机器学习
SS Innovations开始为其手术机器人设备申请FDA和CE认证。该机器人系统价格实惠，具有广泛的手术应用，包括心脏手术。SSi Mantra手术机器人拥有模块化、三维视觉和开放式控制台设计，具有卓越的人体工程学特性，并采用机器学习模型，提高手术过程的安全性和效率。
Duke Health与微软合作，创建一个AI创新实验室和卓越中心，旨在提高医疗体验、扩展个性化教育和自动化管理任务。他们致力于研究生成式AI技术的安全性和可靠性，以确保临床AI治疗的质量和安全性。
Asensus Surgical宣布，美国一家领先的医院开始使用其Senhance平台进行儿科手术项目。这是Asensus首个数字腹腔镜手术机器人平台的儿科适应症。Senhance使用增强智能和机器学习来进行手术，并通过触觉反馈、眼动摄像头控制和3D可视化来提供手术保障。
随着人工智能技术的不断发展，医疗AI市场预计将以每年37%的速度增长，医疗机构必须适应这种变革，护士们也要变得越来越科技化。本文将介绍加州大学欧文分校的Sue & Bill Gross护理学院如何利用人工智能和机器学习来改善护理质量、提高患者健康状况，并介绍护理教育中AI的应用。
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。
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。
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。
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。
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。
