健康平台在非洲和亚洲等发展中地区的广泛和快速实施比在西方国家更值得期待。

数字技术已经对全球现有的医疗保健系统产生了巨大的影响。事实上，不同类型的数字技术的实施提高了不同国家医疗保健的质量、效率、可负担性和可及性。例如，远程医疗的应用，有助减少心血管疾病病人的入院率和死亡率[141，142]和糖尿病[143，144］．然而，由于市场上提出的拟议技术范围很大，因此很难精确评估数字技术对医疗保健的影响。无论如何，数字医疗服务已经不可逆转地改变了患者和医疗工作者之间互动的性质和原则。特别是，它影响了医疗服务的成本效益、质量和速度。在这种情况下，双方(病人和医生)都是赢家。数字4提供在审查中讨论的数字卫生技术应用的摘要。

从长期来看，卫生专业人员将得到人工智能力量和大型数据库访问的支持。这种支持将改善、优化和加快诊断和治疗。此外，医生将有机会接受持续的医疗培训和教育，这对这类专业活动至关重要。事实上，传统的培训模式已经慢慢地被节省时间和金钱的远程教育所取代。另一方面，患者将受益于改善与医生的沟通和获得医疗信息。此外，可穿戴设备和智能监测设备的广泛应用将改善医疗服务，并在不久的将来为预防和个性化医疗奠定基础。

然而，尽管这种数字解决方案有望帮助减少医疗工作者的工作量，但潜在的好处可能伴随着负面和不可预测的影响，特别是从长期角度来看。在这方面，应该仔细分析和验证数字卫生技术的应用、伦理方面、社会、心理和财务因素。事实上，在医疗保健系统中，新技术和方法的开发、集成和实施存在一系列不同的挑战、困难或担忧。它包括医疗数字设备的可靠性和准确性、可用性和免费使用昂贵设备、患者和医生的数字素养以及他们有效操作智能设备和数字平台的能力。另一个主要担忧是担心数字技术可能会取代医生。它与机器自我教育和提高性能的能力有关，特别是在医学图像识别和分析方面。事实上，一些医疗行业很快就会受到数字健康技术的影响，如精神病学、法医学、病理学、神经病学、放射学和药理学。这是由这些学科中基于人工智能的方法和方法的快速引入所决定的。

道德问题是与数字健康相关的另一个挑战。由于各种类型的利益相关者(包括大小技术公司、大学、医疗保健提供商、患者和公共组织)的参与(数字平台的开发)，情况变得复杂。因此，健康数字平台的完整性和有效性主要取决于数字健康市场参与者的责任和道德原则。Nebeker等人强调了为健康研究和临床应用设计的数字健康决策领域框架的五个主要领域:(1)参与者隐私，(2)风险和收益，(3)访问和可用性，(4)数据管理，以及(5)伦理原则[145］．

隐私包括安全、保密、歧视、对医疗信息的意外使用，以及患者知道其数据将如何使用的权利[146］．到目前为止，还没有关于健康数据保护的普遍道德法规[147］．尽管如此，卫生组织仍有一套实践和建议，包括《健康保险可携带性和责任法案》(HIPAA，美国)、《健康信息技术促进经济和临床健康法》(HITECH)、澳大利亚信息专员办公室(OIAC，澳大利亚)、《个人信息保护和电子文档法》(PIPEDA)和《通用数据保护条例》(GDPR，欧盟)。因此，私营公司或政府保健服务提供者必须考虑这些建议以及与使用数字保健数据有关的道德问题。

通过与患者建立信任并促进医疗保健利益相关者之间的数据共享，在适当的情况下使用覆盖数据收集、治理和处理的整个生命周期的去识别技术，可以优化和增强隐私[148］．数字医疗系统必须以患者的需求和隐私为导向，尤其是患者的个人信息及其利用。

近几十年来，卫生数字服务的获取、可用性和成本一直是媒体和科学文献讨论的主题[146，149］．有人担心，数字医疗将只有富裕人群才能享受到。145］．然而，最近在非洲等发展中国家，医疗移动应用程序的兴起给人们带来了希望，医疗数字化将成为世界各地普通人不可分割的一部分，无论他们的收入、种族和社会地位如何。

除了数字健康的资金方面，还有一个问题是向弱势和经常被忽视的人口部分提供此类服务，包括无家可归者、老年人、残疾人和患有罕见疾病的患者[145，146］．Brall等人强调，数字健康平台的开发者在道德上有责任设计这样的系统，考虑到道德方面，以满足和代表所有人群，不为偏见和由此产生的歧视留下任何理由[146］．

5.挑战

医疗保健领域的数字革命正面临许多挑战和问题。“它包含了构建支持数字环境的工具和服务的需求，以及重组当前传统医疗系统和经典方法的需求。”这一点不仅对不发达国家，对西方世界也是至关重要的。第二个问题与数字医疗技术对医疗工作者和患者的实际益处有关。事实上，大多数提出的数字健康技术都缺乏证据基础。

此外，市场上的一些数字健康产品无法清楚地证明其临床相关性和对医疗专业人员的益处。问题是，数字医疗技术能否优化和提高医疗保健的有效性、速度、质量和可承受性?也在有限资源子集中?另一个问题是缺乏在临床实践和医学教育中应用数字健康的具体临床指南。最后但并非最不重要的非常重要的问题是行业、创新者、投资者和执业医疗保健专业人员之间的脱节和缺乏密切沟通。

