工具
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。
在K2022展会上，速美达（SHI）公司推出了最新的数字工具——myAssist。该工具将提供更深入的过程参数洞察力，并从2023年1月1日开始分发。
FDA和VA Ventures Innovation Institute合作开发医疗器械测试工具，旨在提供开发者使用的测试工具，以加速医疗器械的审批和上市，降低成本，减少早期创新者的风险。
一项研究发现，机器学习算法可以区分儿童多系统炎症综合征（MIS-C）和川崎病（KD），这两种疾病具有高度相似的分子模式。研究人员从1,517名患者中收集数据，使用深度学习算法KIDMATCH比较患者年龄、临床KD的五个体征和其他17项实验室测量结果，成功区分了这两种疾病。
美国明尼苏达大学的研究发现，使用数据科学工具可以增强传统的磁共振成像（MRI）重建方法，从而实现与深度学习相当的图像重建质量。这项研究有望提高MRI的效率和准确性，为医疗影像领域带来新的突破。
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。
Potrero Medical的AKI Predict机器学习算法获得了美国FDA的突破性认证，是为心脏术后患者腹内高压（IAH）所导致的急性肾损伤（AKI）提供更准确的预测算法，该算法可与Accuryn系统集成，提供实时监测这些病理特征的支持。
本文介绍了NIH All of Us研究计划的最新进展，以及Vibrent Health如何与NIH合作推进该计划。同时，还讨论了如何确保临床试验代表更广泛的社会群体，以及数字工具如何帮助提高临床试验的多样性。
伊利诺伊州的Blessing健康系统将人工智能（AI）脓毒症监测工具整合到其临床工作流程中，使该健康系统能够比标准方法更快地识别患有脓毒症或感染性休克的患者。
最新研究表明，基于人工智能的认知行为疗法干预慢性疼痛（AI-CBT-CP）与标准CBT-CP具有相似的疗效，这可能会增加患者的接受度并降低成本。AI-CBT-CP旨在通过强化学习和交互式语音响应来个性化患者治疗，为慢性疼痛患者提供更好的治疗选择。
