机器学习
研究人员开发了一种自动化的机器学习系统,旨在检测罕见或以前未见过的疾病集群,以便公共卫生官员能够更快速、更有效地应对新兴的不寻常或新型威胁。
Mayo Clinic和Numares Health宣布扩大合作伙伴关系,致力于开发人工智能诊断测试,以帮助患有肾脏、肝脏、心血管和神经系统疾病的患者。这种基于机器学习的诊断测试旨在提高测试准确性,早期干预,减缓疾病进展,改善患者护理。
微软与Sophia Genetics合作,旨在利用人工智能和机器学习增强数据互操作性,推动全球向精准医疗转型。该合作将开发和部署下一代医疗工具,改善临床工作流程,提高医疗标准,实现数据聚合和提取洞见。
一项新研究使用机器学习工具,通过新生儿声学哭声分析准确识别了新生儿阿片类药物戒断综合症(NOWS)的一组生物标志物。本文将介绍这项研究的方法和结果,以及NOWS的症状和治疗方法。
耶鲁大学研究人员开发了一种基于机器学习的临床决策支持工具,旨在为糖尿病患者和非糖尿病患者个性化推荐强化或标准血压治疗目标。该工具可促进提供者和高血压患者之间的共同决策,从而降低心脏疾病和死亡风险。
远程监护和其他虚拟护理形式正在快速在医疗保健领域中占据一席之地,这些新的护理模式为患者提供了更好的护理体验,同时也为医疗保健系统带来了成本效益。本文将介绍人工智能、数字治疗和自然语言处理等新兴数字健康技术如何推动家庭护理的发展。
研究人员将使用预测分析算法来预测哪些患者可能会患上某些罕见疾病。他们将使用机器学习算法来识别哪些患者有患上五种血管炎和两种脊柱关节炎的风险。这些算法将基于患者电子病历中的信息进行预测,提供临床决策支持,增加患者早期诊断的机会。
一项新研究表明,机器学习模型可以使用健康索赔数据准确预测18至30个月大儿童的自闭症谱系障碍风险。这种工具有助于早期发现和干预,提高儿童的发展和生活质量。
一项发表在JAMA Network Open上的研究发现,研究人员必须通过使试验更具包容性和提高报告透明度来改进用于测试机器学习算法的随机临床试验(RCTs)。尽管机器学习有潜力增强患者护理,但只有少数RCTs已经进行了机器学习方法的测试。
CHAI正在制定一份指南,旨在帮助医疗保健决策者选择可靠的技术,提供价值。该指南将强调AI的安全性和可靠性,以确保AI的应用不会加剧医疗保健中的不平等现象。