6.结论

总而言之，数字革命正在影响和重塑全球的医疗保健系统。它包括医疗服务和教育的基本原则和方法的变化。研究表明，新型数字创新的应用不仅在西方国家，而且在发展中国家，都可以提高公众医疗保健的可及性、质量和灵活性。例如，远程医疗帮助农村和偏远地区的人们获得高质量的咨询、诊断和治疗。

然而，在广泛实施数字健康平台之前，还有一系列问题需要回答。它包括所提出的技术的临床效果及其验证。第二个问题是这种数字医疗创新的可靠性和安全性。它意味着根据伦理原则进行细致的测试和临床研究[145］．由于缺乏官方法规和建议，包括私营和政府组织在内的利益攸关方面临着对新型数字卫生技术进行充分验证和批准的问题。在这方面，在为医疗保健部门部署数字产品之前，需要进行适当的科学研究[145］．

6.1.研究的局限性

本文重点分析了大数据、人工智能、远程医疗、区块链平台、智能设备在医疗保健和医学教育中的应用。由于数字卫生技术和教育领域涉及面很广，审查无法讨论这些领域的所有方面。本文旨在讨论医疗技术的最新进展，并提供相关研究的例子。

数据可用性

所有相关数据都在论文中。

利益冲突

作者没有竞争利益需要声明。

致谢

作者感谢S.D. Asfendiyarov哈萨克斯坦国立医科大学提供的行政和技术支持。

参考文献

1. M. Mitchell和L. Kan，“数字技术与卫生系统的未来”，卫生系统与改革，第5卷，no。2，第113-120页，2019。视图:出版商的网站|谷歌学者
2. S. Sayani, M. Muzammil和K. Saleh，“通过远程医疗解决慢性疾病管理中的成本和时间障碍:在选定的低收入和中等收入国家的探索性研究”慢性疾病治疗进展2019年第10卷。视图:出版商的网站|谷歌学者
3. C. E. J. Sandberg, S. R. Knight, A. U. Qureshi和S. Pathak，“在低收入和中等收入国家使用远程医疗诊断手术部位感染:系统回顾”Jmir Mhealth和Uhealth，第7卷，no。8、第e133092019条。视图:出版商的网站|谷歌学者
4. J. E. Kohler, R. A. Falcone和M. E. Fallat，“农村健康、远程医疗和儿科手术的可及性”，儿科最新观点，第31卷，no。3，页391-398,2019。视图:出版商的网站|谷歌学者
5. L. Lapointe, M. H. Lavallee-Bourget, a . Pichard-Jolicoeur, C. Turgeon-Pelchat和R. Fleet，“远程医疗对农村创伤患者诊断、临床管理和结果的影响:快速回顾，”加拿大乡村医学杂志，第25卷，no。1，页31 - 40,2020。视图:出版商的网站|谷歌学者
6. 何剑霞，s.l. Baxter，徐剑明，周晓涛，张凯，“人工智能技术在医学中的实际应用”，自然医学，第25卷，no。1，页30-36,2019。视图:出版商的网站|谷歌学者
7. d·c·安格斯，《人工智能的随机临床试验》美国医学会杂志。，第323卷，no。11，第1043-1045页，2020年。视图:出版商的网站|谷歌学者
8. 陈丽娟，陈培培，林志军，“人工智能在教育中的应用:综述”，Ieee访问， vol. 8, pp. 75264-75278, 2020。视图:出版商的网站|谷歌学者
9. G. Rong, A. Mendez, E. Bou Assi, B. Zhao和M. Sawan，“医疗保健中的人工智能:回顾和预测案例研究”，工程，第6卷，no。3，页291-301,2020。视图:出版商的网站|谷歌学者
10. S. Reddy、J. Fox和M. P. Purohit，“人工智能医疗保健服务”，英国皇家医学会杂志，第112卷，no。1，页22-28,2019。视图:出版商的网站|谷歌学者
11. Amisha, P. Malik, M. Pathania和V. K. Rathaur，“医学中的人工智能概述”，家庭医学和初级保健杂志，第8卷，no。7，第2328-2331页，2019。视图:出版商的网站|谷歌学者
12. 张晓生，林旭年，张振华等，“人工智能医用超声设备在乳腺病变检测中的应用”，超声成像，第42卷，no。4-5，页191-202,2020。视图:出版商的网站|谷歌学者
13. C. T. Jensen, X. M. Liu, E. P. Tamm等，“基于新型深度学习图像重建的腹部CT图像质量评估:初步经验，”美国x线学杂志，第215卷，no。1, pp. 50-57, 2020。视图:出版商的网站|谷歌学者
14. B. Joo, S. S. Ahn, P. H. Yoon等人，“深度学习算法可以在磁共振血管造影中自动检测颅内动脉瘤，具有高诊断性能。”欧洲放射学，第30卷，no。11，第5785-5793页，2020。视图:出版商的网站|谷歌学者
15. D. Kaya和M. Turk，基于LabVIEW的稳健级联预测模型评估癌症预后， vol. 549，物理-统计力学及其应用，2020。
16. H. Iwagami, R. Ishihara, K. Aoyama等，“人工智能用于食管和食管胃交界腺癌的检测”，胃肠病学和肝病杂志, 2020年。视图:出版商的网站|谷歌学者
17. E. H. Jin, D. Lee, J. H. Bae等人，“使用卷积神经网络和视觉解释提高结直肠息肉光学诊断的准确性”，胃肠病学第158卷，no。8, pp. 2169-2179。e8, 2020年。视图:出版商的网站|谷歌学者
18. M. H. S. Segler, T. Kogej, C. Tyrchan和M. P. Waller，“用循环神经网络生成药物发现的聚焦分子库”，Acs中央科学，第4卷，no。1，页120-131,2017。视图:出版商的网站|谷歌学者
