决策
耶鲁大学研究人员开发了一种基于机器学习的临床决策支持工具，旨在为糖尿病患者和非糖尿病患者个性化推荐强化或标准血压治疗目标。该工具可促进提供者和高血压患者之间的共同决策，从而降低心脏疾病和死亡风险。
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。
宾州州立大学的研究人员计划利用人工智能和机器学习算法分析长期数据，预测健康风险，以帮助医疗决策。他们将利用从国家科学基金会获得的资金进行研究。
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。
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。
一项新研究发现，基于人工智能的临床决策工具可以帮助改善卫生条件差的地区腹泻病的抗生素管理。该工具可以预测病情是否由病毒引起，从而避免滥用抗生素导致的抗生素耐药问题。
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。
一项新的数字健康合作研究中心项目将研究AI支持的诊断支持解决方案对临床医生决策和患者管理的影响。
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。
