机器学习
NSF和亚马逊联合拨款100万美元,用于支持13个研究项目,旨在提高医疗AI的完整性和公平性,改善医疗保健的质量和服务。其中,杜克大学和康涅狄格大学的研究项目分别获得了62.5万美元和39.3万美元的拨款,用于开发医疗AI技术,提高医疗保健的公平性和减少偏见。
一项新研究表明,机器学习算法可以通过分析心电图读数准确预测高风险人群的糖尿病和糖尿病前期,这有望在未来推进糖尿病筛查。这项研究使用了来自高风险家庭的参与者,旨在探讨心电图在糖尿病和糖尿病前期诊断中的应用。这项研究结果表明,心电图可以提供早期的糖尿病和糖尿病前期诊断,而且比标准诊断方法更为便捷。
机器学习在医疗保健领域的应用前景广阔,但是仍存在一些瓶颈。本文将探讨机器学习在医疗保健领域的优势、应用以及目前的瓶颈。
研究人员提出了一种框架,以确保医疗算法的公平性,包括考虑种族和民族数据,使用机器学习等方法来确保算法的公平性,以及在数据不完整的情况下使用数据插补来增强识别和纠正算法偏见的机会。
一项新研究表明,机器学习模型可帮助优化COVID-19医院入院决策,减轻医院和急诊室的压力。研究人员开发了一种嵌入电子病历的CDS系统,用于评估COVID-19患者的短期风险,以预测病情恶化的可能性。
研究人员开发了一种机器学习模型,利用公共卫生信息和执法数据等代理数据源,能够准确估计全国每周阿片类药物过量死亡趋势。这项研究有助于解决过量死亡数据滞后的问题,提高公共卫生官员的预测和干预能力,从而更好地应对阿片类药物危机。
UPMC与微软宣布五年合作,旨在扩展和现代化其数据管理、仓储和分析基础设施,以改善患者护理。UPMC已经在临床分析方面取得了显著成果,并利用30年的临床和财务数据开发、评估和调整了冠状病毒的应对和治疗。
一项新研究表明,机器学习模型可以有效地使用从去识别患者EMR中提取的数据来预测产后出血的风险。这项研究为早期检测产后出血提供了新的方法,以改善患者的预后和死亡率。
一项由梅奥诊所领导的研究表明,基于放射学的机器学习模型可能比标准诊断方法更早地诊断胰腺癌,从而使患者有更多的治疗机会。这篇文章介绍了这项研究的主要发现和方法。
纽约长老会医院与康奈尔大学合作,投资1500万美元,旨在利用人工智能和机器学习技术,预测和预防心力衰竭,同时改善无法预防的心力衰竭治疗。该合作旨在将纽约长老会医院、哥伦比亚大学VP&S和威尔康奈尔医学院在心血管医学方面的专业知识与康奈尔科技和康奈尔Bowers CIS的先进机器学习和人工智能资源相结合。