健康
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。
一项研究发现,COVID-19大流行期间,Medicare远程患者监测使用激增,尤其是针对高血压患者。然而,研究人员指出,需要进一步研究来确定远程患者监测的最佳使用场景和潜在优势。
北领地的NT Health和Menzies健康研究学院领导的新项目旨在开发满足土著社区特定需求的虚拟护理模型,以评估现有和新兴技术在偏远土著社区中的最佳部署方式。
美国卫生和人类服务部通过卫生资源和服务管理局向近1400个社区卫生中心拨款近9000万美元,以推进健康平等和卫生数据现代化。此外,还拨款近6000万美元用于增加农村地区的医疗人才和提高医疗服务水平。
远程监测和数字治疗公司Biofourmis获得了2000万美元的融资,使其D轮融资总额达到3.2亿美元。该公司的数字医疗技术受到了投资者的青睐,数字医疗领域再次迎来新资金。Sibel Health和Atropos Health也分别获得了3300万美元和1400万美元的融资。
美国芝加哥大学的一项新研究表明,一种柔性、可伸缩的计算芯片可以直接佩戴在皮肤上,利用人工智能实时收集和分析健康数据。这种传感器可以更准确地收集数据,有望成为未来疾病早期检测的重要工具。
印尼推出名为SATUSEHAT的医疗数据整合平台,旨在支持印尼医疗系统的数字化转型。该平台将整合印尼各类医疗机构的数据,提高医疗数据交换的效率和效果。
新泽西的Hackensack大学医疗中心将获得健康公平援助计划的资助,支持在弱势社区实施人工智能(AI)辅助结肠镜技术,以帮助早期发现结肠癌,减少健康不平等。
美国梅奥诊所进行了一项针对室性心动过速的新型心脏消融技术的首次人体试验。该技术使用加热盐水增强的射频能量,创造心肌内部的病变瘢痕,治疗引起室性心动过速的心律失常。这项试验使用了由Thermedical公司开发的Durablate导管,该公司的SERF消融系统和Durablate导管已获得FDA突破性设备认证。
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。