19. C. Angermueller, H. J. Lee, W. Reik和O. Stegle，“DeepCpG:使用深度学习准确预测单细胞DNA甲基化状态”，基因组生物学，第18卷，no。1，第67页，2017。视图:出版商的网站|谷歌学者
20. j·c·戈尔，“医学成像中的人工智能”磁共振成像《中国科学》，vol. 68, pp. A1-A4, 2020。视图:出版商的网站|谷歌学者
21. F. Caobelli，“医学成像中的人工智能:放射科医生的游戏结束了吗?”欧洲放射学杂志，第126卷，第108940条，2020。视图:出版商的网站|谷歌学者
22. L. N. Tanenbaum，“人工智能与医学成像:图像采集与重建”，应用放射学，第49卷，no。3，第34-37页，2020年。视图:谷歌学者
23. W. lilaw和I. a . Kakadiaris，《初级保健人工智能:隐藏在普通视线中的分支》，家庭医学年鉴，第18卷，no。3，页194-195,2020。视图:出版商的网站|谷歌学者
24. P.密斯特里，“初级保健中的人工智能”，英国全科医学杂志，第69卷，no。686页，第422-423页，2019年。视图:出版商的网站|谷歌学者
25. S. Y. Lin, M. R. Mahoney和C. A. Sinsky，“人工智能将改变初级保健的十种方式”，普通内科杂志，第34卷，no。8，页1626-1630,2019。视图:出版商的网站|谷歌学者
26. K. W. Johnson, J. Torres Soto, B. S. Glicksberg等人，《心脏病学中的人工智能》美国心脏病学会杂志，第71卷，no。23, pp. 2668-2679, 2018。视图:出版商的网站|谷歌学者
27. C. R. Olsen, R. J. Mentz, K. J. Anstrom, D. Page和P. A. Patel，“机器学习在心力衰竭诊断、分类和预测中的临床应用”，美国心脏杂志， vol. 229, pp. 1-17, 2020。视图:出版商的网站|谷歌学者
28. S. Gaffar, A. S. Gearhart和A. C. Chang，“儿科心脏病学的下一个前沿”，北美儿科诊所，第67卷，no。5，第995-1009页，2020。视图:出版商的网站|谷歌学者
29. J. Johnsson, O. Bjornsson, P. Andersson等人，“人工神经网络改善了院外心脏骤停重症监护室患者的早期预后预测和风险分类。”急救护理，第24卷，no。1，第474页，2020年。视图:出版商的网站|谷歌学者
30. K. Seetharam, S. Shrestha和P. P. Sengupta，“心血管医学中的人工智能”，心血管医学目前的治疗方案，第21卷，no。5, 2019。视图:出版商的网站|谷歌学者
31. A. K. Feeny, M. K. Chung, A. Madabhushi等人，“心律失常和心脏电生理中的人工智能和机器学习”，循环-心律失常与电生理，第13卷，no。8, p. e007952, 2020。视图:出版商的网站|谷歌学者
32. Z. I. Attia, S. Kapa, F. Lopez-Jimenez等人，“使用人工智能支持的心电图筛查心脏收缩功能障碍，”自然医学，第25卷，no。1, pp. 70-74, 2019。视图:出版商的网站|谷歌学者
33. M. Li, W. Xiong, and Y. Li，“基于智能服装的心电信号穿戴测量”，国际远程医疗与应用杂志《中华人民大学学报》，2020年第1卷，第6329360期，9页。视图:出版商的网站|谷歌学者
34. M. L. Young和L. Flores，“使用‘智能袜子’可穿戴智能手机心脏监测检测到新生儿无症状特发性贝尔哈森室性心动过速”。美国病例报告杂志中国科学院学报，2020年第21卷。视图:出版商的网站|谷歌学者
35. I. a . Marsili, L. Biasiolli, M. Mase等人，“可穿戴ECG设备房颤实时检测算法的实现和验证，”生物与医学中的计算机，第116卷，第103540条，2020。视图:出版商的网站|谷歌学者
36. D. Fouassier, X. Roy, a . Blanchard和J. S. Hulot，“用智能12导联心电图采集t恤测量信号质量的评估”，无创心电学年鉴，第25卷，no。1, 2019。视图:出版商的网站|谷歌学者
37. A. M. al - kaisey, A. N. Koshy, F. J. Ha等人，“腕式心率监测器用于房颤率控制评估的准确性”，国际心脏病学杂志。， vol. 300, pp. 161-164, 2020。视图:出版商的网站|谷歌学者
38. E. C. Turk, E. P. Altiner, M. Ozdemir和O. Erogul，“用于远程患者监测的心率和血压测量的无线传输”，在2019年医疗技术大会(Tiptekno)，第176-179页，伊兹密尔，土耳其，2019年10月。视图:谷歌学者
39. D. Sokas, a . Petrenas, S. Daukantas, a . Rapalis, B. Paliakaite和V. Marozas，“用腕式设备估计爬楼梯后的心率恢复”传感器，第19卷，no。9，第2113页，2019年。视图:出版商的网站|谷歌学者
40. P. Pierleoni, A. Belli, A. Gentili等人，“房颤病理的实时智能监测系统”，环境智能与人性化计算杂志, 2019年。视图:出版商的网站|谷歌学者
41. D. Lo Presti, C. Massaroni, J. Di Tocco等人，“基于聚合物封装FBG的智能纺织品的心脏监测:传感器定位的影响”，在2019 Ieee医学测量与应用国际研讨会(Memea)2019年6月，土耳其伊斯坦布尔。视图:谷歌学者
