决策
医疗机构的数字化转型需要将患者安全作为重要标志。电子处方系统虽然已经广泛应用,但由于工作流程不协调和缺乏EMR集成,很少在患者旅程的关键节点提供支持。如何将先进的药物决策支持系统完全集成到医院的EMR和处方工作流程中,将有助于提高临床医生的决策能力,提高医院的效率和节省时间。
本文介绍了2022年医疗行业中人工智能和机器学习的十大故事,包括偏见消除、可靠性提高、深度学习、数据障碍等方面的内容。
一项发表在《科学报告》上的研究发现,机器学习模型可以使用患者报告的症状严重程度等数据准确预测卵巢癌患者6个月的死亡率。这项研究的目的是开发一种可靠的预测工具,以识别卵巢癌患者何时接近生命的尽头,从而改善临床决策和终末期护理。
预测2023年,患者体验将成为医疗领域的重中之重,智能分析和数据驱动医疗将成为趋势。医疗机构需要利用更智能的分析应用,采用机器学习技术,真正推动医疗领域的发展。同时,医疗数据的应用也将成为医疗领域的重要趋势。
输液中心面临空间不足和人员短缺的挑战,但AI和优化算法可以帮助满足需求。LeanTaaS和社区癌症中心协会的一份调查报告发现,50%的输液中心在从电子病历中获取所需数据方面存在困难。
德州大学奥斯汀分校的研究人员开发了一款人工智能临床决策支持工具,旨在帮助医生与患者讨论营养问题,共同制定饮食改善计划。该工具将与电子病历集成,为医生提供有关患者饮食的信息,支持个性化目标设定和随访跟踪,同时减轻医生的负担。
谷歌健康与乳腺摄影人工智能(AI)供应商iCAD宣布战略合作,将谷歌健康的AI技术整合到iCAD的乳腺成像AI解决方案中,以改善乳腺癌检测和短期个人癌症风险评估。这是谷歌健康首次授权其乳腺摄影研究模型,iCAD将努力验证和整合谷歌的乳腺AI技术到其产品组合中,以用于临床实践。
美国密苏里科技大学和圣路易斯大学医学院的研究人员正在探索如何利用人工智能技术支持肾移植中的匹配过程。该项目旨在将器官移植和人工智能专家汇聚在一起,以确保更多的肾脏可以被需要的患者使用。
研究人员开发了一种基于人工智能的临床决策支持工具,可以使用血液检测和EHR数据预测COVID-19患者的预后和疾病严重程度。
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。