预测
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。
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。
美国研究人员开发了一种机器学习方法，可以准确识别与神经轴阻滞镇痛后胎儿心率变化相关的预测因素，这种方法可以帮助医生更好地监测和预测胎儿的健康状况。本文将详细介绍这项研究成果。
飞利浦公司的研究表明，人工智能可以帮助预测室性心动过速，从而提高心脏风险管理的效率。该研究使用了基于深度神经网络的AI学习模型，成功预测了持续性室性心动过速的发生。
阿斯利康与Bellvitge大学医院计划推出Cordio Medical HearO应用程序的试点计划，该应用程序使用语音识别技术分析心力衰竭患者的声音，以监测其病情。 HearO应用程序为充血性心力衰竭（CHF）患者提供医疗级别的技术，帮助患者监测症状、管理治疗并改善生活质量。该试点计划旨在评估使用应用程序监测CHF患者的可行性，包括在医院和家庭环境中进行监测。
一种新的基于人工智能的工具可以准确预测一般外科患者何时出院。该工具名为“阿德莱德评分”，由阿德莱德大学、伊丽莎白女王医院和卫生信息协作团队的研究人员开发。这种工具将有望在今年晚些时候进行全州试验。
研究人员开发了一种机器学习模型，利用二次数据源准确估算美国每周和每年的枪支凶杀案负担，以便更有效地协调公共卫生应对措施。
卡内基梅隆大学的研究人员开发了一种机器学习工具，利用时间和地点数据预测COVID-19传播。这种模型可以更准确地预测和跟踪COVID-19，有助于遏制病毒的传播。
研究人员使用社交媒体帖子开发了一种人工智能模型，可以比传统数据模型更准确地预测美国县的阿片类药物死亡率。这项研究为公共卫生部门提供了改进社区阿片类药物死亡风险评估的潜力。
最近发表在JAMA Network Open上的一项研究发现，一种名为MySurgeryRisk的人工智能系统利用电子病历数据和输入特征成功预测了术后并发症。这项研究旨在确定该系统在开发和验证阶段的表现，并确定该系统是否能够向外科医生的移动设备提供预测输出。