42. a . S. Albahri, R. a . Hamid, J. K. Alwan等人，“生物数据挖掘和机器学习技术在检测和诊断新型冠状病毒(COVID-19)中的作用:系统综述，”医疗系统杂志，第44卷，no。7日,2020年。视图:出版商的网站|谷歌学者
43. O. S. Albahri, A. A. Zaidan, A. S. Albahri等人，“从评估和基准测试方面对人工智能技术在COVID-19医学图像检测和分类中的系统回顾:分类学分析、挑战、未来解决方案和方法学方面，”感染与公共卫生杂志，第13卷，no。10, pp. 1381-1396, 2020。视图:出版商的网站|谷歌学者
44. A. S. Albahri, J. R. al - obaidi, A. A. Zaidan等人，“基于综合AHP和群体VIKOR方法的COVID-19患者优先级的多生物实验室检查框架，”国际信息技术与决策杂志。，第19卷，no。5，第1247-1269页，2020年。视图:出版商的网站|谷歌学者
45. P. M. Buscema, F. Della Torre, M. Breda, G. Massini和E. Grossi，“意大利的COVID-19和极端数据挖掘”，物理统计力学及其应用“，，第557卷，第124991条，2020。视图:出版商的网站|谷歌学者
46. M. Hassounah、H. Raheel和M. Alhefzi，“沙特阿拉伯COVID-19大流行期间的数字应对，”医学互联网研究杂志，第22卷，no。9、p. e1933,2020。视图:出版商的网站|谷歌学者
47. a . S. Ahuja, V. P. Reddy和O. Marques，“人工智能和COVID-19:多学科方法”，中西医结合研究，第9卷，no。3，第100434页，2020年。视图:出版商的网站|谷歌学者
48. V. Rampton, M. Mittelman和J. Goldhahn，“人工智能对医学教育的影响”，《柳叶刀》数字健康，第2卷，no。3，页E111-E112, 2020。视图:出版商的网站|谷歌学者
49. K. Paranjape, M. Schinkel, R. Nannan Panday, J. Car和P. Nanayakkara，“在医学教育中引入人工智能培训”，JMIR医学教育，第5卷，no。2、第e16048条，2019。视图:出版商的网站|谷歌学者
50. K. S. Chan和N. Zary，“在医学教育中实施人工智能的应用和挑战:综合评论”JMIR医学教育，第5卷，no。1、第e13930,2019。视图:出版商的网站|谷歌学者
51. Itnoline, 2020,https://www.itnonline.com/article/radiology-technology-trends-watch-2020．
52. V. Palanisamy和R. Thirunavukarasu，“大数据分析在开发医疗保健框架中的影响-综述”，沙特国王大学学报-计算机与信息科学。，第31卷，no。4，页415 - 425,2019。视图:出版商的网站|谷歌学者
53. S. Shafqat, S. Kishwer, R. U. Rasool, J. Qadir, T. Amjad和H. F. Ahmad，“大数据分析增强医疗保健系统:回顾”超级计算杂志，第76卷，no。3，第1754-1799页，2020年。视图:出版商的网站|谷歌学者
54. S. Dash, S. K. Shakyawar, M. Sharma和S. Kaushik，“医疗保健中的大数据:管理、分析和未来展望”，大数据杂志，第6卷，no。1，页1 - 25,2019。视图:出版商的网站|谷歌学者
55. M. I. Pramanik, R. Y. K. Lau, M. A. Azad, M. S. Hossain, M. K. H. Chowdhury和B. K. Karmaker，“医疗保健信息学和大数据分析”，专家系统与应用， vol. 152, 2020。视图:出版商的网站|谷歌学者
56. “必须利用大数据的力量促进医疗进步。”自然，第539卷，no。2016年，第467-468页。视图:出版商的网站|谷歌学者
57. L. Schroeder, M. Roberto Veronez, E. Menezes de Souza, D. Brum, L. Gonzaga和V. F. Rofatto，“呼吸疾病，疟疾和利什曼病:从知识发现和数据挖掘与火灾发生的时空关联”国际环境研究和公共卫生杂志，第17卷，no。10，第3718页，2020年。视图:出版商的网站|谷歌学者
58. M. J. Kaur和V. P. Mishra，“通过实现Hadoop集群对医疗保健组织的大数据云计算环境的分析”，在2018第五届Hct信息技术趋势(Itt):人工智能新兴技术，第87-90页，阿联酋迪拜，阿联酋，2018年11月。视图:谷歌学者
59. V. M. Arora，“利用大数据的力量来改善研究生医学教育:伟大的想法还是破灭?”学习医学第93卷，no。6，页833-834,2018。视图:出版商的网站|谷歌学者
60. A. Hasselgren, K. Kralevska, D. Gligoroski, S. A. Pedersen和A. Faxvaag，“区块链在医疗保健和健康科学-范围审查”，国际医学信息学杂志， vol. 134, p. 104040, 2020。视图:出版商的网站|谷歌学者
61. J. Fu, N. Wang和Y. Cai，“基于轻量级消息共享的医疗保健区块链系统中的隐私保护”，传感器，第20卷，no。7, p. 1898, 2020。视图:出版商的网站|谷歌学者
