风险预测
Advocate Aurora研究所部署了KelaHealth的外科智能平台，旨在结合人工智能和机器学习的能力，确定机器人手术技术的疗效和有助于改善患者结果的外科护理类型。
约翰霍普金斯大学的研究人员开发了机器学习算法，可以检测谵妄的早期预警信号，并预测哪些患者在ICU住院期间将面临高风险。这项技术可以帮助医生更好地识别高风险患者，提高治疗效果。
一项发表在《科学报告》上的研究发现，机器学习模型和传统方法在预测高血压发病率方面表现相似，表明基于机器学习的风险预测模型可以准确预测高血压。该研究比较了不同预测模型的性能，包括传统的Cox比例风险回归模型和五种机器学习模型。研究结果表明，这些模型的预测准确性都很高。
加州大学圣地亚哥分校与New Light Technologies公司合作开发一款数据驱动的传染病风险预测平台，旨在预测拉丁美洲登革热疫情的即将爆发。该平台将利用历史、现在和预测的登革热疫情的时空模式，生成数据，提供卫生服务机构预警即将爆发的登革热疫情的可能性，并帮助预防、监测、检测和治疗疾病。
加州大学戴维斯分校的研究人员获得了一笔1500万美元的资助，用于开发人工智能项目，旨在改善乳腺癌筛查和风险预测，同时减少健康差异。
研究人员开发了一种基于人工智能的临床决策支持工具，利用深度学习来预测哪些患者更有可能出现糖尿病并发症。这种工具可以帮助医生更早地发现病情变化，提高治疗效果。
FDA为抗击COVID-19大流行病和准备应对未来紧急情况而开展的工作
Mayo Clinic的研究人员开发了一种基于人工智能的风险预测模型，利用分娩特征来指示潜在的分娩结果。这种工具利用了在分娩开始时收集的患者数据，包括基线特征、患者最近的临床评估和自入院以来的累积分娩进展。
