风险评估
一项新研究发现,一种基于自然语言处理技术的自动化工具可以通过分析临床记录和电子病历数据,实现类似于手动风险评估工具的预测性能,用于严重产妇发病率的风险评估。
一项由ECOG-ACRIN癌症研究组进行的研究发现,利用深度学习算法结合标准CT扫描图像,可以在头颈癌患者中评估癌症扩散风险。这项研究有望帮助准确分期疾病,识别高风险患者并选择适当的治疗方案。
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。
阿波罗医院的Pro-Health AI预防性健康计划服务通过数字化创新和个性化健康管理,帮助印度1.4亿人口预防慢性病,取得了显著成效。该计划使用AI技术进行健康风险评估和医疗数据分析,通过个性化健康管理和健康习惯养成,帮助患者实现早期干预和治疗,提高了医疗数字化水平。
研究人员开发了一种基于人工智能的工具,可以使用EHR数据更快、更准确地识别注射药物的人群。这项研究对于改善风险评估和缓解、临床决策以及健康服务研究至关重要。
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。
新的指南草案和待定立法将要求医疗器械开发商在 FDA 提交的文件中包含网络安全信息。
最新研究表明,机器学习工具可以利用围手术期数据准确预测术后并发症和手术持续时间。这项技术有望帮助医生更好地评估手术风险,提高手术成功率,降低医疗成本。
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预测模型,能够预测妇科手术后门诊阿片类药物使用情况,该模型正在临床实施中。这种数据分析和统计模型可帮助医生更有效地进行个性化的疼痛管理和阿片类药物处方。