模型
研究人员在约翰霍普金斯大学发现了一种新的“人体化”小鼠模型，可以预测免疫系统对医学植入物的反应。该研究有望提高医学植入物在患者中的成功率。
德克萨斯大学MD Anderson癌症中心的研究人员开发了一种结合血液检测和个性化风险模型的预测工具，可以更好地预测肺癌死亡风险。这项研究发表在上周的《临床肿瘤学》杂志上。该模型将MD Anderson研究人员最近开发的基于血液的四蛋白质组合（4MP）检测与PLCOm2012风险模型相结合，旨在通过改善肺癌筛查来降低死亡率。
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。
一项新研究表明，一种基于计算模型的方法可以准确地确定四种阿尔茨海默病亚型，这有助于了解疾病的基本生物学知识，并个性化治疗方法。这种模型利用基因组和tau正电子发射断层扫描成像数据，通过稀疏典型相关分析聚类框架分析基因组变异与阿尔茨海默病的相关性。
OSF Healthcare和OSF Innovation Group开发了一种基于AI的预测模型，可以缓解癌症患者导航员的工作流程，减少疲劳，改善工作与生活的平衡。该模型利用EHR数据进行预测和工作分配，帮助导航员更好地支持患者。
Mass General Brigham的研究人员表明，ChatGPT等大型语言模型可能能够准确识别某些临床表现，如乳腺疼痛和乳腺癌筛查的适当影像测试，并有潜力支持临床决策。ChatGPT的响应表现令人印象深刻，为基层医疗提供了智能辅助的可能。
本文介绍了美国超声心动图学会在第34届年度科学会议上展示的基于人工智能的心血管成像研究，包括帮助医生获取诊断级别图像、HFpEF的自动诊断和评估主动脉瓣狭窄的严重程度等方面。这些研究对医疗器械认证领域有重要意义。
一项研究表明，AI模型可优于传统方法，帮助估计前列腺癌的范围并定义焦点治疗的肿瘤边缘。这项研究使用了磁共振成像（MRI）技术，但作者指出MRI技术可能会低估癌症的真实大小和范围。研究人员对50名接受根治性前列腺切除术的中风险癌症患者的多模态成像和活检数据进行了回顾性研究，发现AI工具能够更准确地预测肿瘤边缘。
最近一项研究表明，预测10年痴呆风险的四种常见模型临床价值有限，需要更准确的算法来帮助针对痴呆进行预防。这篇文章将介绍研究的主要内容以及对临床实践的影响。
Beth Israel Deaconess医疗中心的研究人员通过一项研究表明，ChatGPT等生成人工智能技术可能成为医生解决复杂诊断案例的有希望的辅助工具。