62. 戴利,区块链如何重振医疗保健的15个例子, 2020,https://builtin.com/blockchain/blockchain-healthcare-applications-companies．
63. c·c·阿格博和q·h·马哈茂德，"医疗保健领域的区块链"国际医疗保健信息系统与信息学杂志，第15卷，no。3，第82-97页，2020年。视图:出版商的网站|谷歌学者
64. A. Sheel和V. Nath，“区块链技术采用对供应链适应性、敏捷性、一致性和绩效的影响”，管理研究回顾，第42卷，no。12, pp. 1353-1374, 2019。视图:出版商的网站|谷歌学者
65. P. Jain, A. M. Joshi和S. P. Mohanty，“iGLU:智能医疗中精确无创血糖水平监测的智能设备，”Ieee消费电子杂志，第9卷，no。1, pp. 35 - 42,2020。视图:出版商的网站|谷歌学者
66. K. J. Chung, J. Kim, T. K. Whangbo和K. H. Kim，“新型智能医疗保健系统的前景:基于可穿戴设备的复杂结构的位置检测和位置识别系统，”国际神经学杂志，第23卷，no。3，页180-184,2019。视图:出版商的网站|谷歌学者
67. 刘志勇，刘飞，张磊，苏勇，和A. Murray，“医疗保健中的智能可穿戴设备:信号处理，设备开发和临床应用”，医疗工程杂志， 2018年，2页，2018。视图:出版商的网站|谷歌学者
68. m.r. Massoomi，美国佛罗里达州盖恩斯维尔的佛罗里达大学医学系心血管医学部，e.m. Handberg，和美国佛罗里达州盖恩斯维尔的佛罗里达大学医学系心血管医学部，“智能设备在现代医学中日益增长和发展的作用，”欧洲心脏病学评论，第14卷，no。3，页181-186,2019。视图:出版商的网站|谷歌学者
69. M. S. Josephine, L. Lakshmanan, R. R. Nair, P. Visu, R. Ganesan和R. Jothikumar，“使用电子可穿戴设备监测和感知COVID-19症状作为预防措施，”国际普适计算与通信杂志，第16卷，no。4，第341-350页，2020年。视图:出版商的网站|谷歌学者
70. K. Kaewkannate和S. Kim，“可穿戴健身设备的比较”，公共卫生，第16卷，no。1, 2016。视图:出版商的网站|谷歌学者
71. A. M. Lee, S. Chavez, J. Bian等人，“移动健康技术促进青少年身体活动的功效和有效性:范围审查，”Jmir Mhealth和Uhealth，第7卷，no。2、第e11847条，2019。视图:出版商的网站|谷歌学者
72. A. Steinert, M. Haesner和E. Steinhagen-Thiessen，“老年人的活动跟踪设备:比较和偏好”，信息社会的普遍获取，第17卷，no。2，页411-419,2018。视图:出版商的网站|谷歌学者
73. V. Strotbaum, M. Pobiruchin, B. Schreiweis, M. Wiesner和B. Strahwald，“你的数据是金子——数据捐赠有助于更好的医疗保健?”it信息技术第61卷，no。5-6页，2019年。视图:出版商的网站|谷歌学者
74. L. H. Segura Anaya, A. Alsadoon, N. Costadopoulos和P. W. C. Prasad，“用户感知可穿戴设备的伦理影响”，科学与工程伦理，第24卷，no。1，页1 - 28,2018。视图:出版商的网站|谷歌学者
75. F.德鲁埃勒，“电磁场的不同来源:危险不仅限于身体健康，”电磁生物学与医学，第39卷，no。2，页166-175,2020。视图:出版商的网站|谷歌学者
76. S. Sharma和S. Shukla，“电磁辐射对氧化还原状态、乙酰胆碱酯酶活性和细胞损伤的影响，导致大鼠大脑工作记忆的降低。”化学神经解剖学杂志，第106卷，第101784条，2020。视图:出版商的网站|谷歌学者
77. D. J. Panagopoulos，“UMTS移动电话辐射诱导的人类细胞染色体损伤”，普通生理学和生物物理学，第38卷，no。5，页445-454,2019。视图:出版商的网站|谷歌学者
78. S. V.贾金，《射频辐射:致癌和其他潜在风险》放射肿瘤学杂志，第9卷，no。1-2页，81-91,2020。视图:出版商的网站|谷歌学者
79. M. Soffritti和I. Giuliani，“非电离辐射的致癌潜力:S-50 Hz MF和1.8 GHz GSM射频辐射的案例”，基础与临床药理学与毒理学“，，第125卷，no。S3，第58-69页，2019。视图:出版商的网站|谷歌学者
80. A. Tsoy, T. Saliev, E. Abzhanova等人，“移动电话射频电磁场对β-淀粉样蛋白诱导的人类和大鼠原始星形胶质细胞氧化应激，”神经科学2019年，中国科学院学报，vol. 408, pp. 46-57。视图:出版商的网站|谷歌学者
81. G. Arendash, C. Cao, H. Abulaban等人，“经颅电磁治疗阿尔茨海默病的临床试验:认知增强和脑脊液、血液和脑成像的相关变化。”阿尔茨海默病杂志，第71卷，no。1，页57-82,2019。视图:出版商的网站|谷歌学者
82. E. Snashall和S. Hindocha，“智能手机应用程序在医学教育中的使用”，开放医学杂志，第3卷，no。1, pp. 322-327, 2016。视图:出版商的网站|谷歌学者
83. B. S. Davies, J. Rafique, T. R. Vincent等人，“移动医学教育(MoMEd)——移动信息资源如何促进本科临床学生的学习——一项混合方法研究。”医学教育，第12卷，no。1, 2012。视图:出版商的网站|谷歌学者
