数据分析
Accenture赢得了新西兰国家卫生数据平台的实施合同，该平台旨在整合28个卫生系统实体的信息，加速健康系统数据访问，提高数据质量和可访问性，降低数据成本和重复性，推动数字基础设施和数据治理的发展。
数字化医疗记录是智能医院的必要步骤，但仅仅数字化记录不足以满足智能医院的需求。本文介绍台湾高雄长庚纪念医院利用人工智能实现医疗记录标准化，从而实现了医疗数据的标准化、自动化、分析和利用，为提高医疗服务质量和推动医疗科技创新做出了贡献。
医院和医疗系统计划在数字转型方面增加IT投资，其中数据分析、人工智能和5G网络是最具变革性的技术领域，同时也关注数据可靠性和可用性等问题。
Ascensia Diabetes Care与Avricore Health合作，将Contour Next-Gen和Contour Next One血糖监测仪整合至HealthTab PCOT平台，以支持加拿大糖尿病患者和药剂师更好地管理疾病。该合作旨在将每日血糖测试结果和历史记录与患者的HealthTab账户相连接，并通过数据分析来帮助药剂师和患者更好地利用这些技术。
谷歌的Med-PaLM使用LLM技术回答医疗问题，准确度达到92.6%，与医生回答问题的92.9%相当。该技术有望为医疗信息获取提供便捷途径，但仍需进一步评估安全性和公平性。
Health Care Service Corporation表示，该公司2021年首次开发的先前授权工具可以简化提交流程，并在符合某些关键标准时提供自动批准。该工具的新的人工智能实现被用于93%的HCSC会员的某些过程代码。
一项新开发的机器学习模型可自动识别高风险手术患者，从而提高其生存率并降低医疗系统成本。这项研究由匹兹堡大学和匹兹堡医疗中心（UPMC）的研究人员和医生完成，他们训练了超过120万名手术患者的医疗记录，以帮助预测手术后可能出现并发症的患者。
为提高手术后患者医疗安全，匹兹堡大学和UPMC的两名研究人员开发了一种基于机器学习的模型，该模型利用超过125万名手术患者的医疗数据进行训练，可以快速、准确地评估手术后患者的健康风险。该模型已在20家UPMC医院得到应用，效果优于其他方法。
新加坡中央医院开发了一种基于机器学习的预测AI工具，名为CARES-ML，可通过患者的病史、身体状态和调查检查结果来评估患者的手术风险。该工具可提高手术前评估的准确性，增强临床团队对于患者围手术期护理方案的决策和建议，从而改善患者的预后和增强患者的安全性。
智能医院利用创新技术和云计算工具提升病人护理、优化工作流程和降低成本，最终塑造出更高效、以病人为中心的医疗体验。本文将探讨智能医院的概念，核心数字技术，以及医疗专业人士如何做好准备，并确保其组织准备好迎接这种变革。
