机器学习
谷歌云推出了医疗影像套件，旨在提高医疗影像数据的可访问性和互操作性。该套件包括存储、实验室、数据集、仪表板和AI管道等组件，提供云、本地或边缘部署的灵活选项，以满足不同的主权、数据安全和隐私要求。
一项最新研究表明，机器学习（ML）模型可识别卵巢癌中的特定代谢靶点，这些靶点可用于个性化治疗。研究人员使用细胞模型和优化理论，探究了代谢与基因突变之间的关系，发现卵巢癌酶MTHFD2可能是治疗靶点之一。
全球医疗消费者需求和期望正在发生变化，本文介绍了医疗消费者的期望、动机和趋势，以及专家们对于如何提高医疗消费者体验的建议。
麻省理工学院的研究人员开发了一种机器学习工具，能够识别神经退行性疾病如ALS、阿尔茨海默病和帕金森病的新衰退模式。这种工具有助于更好地了解这些疾病的进展，为临床试验、疾病原因的发现和可能的干预和治疗提供分析。
研究人员开发了一种基于人工智能的工具，可以使用EHR数据更快、更准确地识别注射药物的人群。这项研究对于改善风险评估和缓解、临床决策以及健康服务研究至关重要。
一项研究发现，机器学习算法可以区分儿童多系统炎症综合征（MIS-C）和川崎病（KD），这两种疾病具有高度相似的分子模式。研究人员从1,517名患者中收集数据，使用深度学习算法KIDMATCH比较患者年龄、临床KD的五个体征和其他17项实验室测量结果，成功区分了这两种疾病。
研究人员开发了一种家庭监测系统，可以帮助监测帕金森病的进展和药物治疗反应。这项技术还可以帮助制药和生物技术公司开发新的帕金森病治疗方法。该设备可以追踪患者的运动和步态速度，以评估帕金森病的进展和病情严重程度，以及患者对药物治疗的反应。
国家卫生研究院（NIH）和人类服务部（HHS）将资助Eko开发一种机器学习算法，用于心血管护理，可以检测肺动脉高压等疾病。该算法将使用Eko的智能听诊器收集的心音图和心电图数据，以识别和分层肺动脉高压。
美国明尼苏达大学的研究发现，使用数据科学工具可以增强传统的磁共振成像（MRI）重建方法，从而实现与深度学习相当的图像重建质量。这项研究有望提高MRI的效率和准确性，为医疗影像领域带来新的突破。
Freenome与Oracle Cerner网络合作，推出Sanderson研究，利用多组学平台和真实世界数据，旨在提高多种癌症的检测和治疗效果。该研究将使用传统和真实世界数据生成临床验证证据，以改进平台的肿瘤分类和风险预测模型。
