Számos bizonyíték utal arra, hogy az alvás szerepet játszik különböző emlékezeti rendszerek konszolidációjában. Kevesebbet tudunk arról, hogy milyen szerepe van az alvásnak a relációs memória műkö­désé­ben, illetve az érzelmi arckifejezések felismerésében, holott ez olyan fundamentális kognitív képesség, amit mindennap használunk. Ezért kutatásunk célja annak feltérképe­zése, hogy az alvás milyen szerepet tölt be az asszociációs memória működésében annak függvényében, hogy mikor történik a tanulás. Vizsgálatunkban összesen 84 fő vett részt [átlagéletkor: 22,36 (SD: 3,22), 21 férfi/63 nő], akiket két csoportra osztottunk: esti és reggeli csoportokra, utalva arra, hogy mikor történt a tanulás. Mindkét csoport eseté­ben két tesztfelvétel volt, közvetlenül a tanulást követően (rövid távú tesztelés) és 24 órával később (hosszú távú tesztelés). A relációs memória vizsgálatára az arcok és nevek tesztet alkalmaztuk. Sem az azonnali, sem a késleltetett tesz­telés során nem találtunk különbséget a csoportok között sem az általános tanulási mutatóban (arcokhoz társított nevekre való emlékezés érzelmi valenciától függetlenül), sem a különböző érzelmi arckifejezésekhez kapcsolódó nevekre való emlékezésben. Ezzel ellentétben, a csoporton belüli elemzés alapján a reggeli csoport a rövid távú teszteléshez képest nagyobb mértékű felejtést mutatott 24 órával később, a hosszú távú tesztelésen, míg az esti csoport ugyanolyan teljesítményt mutatott mindkét alkalommal. Emellett összefüggés jelent meg a teljesítmény, az alvásminőség, az alváshatékonyság és az alváslatencia között. Eredményeink arra hívják fel a figyelmet, hogy az alvás és a tanulás időzítése fontos szerepet játszik az emlékek stabilizációjában, csökkentve ezzel a felejtés mértékét.

Mi köze a gónak a klinikai döntéshozatalhoz? A klinikai orvoslás egyik legjelentősebb intellektuális kihívása a bizonytalanságban történő döntéshozatal. A hagyományos orvosi döntéshozatal intuitív és heurisztikus mivoltának pszichológiai csapdáin kívül az információhiány, az erőforrások szűkössége, az adott orvos-beteg kapcsolat jellemzői egyaránt hozzájárulnak annak bizonytalanságához. A formális, matematikai számításokon alapuló döntéselemzés, amelyet széles körben használnak a klinikai irányelvek fejlesztésében, illetve az egészségügyi technológiák értékelésében, elvben jó lehetőségeket kínál az intuitív dön­téshozatal hibáinak elkerülésére, ugyan­akkor az egyéni döntési helyzetekben többnyire nehezen alkalmazható,és az orvosok többségétől idegen. Ennek a módszernek is vannak korlátai, különösen az egyéni döntéshozatalban, beleértve a számításokhoz felhasznált input adatok esetleges hiányát, illetve jelentős bizonytalanságát, valamint a matematikai modellek korlátait abban, hogy egy komplex rendszer folyamatait és a folyamatok egyéni variabilitását megfelelően tudják reprezentálni. A klinikai döntéstámogató rendszerek mindezek ellenére hasznos segítséget jelenthetnek az egyéni orvosi döntéshozatalban, ha megfelelően integráltak az egészségügyi információs rendszerekbe, és nem szüntetik meg az orvosok döntési autonómiáját. A klasszikus döntéstámogató rendszerek tu­dásalapúak, szabályrendszerekre, problé­ma­­specifikus algoritmusokra épülnek. Szá­mos területen alkalmazzák az orvosi adminisztrációtól a képfeldolgozásig. A nap­jainkban zajló informatikai forradalom eredményeképpen olyan mesterséges intelligenciaként emlegetett gépi tanulási módszerek jönnek létre, amelyek már ténylegesen képesek tanulni. A mesterséges intelligencia ezen új generációja nem konkrét szabályrendszerekre épül, hanem hatalmas adatbázisokon magukat tanító neurális hálózatokra és általános tanulási algoritmusokra. Ezek a mesterséges intelligenciák egyes területeken, mint például a sakk, a gó, vagy a va­dászrepülőgép vezetése, már jobb teljesítményre képesek, mint az em­berek. Fej­lesztésük bővelkedik kihívásokban, veszélyekben, ugyanakkor olyan technológiai át­törést jelentenek, ami megállíthatatlan és át­alakítja világunkat. Alkal­mazásuk és fej­lesztésük az egészségügyben is megkezdődött. A szakmának részt kell vennie ezek­ben a fejlesztésekben és megfelelő irányba kell, hogy terelje azokat. Lee Sedol 18-szoros gónagymester visszavonult há­rom évvel AlphaGo mesterséges intelligenciától elszenvedett veresége után, mert „Hiá­ba lettem világelső, van egy entitás, amit nem lehet legyőzni”. Ne­künk szerencsére nem versengenünk vagy győznünk kell, hanem el kell érnünk, hogy a mesterséges intelligencia biztonságos és megbízható legyen és az emberekkel együtt­mű­ködve ez az entitás eredményesebbé és hatékonyabbá tegye az egészségügyet.

