Önen / 人工智能与临床决策支持
源于我们的临床经验
由此诞生的人工智能。
由 Abdurrahman Önen 教授创立并担任首席研究员、人工智能辅助的小儿泌尿外科项目，综合考虑评估、治疗规划及长期随访流程。2012年启动的这项研发工作，旨在将结构化临床知识与医生经验相结合。
了解我们的项目方法
01
评估
02
治疗规划
03
长期随访
Abdurrahman Önen 教授 / 创始人及首席研究员
我们的项目，整体性的思路。
在小儿泌尿外科中，任何信息都需要结合孩子的病史及随时间发生的变化来理解。我们的项目旨在将临床生物统计学和长期随访数据与人工智能方法结合，开发支持医生评估的电子系统。
01
评估
综合处理结构化临床信息，以支持医生评估。
02
治疗规划
整理临床数据及随访信息，使其能够为治疗规划提供支持。
03
长期随访
旨在综合研究随时间积累的测量值及结果的开发工作。
项目所有者、负责人角色及开发范围依据履历中的项目记录。启动年份依据 2026 年 10 月 19 日的专业信息更新为 2012 中注明，不包含临床性能或监管批准的主张。
我们的项目开发方法临床知识 · 研究 · 医生监督
查看相关学术文献
相关学术文献。
供希望了解该领域研究背景的读者参考的精选论文。这些研究与我们自身的项目记录分开列示。
外部文献 / 01
从超声到测量
深度学习方法通过区分超声图像中的肾脏边界与扩张集合系统，探索测量的标准化。
2021 · 可行性研究
文献示例
阅读研究来源 Evaluation of pediatric hydronephrosis using deep learning quantification of fluid-to-kidney-area ratio by ultrasonography
Lin等 · Abdominal Radiology · 2021
DOI： 10.1007/s00261-021-03201-w
- 输入
- 儿童超声图像中的肾脏与扩张集合系统区域。
- 研究目标
- 分割肾脏和液体区域；测量液体区域与肾脏面积之比。
- 验证
- 可行性研究；可获取的摘要未说明样本量及外部验证情况。
上限： 这项可行性研究并不能验证广泛临床应用，也不能证明本站任何模型的性能。
来源核查： 2026-10-14外部文献 / 02
风险与变化建模
将超声测量值与年龄及其他临床信息相结合的模型，正在研究肾积水中的梗阻风险。对随时间变化进行建模，是仍需通过随访数据单独验证的研究目标。
2024 · 两家机构的模型开发与外部验证
文献示例
阅读研究来源 Predicting obstruction risk using common ultrasonography parameters in paediatric hydronephrosis with machine learning
Khondker等 · BJU International · 2024
DOI： 10.1111/bju.16159
- 输入
- 年龄及超声测量值；包括同一评估期间的前后径（AP）及 SFU 分级等结果。
- 研究目标
- 按利尿性肾图引流时间定义的风险类别。
- 验证
- 304名儿童用于模型开发和内部验证；另一个机构的64名儿童用于外部验证。
上限： 外部样本中没有最高风险类别，也未使用连续超声输入；这不是对肾功能丧失或手术必要性的前瞻性证明。
来源核查： 2026-10-14外部文献 / 03
排尿流率模式
结合尿流率测量、排尿后残余尿及盆底检查结果，研究相关模式。仍需证明模型在不同年龄、设备及中心中的表现。
2026 · 单中心回顾性研究
文献示例
阅读研究来源 Prediction of pediatric lower urinary tract dysfunction using uroflowmetry data and machine learning with explainable AI techniques
Dinçel等 · International Urology and Nephrology · 2026
DOI： 10.1007/s11255-026-05342-7
- 输入
- 将尿流率测量与临床医生对膀胱容量、排尿模式及盆底活动的编码结合使用。
- 研究目标
- 对临床医生标注的下尿路功能障碍类别建模。
- 验证
- 2663条记录；单中心回顾性研究，采用院内训练/测试划分和交叉验证。
上限： 部分输入数据和目标分类都来自同一批医生的判断，尚未证明其具备独立自动诊断能力。仍需要多中心外部验证；结论不能推广到侵入性尿动力学压力信号。
来源核查： 2026-10-14外部文献 / 04
从报告到研究数据
自然语言处理研究将超声报告中的发现转换为统一的数据字段。结构化信息的准确性由人工检查评估。
2024 · 预印本
文献示例 · 预印本
阅读研究来源 High-performing Multi-task Model of Urinary Tract Dilation (UTD) Classification for Neonatal Ultrasound Reports Through Natural Language Processing
Hua等 · medRxiv · 2024
DOI： 10.1101/2024.01.23.24301680
- 输入
- 出生后早期超声报告文本；由专家审阅报告/图像以确定参考分类。
- 研究目标
- 从报告文本中提取 UTD 组成要素及分级。
- 验证
- 2460份报告；院内交叉验证。所审阅版本为v1预印本。
上限： 此版本不作为已发表的同行评审论文呈现。尚未验证其最新同行评审版本、外部验证或实时集成情况。
来源核查： 2026-10-1401 / 报告 ↓02 / 结构化检查结果 ↓03 / 人工审核 ↓04 / 研究数据集
从研究到临床应用
模型的目的、不确定性和局限应明确说明。应综合考虑独立验证、医生监督及数据隐私。
这些文献示例不是对Önen教授研发工作的认可或性能证明。本区域不提供个人评估、患者资料上传或诊断工具。
学术贡献
Önen生殖器损伤分类
Önen膀胱–肠道功能障碍症状量表
Önen儿童泌尿系结石处理算法
Önen Nephro-Uro Stent；履历专利记录TR201709887B，2021
小儿泌尿外科人工智能研究与开发思路
TR201709887B，2021 年：Nephro-Uro Stent 专利记录。拥有专利并不意味着该器械已在所有国家获批，或适用于每一种情况。
相关学术论文