COVID-19
科学家开发了一款机器学习工具，以帮助人们了解COVID-19对身体长期影响。该工具可对电子病历进行分析，并找到与长期COVID-19诊断有关的共同症状。这有助于定义不同的病情亚型，为疾病治疗提供更为有效的方法。
Opteev推出了一款能够在一分钟内检测COVID-19、流感和RSV的呼吸分析仪ViraWarn。这款可充电呼吸分析仪旨在成为一种经济实惠、多次使用的诊断工具。
佛罗里达大西洋大学的研究人员使用机器学习模型预测COVID-19检测结果，并确定哪些症状对产生阳性检测结果起关键作用。他们训练了五个分类算法，基于易于获取的症状和人口统计特征，如发热、温度、年龄和性别，预测COVID-19检测结果。
研究人员和亚利桑那州Tempe市的人员展示了废水流行病学工具的潜在效用，以提供健康危害检测和公共卫生威胁的早期预警，例如COVID-19。
Emory大学和UH Cleveland的研究人员开发了一种基于深度学习的肝脏脂肪评估工具，该工具显示患有非酒精性脂肪肝病的患者患严重COVID-19的风险增加了1.5倍。这种名为DeHFt的工具可从标准计算机断层扫描（CT）扫描中提供肝脏脂肪的自动测量。
ACT政府将于12月1日关闭用于接触追踪的Check in CBR移动应用程序。该应用程序已被下载超过125万次，记录了超过1.17亿次签到，并共享了超过25万个疫苗证书。
香港推出了一张COVID-19热点地图，可以实时展示城市中病例的地理分布情况，帮助实施有效的感染控制措施和医疗资源分配。
研究人员正在评估联邦学习技术在基于胸部X光数据诊断COVID-19方面的实用性。联邦学习模型是一种隐私保护的人工智能算法训练方法，可以在不共享输入数据的情况下训练多个AI模型。这种方法在医疗影像和文本分析、诊断工具开发、药物研发等方面具有潜在的应用价值。
研究人员开发了一种基于人工智能的临床决策支持工具，可以使用血液检测和EHR数据预测COVID-19患者的预后和疾病严重程度。
一项在韩国医院进行的研究发现，实时定位系统（RTLS）有助于防止COVID-19等传染病的传播。RTLS在识别高风险接触者方面比传统接触追踪方法更有效。