84. S. Bansal, D. C. Sahadevan, S. Mahesh, P. S. Aneja和M. Aneja，“智能手机——促进医学/牙科教育的帮助或阻碍”医学与牙科科学进化杂志，第9卷，no。1，页10-13,2020。视图:出版商的网站|谷歌学者
85. e . Miseta虚拟临床试验到底是什么?临床领导人, 2019年。
86. a . Perin, T. F. Galbiati, R. Ayadi等人，“通过3D虚拟现实进行知情同意:随机临床试验，”Acta Neurochirurgica, 2020年。视图:出版商的网站|谷歌学者
87. S. Persky，“虚拟临床试验的虚拟家园”，医学互联网研究杂志，第22卷，no。1，第e15582条，2020。视图:出版商的网站|谷歌学者
88. B. Birckhead, C. Khalil, X. Liu等人，“国际工作组对医疗保健中虚拟现实临床试验方法的建议:迭代研究，”吉米尔精神卫生，第6卷，no。1、article e11979,2019。视图:出版商的网站|谷歌学者
89. s . Jadhav虚拟临床试验:患者参与的未来?2016年,http://www.appliedclinicaltrialsonline.com/virtual-clinical-trials-future-patient-engagement．
90. G. Nittari, R. kman, S. Baldoni等人，“远程医疗实践:当前伦理和法律挑战的回顾，”远程医疗和电子保健, 2020年。视图:谷歌学者
91. a . Loomba, S. Vempati, N. Davara等人，“在远程眼科学中使用平板附件，从印度三级眼保健网络的农村视力中心进行实时视频传输:eyeesmart独眼眼。”国际远程医疗与应用杂志， 2019年，9页。视图:出版商的网站|谷歌学者
92. T. Molfenter, R. Brown, A. O 'Neill, E. Kopetsky和A. Toy，“在成瘾治疗中使用远程医疗:当前实践和组织实施特征”，国际远程医疗与应用杂志《中国科学院学报》2018年第3期，第3期，共7页。视图:出版商的网站|谷歌学者
93. J. W. Acharibasam和R. Wynn，“低收入和中等收入国家的远程医疗:系统回顾”，国际远程医疗与应用杂志《中国科学院学报》，2018年第4期，第1期，共10页。视图:出版商的网站|谷歌学者
94. N. Sudas Na Ayutthaya, I. Sakunrak和T. Dhippayom，“患者出院后使用华法林远程监测的临床结果”国际远程医疗与应用杂志， 2018卷，6页，2018。视图:出版商的网站|谷歌学者
95. J. Moeckli, J. Gutierrez和P. J. Kaboli，“农村地区远程医院服务的感知需求和潜在应用”，远程医疗和电子保健, 2020年。视图:谷歌学者
96. C. Metelmann, B. Metelmann, D. Kohnen等人，“德国农村紧急医疗服务项目评估:多方法和多视角纵向分析方案”Jmir研究协议，第9卷，no。2, p. e14358, 2020。视图:出版商的网站|谷歌学者
97. F. Griffiths, J. A. Watkins, C. Huxley等人，“移动咨询(mConsulting)及其为低收入和中等收入国家低资源环境中的人群提供高质量医疗保健的潜力。”数字医疗中国科学院学报，2020年第6卷。视图:出版商的网站|谷歌学者
98. A. K. Sangal, L. S. Satyamurthy和A. Bhaskarnarayana，“印度基于通信卫星的远程医疗网络”，见第六届医疗保健行业企业网络与计算国际研讨会论文集。No.04EX842)2004年6月，日本小田原。视图:谷歌学者
99. N. Faruk, N. T. Surajudeen-Bakinde, A. Abdulkarim等，《撒哈拉以南非洲农村医疗保健服务》，国际医疗保健信息系统与信息学杂志，第15卷，no。3，第1-21页，2020年。视图:出版商的网站|谷歌学者
100. E. Sokolov, D. H. Abdoul Bachir, F. Sakadi等，“西非几内亚共和国癫痫患者的基于药片的脑电图诊断”欧洲神经病学杂志，第27卷，no。8，第1570-1577页，2020年。视图:出版商的网站|谷歌学者
101. T. Suzuki, J. Hotta, T. Kuwabara等人，“在亚洲和非洲国家引入远程医疗服务的可能性”卫生政策和技术，第9卷，no。1，第13-22页，2020年。视图:出版商的网站|谷歌学者
102. L. Maruschak, K. A. Chari, A. E. Simon和C. J. DeFrances，《全国监狱卫生保健调查:精选结果》国家卫生统计报告， vol. 96, pp. 1-23, 2016。视图:谷歌学者
103. M. Mateo, R. Alvarez, C. Cobo, J. R. Pallas, A. M. Lopez和L. Gaite，“远程医疗:在监狱环境中实施的贡献、困难和关键因素”西班牙监狱改革，第21卷，no。2，页95-105,2019。视图:谷歌学者
104. M. M. Makhija, M. Waller和J. M. Portnoy，“学校哮喘教育中的远程医疗”，过敏和临床免疫学杂志。在实践中，第8卷，no。6, pp 1919-1920, 2020。视图:出版商的网站|谷歌学者
