ECG
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。
美国西奈山医学中心的研究人员开发了一种基于深度学习技术的心电图分析模型，可将心电图解读成语言，有望改善心脏疾病的诊断效果。该模型名为HeartBEiT，可用于诊断数据有限的心脏疾病，为医疗行业提供了新的解决方案。
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。
Viz.ai推出基于人工智能的血管套件，可检测和分级一系列疑似的血管疾病，包括肺栓塞、心肌右心室负荷过重、主动脉夹层和腹部主动脉瘤等。套件可自动分析计算机体层摄影(CT)、心电图(ECG)等一系列成像技术。
Mayo Clinic的研究人员发现，人工智能可以用于评估心电图（ECG）记录，以检测患者是否患有心力衰竭。他们使用Apple Watch等消费设备记录的ECG，通过AI算法进行远程监测和诊断，提高了心脏疾病的检测率和早期诊断率。
梅奥诊所的研究人员测试了一种基于人工智能的筛查策略，旨在通过对心电图的评估确定心房颤动的新病例。这项研究表明，AI-ECG算法可以帮助识别高风险患者，从而降低未诊断心房颤动和中风的发生率。
