心电图
可穿戴和植入式医疗设备在健康监测和医疗诊断方面越来越广泛地应用，使用最新技术使其成本低廉且易于使用。生物传感器和个性化医疗将成为健康服务的常见工具。其中，糖基电池是一种新兴技术，利用人体自身的糖来产生电力，为植入物和传感器提供动力。
匹兹堡医学中心的研究人员开发了一种机器学习工具，能够利用心电图（ECG）读数更快、更准确地检测和分类心脏病发作。这种模型可帮助医生探测ECG中可能被忽略的亚型，从而提供及时的医疗服务，避免因延误而导致的生命危险。
BioSig与Reified Labs合作推进了基于人工智能的医疗设备平台的研发。该平台将基于综合医疗数据集构建机器学习模型，从而为治疗心律失常提供更好的治疗方案。本文介绍了BioSig和Reified Labs的合作，以及他们如何利用Pure EP系统为患者提供个性化的治疗方案。
Dandelion Health利用其涵盖1000万患者的数据集，从不同的种族、地域和民族子群体出发，对医疗保健领域中使用的心电图算法进行测试，以评估人工智能的表现和潜在的偏差。文章详细介绍了Dandelion Health开展此项试点所需的技术和数据等方面。
美国西奈山医学中心的研究人员开发了一种基于深度学习技术的心电图分析模型，可将心电图解读成语言，有望改善心脏疾病的诊断效果。该模型名为HeartBEiT，可用于诊断数据有限的心脏疾病，为医疗行业提供了新的解决方案。
纽约的西奈山医院的研究人员表示，他们开发了一种新的人工智能模型，用于心电图分析，该模型能够将心脏读数解释为语言，从而大大提高心电图评估的效果和准确性。这种方法可以增强心电图相关诊断的准确性和效力，特别是对于罕见的心脏病症，因为这些病症的数据不足以训练机器学习算法。
HeartBeam获得了一项关键的AI相关专利，用于其AIMIGo系统的手持式向量心电图。该系统结合了AIMIGo记录的心脏信号、患者症状和心脏风险因素，计算出心脏风险评分，提供简化的诊断信息和可操作的指导。
芬兰VTT技术研究中心的研究人员开发了一种新型的可生物降解的心电图贴片，采用生物材料制成，可完全回收利用，具有易于拆卸的电子元件，可供后续再利用。这种可持续性的贴片采用纳米纤维素材料制成，取代了传统的塑料材料，具有很大的潜力在医疗行业中使用。
芬兰VTT技术研究中心的研究人员开发出一种可生物降解的心电图贴片，采用纳米纤维素材料制成，具有可重复使用的电子元件，可有效减少医疗废物的产生。
HeartBeam提交了AIMIGo系统的FDA 510(k)认证申请。AIMIGo是一款个人便携式矢量心电图系统，可帮助患者和临床医生评估心脏症状。该系统可以在医疗场所之外实时向临床医生提供关键数据。