105. M. L. Tye, M. Honey和K. Day，“基于学校的远程医疗:对远程医疗护理模式的看法”，必威2490卫生信息学杂志，第26卷，no。3，页2030-2041,2020。视图:出版商的网站|谷歌学者
106. S. Toner, D. H. Andrée Wiltens, H. Williams等人，“石油和天然气行业的医疗后送:对未来后送和预防策略的影响的回顾性回顾，”旅行医学杂志，第24卷，no。3, 2017。视图:出版商的网站|谷歌学者
107. A. G.远程医疗，远程医疗的应用程序, 2019,https://www.amdtelemedicine.com/telemedicine-resources/telemedicine-applications.html．
108. B. L. Smith, L. B. Sward和S. K. Ellis，“产科医生/妇科医生提供者教育的远程医疗和远程学习”，北美妇产科诊所，第47卷，no。2, pp. 353-362, 2020。视图:出版商的网站|谷歌学者
109. D. S. Regier、W. E. Smith和H. M. Byers，“COVID-19大流行期间的医学遗传学教育:共享资源，”美国医学遗传学杂志A辑，第182卷，no。6, pp. 1302-1308, 2020。视图:出版商的网站|谷歌学者
110. J. O'Shea, R. Berger, C. Samra和D. van Durme，“教育中的远程医疗:弥合差距”健康教育，第28卷，no。1, pp. 64-67, 2015。视图:出版商的网站|谷歌学者
111. S. Yaghobian, R. Ohannessian, A. Mathieu-Fritz和T. Moulin，“法国医学院远程医疗教育和培训的全国调查”，远程医疗与远程护理杂志，第26卷，no。5, pp. 303-308, 2020。视图:出版商的网站|谷歌学者
112. E. García-Zaragozá， M. Gil-Girbau, M. D. Murillo Fernández, R. Prats Mas和A. Vergoñós Tomàs，“社区药物，COVID-19的治疗粘附”Farmaceuticos Comunitarios，第12卷，no。3，第51-57页，2020年。视图:出版商的网站|谷歌学者
113. T. Le, M. Toscani和J. Colaizzi，“远程药学:我们职业的新范式”，药学实践杂志，第33卷，no。2，页176-182,2020。视图:出版商的网站|谷歌学者
114. L. T. Murry和K. Kennelty，“远程医疗团队护理中药剂师的机会:临床惰性”远程医疗和电子保健，第26卷，no。10, pp. 1199-1201, 2020。视图:出版商的网站|谷歌学者
115. A.诺埃尔，“药房在远程医疗之路上”时事Pharmaceutiques，第58卷，no。586，页6-6,2019。视图:谷歌学者
116. G. Battineni, S. Baldoni, N. Chintalapudi等人，“影响在线健康信息质量和可靠性的因素”，数字医疗中国科学院学报，2020年第6卷。视图:出版商的网站|谷歌学者
117. p·j·施耐德，《远程医疗的影响评估》美国卫生系统药学杂志，第70卷，no。23, pp. 2130-2135, 2013。视图:出版商的网站|谷歌学者
118. S. Kane-Gill, J. Niznik, J. Kellum等人，“使用远程医疗来增强护理机构中的药剂师服务，”顾问药剂师，第32卷，no。2，页93-98,2017。视图:出版商的网站|谷歌学者
119. C. Salisbury, M. Murphy和P. Duncan，“数字优先咨询对全科工作负荷的影响:建模研究”医学互联网研究杂志，第22卷，no。6、p. e18203,2020。视图:出版商的网站|谷歌学者
120. M. X. Jin, S. Y. Kim, L. J. Miller, G. Behari和R. Correa，“远程医疗:当前对未来的影响”，Cureus，第12卷，no。8, 2020。视图:出版商的网站|谷歌学者
121. W. R. Hersh, J. A. Wallace, P. K. Patterson等人，“医疗保险人群的远程医疗:儿科、产科和临床医生的间接家庭干预。”证据报告/技术评估，补编24，第1-32页，2001年。视图:谷歌学者
122. S. Heist, J. Sperrhake和A. Thoss，“工业和医疗保健应用的快速3D成像”，激光聚焦世界，第55卷，no。12，页27 - 30,2019。视图:谷歌学者
123. 程永林，史晓林，蒋晓平，王兴华，秦海涛，“基于挤压的3D打印纤维素衍生物的可打印性:生物降解支撑材料的应用，”材料前沿中国科学院学报，2020年第7卷。视图:出版商的网站|谷歌学者
124. 阎q，董慧慧，苏俊等，“3D打印技术在医疗应用中的应用综述”，工程，第4卷，no。5，页729-742,2018。视图:出版商的网站|谷歌学者
125. a . Aimar, a . Palermo和B. Innocenti，“3D打印在医疗应用中的作用:一种艺术状态”医疗工程杂志， 2019年，10页，2019年。视图:出版商的网站|谷歌学者
126. Y. X. Tong, D. J. Kaplan, J. M. Spivak，和J. a . Bendo，“脊柱外科三维打印:当前应用的回顾，”脊柱杂志，第20卷，no。6，第833-846页，2020年。视图:出版商的网站|谷歌学者
127. W. Clifton, A. Damon, C. Soares, E. Nottmeier和M. Pichelmann，“用于解剖和生理教育的三维打印动态颈椎模型的研究”，临床解剖学, 2020年。视图:出版商的网站|谷歌学者
