机器学习
斯坦福大学人类中心人工智能(Stanford HAI)开发了一种名为POPDx的机器学习框架,旨在通过预测全面的诊断代码来增强罕见病检测过程。该模型使用人类疾病本体论进行自然语言处理和概率决策,可预测训练数据中不存在的疾病。
一项由三所医学院共同进行的随机试验发现,机器学习干预可以在心脏导管手术期间提供更高的安全性,降低急性肾损伤(AKI)的发生率。该研究采用了预测模型和数据分析技术,为医疗机构提供了一种新的预防措施,以降低心脏导管手术中AKI的风险。
德尔儿童医疗中心的研究人员利用机器学习算法监测新生儿的运动模式,以预测可能的医疗风险。这项技术对于早产儿尤为重要,因为它可以预测常见事件,如呼吸暂停或心跳减慢,这些事件可能预示着长期的神经系统健康问题。
研究人员开发了一种人工智能算法,可用于识别潜在的治疗靶点,以治疗多种癌症,包括恶性脑瘤。该算法利用机器学习技术,分析肿瘤细胞的特征,确定驱动肿瘤生长和治疗抵抗的蛋白激酶。
南卡罗来纳州和乔治亚州的非营利性医疗系统AnMed将利用XSOLIS的人工智能和机器学习工具,提高临床工作效率,改善利用管理。XSOLIS的CORTEX平台将帮助简化利用管理流程,提高提供者-付款方关系。
一项新研究发现,基于人工智能的自动模式识别模型可以通过分析患者的头痛疼痛图来预测手术是否能够有效减轻神经压迫头痛的疼痛。这项研究使用了机器学习框架,训练模型自动处理和解释疼痛模式,预测手术反应。
约翰霍普金斯大学的研究人员开发了机器学习算法,可以检测谵妄的早期预警信号,并预测哪些患者在ICU住院期间将面临高风险。这项技术可以帮助医生更好地识别高风险患者,提高治疗效果。
预测模型在医疗领域越来越受欢迎,但是它们的准确性和能力仍然有待提高。本期HIMSSCast节目中,Steve Irvine解释了如何通过联邦学习技术来聚合数据,以帮助解决临床数据量不足的问题。
研究人员开发了一种机器学习干预措施,旨在预测癌症死亡风险并向提供者发送电子邮件和文本信息,以促进与高风险患者进行严重疾病谈话。
科学家开发了一款机器学习工具,以帮助人们了解COVID-19对身体长期影响。该工具可对电子病历进行分析,并找到与长期COVID-19诊断有关的共同症状。这有助于定义不同的病情亚型,为疾病治疗提供更为有效的方法。