神经网络
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。
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。
最新研究发现，人工智能在诊断、预测、区分和分割胰腺癌方面具有高精度，预示着它在未来的作用。这篇文章介绍了研究人员如何使用机器学习、深度学习和神经网络等技术，分析了相关数据和影像，以提高胰腺癌的诊断效率和质量。
休斯顿大学的研究人员获得了来自国家癌症研究所的近百万美元的资助，旨在开发一种计算框架，支持放射科团队和人工智能算法之间的协作，以改善肺癌诊断。
研究人员开发了一种名为DeepMosaic的深度学习模型，可检测DNA序列中的马赛克突变，比人类医学遗传学家更快更准确。这一技术有望为疾病治疗提供新的突破，如癫痫等。
研究人员开发出一组机器学习工具，能够准确地确定可能导致癫痫发作的脑活动，从而改善癫痫的治疗。这些模型使用基于机器学习和微积分的方程来确定脑活动模式，从而识别癫痫发作的起源。这是一种新的范式，能够更好地了解特定的脑网络。
Asensus Surgical宣布，日本的Saiseikai Shiga医院同意租赁和使用其的Senhance机器人手术系统。Senhance是一种首个数字化腹腔镜手术机器人，配备了先进的视觉技术和人工智能，可通过机器学习执行外科手术。
研究人员开发了一种人工智能模型，通过睡眠时的呼吸模式检测帕金森病的存在和严重程度。这种无创检测方法可以帮助早期诊断帕金森病，提高患者的生活质量。该模型使用神经网络分析呼吸模式，来判断是否存在帕金森病。
麻省理工学院的研究人员最近开发了一种人工智能模型，可以通过呼吸模式检测帕金森病。这种诊断算法使用一系列连接的算法来模拟人脑的工作方式，分析患者的睡眠呼吸模式，以判断患者是否患有帕金森病。
