机器学习
微软与Sophia Genetics合作，旨在利用人工智能和机器学习增强数据互操作性，推动全球向精准医疗转型。该合作将开发和部署下一代医疗工具，改善临床工作流程，提高医疗标准，实现数据聚合和提取洞见。
一项新研究使用机器学习工具，通过新生儿声学哭声分析准确识别了新生儿阿片类药物戒断综合症（NOWS）的一组生物标志物。本文将介绍这项研究的方法和结果，以及NOWS的症状和治疗方法。
耶鲁大学研究人员开发了一种基于机器学习的临床决策支持工具，旨在为糖尿病患者和非糖尿病患者个性化推荐强化或标准血压治疗目标。该工具可促进提供者和高血压患者之间的共同决策，从而降低心脏疾病和死亡风险。
远程监护和其他虚拟护理形式正在快速在医疗保健领域中占据一席之地，这些新的护理模式为患者提供了更好的护理体验，同时也为医疗保健系统带来了成本效益。本文将介绍人工智能、数字治疗和自然语言处理等新兴数字健康技术如何推动家庭护理的发展。
研究人员将使用预测分析算法来预测哪些患者可能会患上某些罕见疾病。他们将使用机器学习算法来识别哪些患者有患上五种血管炎和两种脊柱关节炎的风险。这些算法将基于患者电子病历中的信息进行预测，提供临床决策支持，增加患者早期诊断的机会。
一项新研究表明，机器学习模型可以使用健康索赔数据准确预测18至30个月大儿童的自闭症谱系障碍风险。这种工具有助于早期发现和干预，提高儿童的发展和生活质量。
一项发表在JAMA Network Open上的研究发现，研究人员必须通过使试验更具包容性和提高报告透明度来改进用于测试机器学习算法的随机临床试验（RCTs）。尽管机器学习有潜力增强患者护理，但只有少数RCTs已经进行了机器学习方法的测试。
CHAI正在制定一份指南，旨在帮助医疗保健决策者选择可靠的技术，提供价值。该指南将强调AI的安全性和可靠性，以确保AI的应用不会加剧医疗保健中的不平等现象。
研究人员开发了一种机器学习筛查工具，可在症状出现之前有效识别患有特发性肺纤维化（IPF）高风险人群。该工具可自动检测患者的电子病历信息，为初级医疗保健提供风险评估，提高疾病预防和诊断技术水平。
“AI权利法案”是一份指导人工智能技术设计、使用和部署的框架，旨在保护公民的权利、自由和隐私，确保平等机会和关键资源和服务的访问。本文介绍了该法案的五个原则和详细的技术设计步骤，以确保安全、有效、公平和隐私的自动化系统。
