疾病
专注于胃肠临床研究的One GI将采用Iterative Scopes的AI招募技术(AIR)来招募适合其炎性肠病( IBD )临床试验的患者。AIR使用图像识别技术简化匹配患者和临床试验的流程。
iCad与Solis Mammography合作开发一种基于人工智能的诊断解决方案，可以通过乳腺摄影术中的乳腺动脉钙化数据来评估心血管疾病风险并量化其存在程度。
研究人员开发了一种机器学习筛查工具，可在症状出现之前有效识别患有特发性肺纤维化（IPF）高风险人群。该工具可自动检测患者的电子病历信息，为初级医疗保健提供风险评估，提高疾病预防和诊断技术水平。
麻省理工学院的研究人员开发了一种机器学习工具，能够识别神经退行性疾病如ALS、阿尔茨海默病和帕金森病的新衰退模式。这种工具有助于更好地了解这些疾病的进展，为临床试验、疾病原因的发现和可能的干预和治疗提供分析。
体内电穿孔是一种有效的药物和基因传递技术，可以用于治疗多种疾病，包括癌症、病毒感染和神经退行性疾病。该技术已经在临床试验中得到广泛应用，并且具有巨大的健康和经济影响。
波士顿科学与Truveta合作，通过数据和分析来改善长期患者护理和健康差异。Truveta是一个由14个医疗系统组成的数据集体，致力于利用大数据分析提高护理洞见。通过合作，波士顿科学将获得Truveta的医疗数据，以研究多种疾病和结果，首先是周边动脉疾病。
研究人员正在创建一组人工智能算法，以确定患者患各种罕见疾病的风险。他们将应用AI和机器学习技术，从患者的医疗记录中预测罕见疾病的发展风险。这项研究将持续四年，旨在创建一组算法，以确定患有五种血管炎和两种脊柱关节炎的患者的风险。
一项研究发现，机器学习算法可以区分儿童多系统炎症综合征（MIS-C）和川崎病（KD），这两种疾病具有高度相似的分子模式。研究人员从1,517名患者中收集数据，使用深度学习算法KIDMATCH比较患者年龄、临床KD的五个体征和其他17项实验室测量结果，成功区分了这两种疾病。
研究人员利用人工智能技术分析脑组织的结构和特征，探寻阿尔茨海默病的潜在病因。通过深度学习算法，研究人员发现低卢索尔快速蓝染色水平与认知障碍有关，这一发现有望成为脑损伤的有价值的测量单位，为阿尔茨海默病等相关疾病的诊断和治疗提供新思路。
先进纳米治疗（Advanced NanoTherapies）已宣布其SirPlux Duo药物涂层球囊（DCB）荣获FDA突破性设备认证，可用于治疗直径小于3.0mm的冠状动脉疾病。这是该产品获得的第三个认证，之前已获得冠脉内支架再狭窄和下肢术后病变的突破性认证。