Rendkívüli, de remélhetőleg hagyományt teremtő országos találkozót szerveztek a leggyakoribb szívritmuszavarról. A Lurdy Házban laikusok, érintettek és szakdolgozók tudhattak meg elsőkézből mindent a pitvarfibrillációról. Úgy, ahogy eddig még sohasem. Nemzetközileg elismert kardiológus szaktekintélyek, vezető szakaszszisztens, diplomás szakápoló hozta testközelbe a betegséget és a gyógyítómunkát. A SZÍVSN Országos Beteg - egyesület szervezésében, a Magyar Egészségügyi Szakdolgozói Kamara és a Magyar Kardiológusok Társaságának támogatásával elindult kezdeményezés célja a tájékoztatás, a hiteles információk átadása, hogy szakemberek és laikusok minél inkább tisztában legyenek az egyre gyakrabban diagnosztizált betegséggel.

A legsúlyosabb állapotú betegek ellátása az egészségügynek az a területe, amely folyamatosan az erkölcsi nézőpontok kereszttüzében áll. Az emberi élet meghosszabbításának és megrövidítésének lehetősége, az ezzel kapcsolatos döntési helyzet mindig is az orvosi etika egyik leginkább vitatott témaköre volt. A legfőbb kérdések ezzel kapcsolatban: - Kinek és mikor van joga eldönteni, hogy meddig éljen a beteg? - Szükségszerű-e a szenvedés? - Van-e lehetőség emberséggel elkísérni valakit a halálba vezető úton? - Milyen érveket hozhatunk fel az eutanázia ellen és mellett? - Mi a jó halál?

[A hippocampalis formáció navigációban és memóriában be­töltött szerepét a 20. század második felére fokozódó érdek­lő­dés övezte, ami részben Henry G. Molaison esetére vezet­hető vissza, aki bilaterális medialis temporalis lobectomián esett át epilepsziája kezelése végett. A kezelést követően egy­ér­tel­művé vált, hogy az eltávolított entorhinalis kéreg és a hippocampus jelentős része elengedhe­tetlen a memória kiala­kí­tásában, ami számos kutatót ösztönzött e régiók további vizsgálatára. A hippocampalis „place” sejtek vagy helysejtek ké­sőbbi felfedezése vezette be számos más funkcionális sejttípus és neuronalis hálózat leírását a Papez-körben, amelyek kulcs­szerepet játszanak a memóriafolyamatokban és a tér-idő in­for­mációk kódo­lásában (sebesség, fejirány, határok, grid, ob­jektum-vektor stb.) Ezen sejttípusok mind­egyike egyedi tulaj­don­ságokkal rendelkezik, és együttesen alkotják az úgyne­ve­zett „agyi GPS-t”. E közlemény célja, hogy bemutassa a limbicus rendszerben, különösképpen a temporalis lebenyben ta­lálható sejttípusokat és neuronalis hálózatokat, melyek gyak­ran áldozatai különböző patológiai elváltozásoknak. A korai felfedezések eredményei mellett áttekintjük a leg­frissebb megfigyeléseket is, és rávilágítunk arra, hogy a hippocampalis for­máció legfőbb sejttípusai milyen szereppel bírnak a térbeli navi­gációban és a memóriafolyamatokban. Az utóbbi né­hány évtizedben számtalan új, funkcionálisan elkülöníthető sejttípust írtak le ebben a régióban, de valószínűleg továbbiak még felfedezésre várnak. Az idegrendszeri betegségek jobb megértése érdekében hasznos lehet mélyebb betekintést nyer­ni a dinamikusan bővülő idegtudományi irodalomba. A me­móriafolyamatokat és a térbeli navigációt érintő betegségek jelentős közegészségügyi terhet képvi­selnek, és öregedő társadalmunkban a helyzet folyama­tosan romlik. Ez különösen ösztönzően hat ennek az agy­területnek a pontosabb megismerésére és funkcio­nális feltérképezésére.]