数据标准化
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。
澳大利亚昆士兰大学带领了一个新项目，旨在创建一个国家数据网络，支持管理慢性疾病的创新解决方案的开发。该项目将使用机器学习技术，访问孤立的慢性病数据，并将数据标准化和保护个人隐私。数据分析结果将在卫生组织和各州之间共享。
AI有潜力促进早期和准确的疾病检测、精准和个性化医疗、人口健康和医疗保健、临床决策支持、运营效率和改善医生和患者参与度。但是，AI在数据标准化、机器学习漂移、临床实践可行性和责任追究等方面面临挑战。
本文介绍了Bulk FHIR如何帮助医疗机构更好地管理和跟踪医疗数据，以及如何利用Bulk FHIR进行医疗质量测量和人工智能应用等方面的探索。
HIMSS将继续推动电子医疗的永久报销，提倡数据标准化和互操作性，以及与机构和州合作，增加电子医疗的可及性。本文将探讨2023年及以后医疗IT政策和立法的前景。
研究人员发现，AI精准医学方法存在组织混乱、数据标准化和方法缺陷等问题，这可能会阻碍未来的进展。该研究评估了32种最常见的AI方法，用于研究多种疾病的预防治疗，包括肥胖症、阿尔茨海默病、炎症性肠病、乳腺癌和重度抑郁症。
