机器学习
研究人员开发出一组机器学习工具,能够准确地确定可能导致癫痫发作的脑活动,从而改善癫痫的治疗。这些模型使用基于机器学习和微积分的方程来确定脑活动模式,从而识别癫痫发作的起源。这是一种新的范式,能够更好地了解特定的脑网络。
一项新研究利用机器学习模型,分析患者的生物医学数据,帮助预测认知正常或轻度认知障碍患者阿尔茨海默病的进展速度和时间。这项研究有助于早期发现阿尔茨海默病,为不同风险群体提供更好的治疗选择。
研究人员使用MRI检查鉴定出注意力缺陷/多动障碍(ADHD)的生物标志物,并展示了基于机器学习的神经影像在支持该疾病的诊断、治疗和监测方面的潜在作用。
约翰霍普金斯大学研究人员开发了一种基于人工智能的血液检测技术,可以检测肝癌。这种名为DELFI的技术利用机器学习分析血液中的cfDNA,从而识别癌症。这项技术有望提高肝癌的早期检测率,挽救更多生命。
哈特福德医疗保健宣布与谷歌云建立长期合作伙伴关系,利用谷歌云的人工智能和机器学习技术,提高医疗保健数据分析能力,改善医疗保健服务和患者体验。
研究人员利用机器学习算法DeepTCR预测癌症免疫治疗的患者反应,该算法可识别T细胞受体的氨基酸序列数据,并预测治疗前患者的TCR库与治疗后的差异,为精准免疫治疗提供了新的生物标志物。
Stanford大学的研究人员使用大数据和机器学习技术,研究了阿片类药物成瘾的原因,并提出了防止慢性使用的策略。他们发现,第一次使用阿片类药物与成瘾之间存在联系。为了进行这项研究,他们需要大量的数据,而Gainwell Technologies提供了这些数据。
本文介绍了一项关于如何开发高质量的基于机器学习的医疗模型的研究成果。研究人员提供了数据预处理、超参数调整和模型比较等实用技术的指南,并通过训练和验证多个机器学习模型来演示最佳实践。这项研究成果可为临床研究和医学领域的机器学习应用提供有益的参考。
马里兰大学联盟成立健康计算研究所,旨在利用人工智能和机器学习等技术,分析医疗数据,为马里兰州的患者提供疾病预防、诊断和治疗方案。研究所将聚焦于精准医疗领域,探索5G技术和虚拟现实等新技术在医疗诊断中的应用。
研究人员开发了一种基于人工智能的临床决策支持工具,利用深度学习来预测哪些患者更有可能出现糖尿病并发症。这种工具可以帮助医生更早地发现病情变化,提高治疗效果。