128. k·r·罗森，《医疗模拟的历史》重症监护杂志，第23卷，no。2, pp. 157-166, 2008。视图:出版商的网站|谷歌学者
129. V. Walker，“在生物医学图书馆中实现3D打印服务”，医学图书馆协会杂志，第105卷，no。1，页55-60,2017。视图:出版商的网站|谷歌学者
130. T. G. Manning, J. S. O'Brien, D. Christidis等人，“泌尿肿瘤学的三维模型:用加法制造构建的未来，”世界泌尿学杂志，第36卷，no。4，页557-563,2018。视图:出版商的网站|谷歌学者
131. J. B. Hochman, C. Rhodes, D. Wong, J. Kraut, J. Pisa，和B. Unger，“颞骨教育中尸体和同构三维打印模型的比较”，的喉镜，第125卷，no。10, pp. 2353-2357, 2015。视图:出版商的网站|谷歌学者
132. 竹和y，中山y，岛村j, Katagiri n, Tatsumi，第46届ESAO大会2019年9月3-7日汉诺威，“德国文摘”，国际人工器官杂志，第42卷，no。8，页386-474,2019。视图:谷歌学者
133. r·A·沃森，“增材制造的低成本外科应用”外科教育杂志，第71卷，no。1，页14-17,2014。视图:出版商的网站|谷歌学者
134. N. Bizzotto, a . Sandri, D. Regis, D. Romani, I. Tami，和B. Magnan，“骨折的三维打印:术前规划和教育的一种切实可行的新方法。”外科创新，第22卷，no。5, pp. 548-551, 2015。视图:出版商的网站|谷歌学者
135. B. N. Rudd和R. S. Beidas，“数字心理健康:全球心理健康危机的答案?”吉米尔精神卫生，第7卷，no。6，第e18472条，2020。视图:出版商的网站|谷歌学者
136. C. Lowery，“什么是数字健康，我需要知道什么?”必威2490北美妇产科诊所，第47卷，no。2，页215 - 225,2020。视图:出版商的网站|谷歌学者
137. S. C. Mathews, M. J. McShea, C. L. Hanley, a . Ravitz, a . B. Labrique和a . B. Cohen，“数字健康:验证之路”，数字医学，第2卷，no。1, 2019。视图:出版商的网站|谷歌学者
138. S. Keesara, A. Jonas和K. Schulman，“Covid-19和医疗保健的数字革命”，新英格兰医学杂志，第382卷，no。23日,2020年。视图:谷歌学者
139. C. Cattuto和A. Spina，“数字公共卫生的制度化:从COVID-19应用程序中学到的教训”，欧洲风险管理杂志，第11卷，no。2，页228-235,2020。视图:出版商的网站|谷歌学者
140. S. Anderson, S. W. Rayburn和J. J. Sierra，“未来思维:营销在医疗保健中的作用”，欧洲市场营销杂志，第53卷，no。8，第1521-1545页，2019年。视图:出版商的网站|谷歌学者
141. C. Urrea和D. Venegas，“慢性高血压患者的自动化随访和警报系统”，卫生信息学杂志, 2020年。视图:出版商的网站|谷歌学者
142. G. Darwiche和M. Carlsson，“血压医生——使用远程医疗和移动医疗技术治疗高血压的一种新的循证有效数字护理系统”糖尿病技术与治疗第22卷，第A150-A150页，2020。视图:谷歌学者
143. K. R. Siegel, M. K. Ali, X. L. Zhou等人，“干预治疗糖尿病的成本效益:自2008年以来证据有变化吗?”糖尿病护理，第43卷，no。7，第1557-1592页，2020年。视图:出版商的网站|谷歌学者
144. a . V. Appuswamy和M. E. Desimone，“在难以到达的人群中管理糖尿病:远程医疗干预的回顾”，当前糖尿病报告，第20卷，no。7日,2020年。视图:出版商的网站|谷歌学者
145. C. Nebeker, J. Torous和R. J. Bartlett Ellis，“在人工智能支持的数字健康研究中建立可操作的道德案例”，BMC医学，第17卷，no。1，页137,2019。视图:出版商的网站|谷歌学者
146. C. Brall, P. Schroder-Back和E. Maeckelberghe，“从正义的角度看数字健康的伦理问题”，欧洲公共卫生杂志中国科学院学报，2019年第29卷，第18-22页。视图:出版商的网站|谷歌学者
147. T. Scassa，“对公共可访问平台数据的所有权和控制权”网上资料审查，第43卷，no。6，页986-1002,2019。视图:出版商的网站|谷歌学者
148. T. Chan, C. T. Di Iorio, S. De Lusignan, D. Lo Russo, C. Kuziemsky和S. T. Liaw，“英国健康和护理数据安全审查的国家数据守护者:信任，更好的安全性和选择退出”卫生信息学创新杂志，第23卷，no。3，页627-632,2016。视图:出版商的网站|谷歌学者
149. A.麦克法兰，“全科实践和社区:卫生服务、质量改进和培训的研究。”选自2019年10月17-20日在西班牙维戈举行的EGPRN会议摘要欧洲全科医学杂志，第26卷，no。1, pp. 42-50, 2020。视图:谷歌学者

betway赞助

betway赞助版权所有©2020 Maksut Senbekov et al。这是一篇开放获取的文章，在创作共用署名许可协议它允许在任何媒介上不受限制地使用、传播和复制，前提是正确地引用原始作品。