决策支持
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。
Hackensack Meridian Health将利用Google Cloud的新发布的医学成像套件来提高其基于图像的临床诊断能力,构建AI算法以预测前列腺癌患者的转移,从而拯救更多生命。
FDA发布了新的指南,规定一些人工智能工具应该作为医疗器械进行监管,包括预测败血症、识别患者恶化、预测心力衰竭住院、标记可能成瘾于阿片类药物的患者等。这是FDA在AI/ML监管方面的最新举措。
澳大利亚新南威尔士州的西梅德医院正在试点使用一种新的人工智能临床决策支持工具,用于评估急诊室等候区的脓毒症风险。这一工具将患者的年龄、性别和生命体征结合历史患者数据进行算法训练,为患者提供脓毒症风险评分。
一项新研究表明,采用众包方法开发的机器学习模型可以改善量化类风湿性关节炎患者的放射学关节损伤的努力。这篇文章介绍了如何通过机器学习来改善医学影像、慢性疾病管理和临床决策支持等方面的挑战和限制。
蒙大拿州的Billings Clinic医疗系统与DreaMed Diabetes合作,部署了一种基于人工智能的临床决策支持工具,以帮助医生远程治疗全州的糖尿病患者。这种工具可以分析患者数据并实时创建个性化的治疗计划,以优化胰岛素剂量。
一项新的系统性综述发现,评估临床实践中集成人工智能辅助工具的随机对照试验数量和范围有限,需要进行更多的试验来推进AI在医学中的作用。虽然有越来越多的研究支持AI在医疗保健中的临床实用性,但专家们也提出了一些关注点。
ONC和CDC联合开发了一个名为“整合框架”的交互式资源,旨在帮助改善州处方药监测计划(PDMP)与临床工作流程的整合,以应对阿片类药物危机。
澳大利亚CSIRO国家科学机构的科学家们开发了一种机器学习工具,可以预测患者的恶化,从而提醒医护人员采取干预措施,避免患者死亡、心脏骤停或进入ICU。
一项发表在Nature Communications上的研究表明,一种名为Genome-to-Treatment(GTRx)的自动化临床决策支持工具可在13.5小时内提供准确的基因疾病诊断和治疗指导。这项研究的发现表明,GTRx是一种虚拟疾病管理系统,可整合全基因组测序,为500种疾病提供诊断和指导。