医疗数据
本文探讨了云计算和人工智能如何影响医疗影像管理。文章介绍了数据连接、人工智能和分析对改善患者治疗的潜力，以及如何保护医疗数据免受恶意攻击。
新的研究监测大型语言模型和生成人工智能的进展和实施，为医疗保健IT安全团队提供了一个警告，要求他们调整检测和响应优先级。AI为医疗保健带来了巨大的好处，但也带来了网络安全威胁。Trustwave建议医院和卫生系统转变安全操作中心，以便更有效地检测和应对威胁。
本期HIMSSCast采访了CRISP的首席执行官Craig Behm，他谈到了TEFCA以外的HIE和其他区域卫生网络在推进更无缝的数据交换和共享方面的贡献，以及如何更好地与信息交换和网络合作，实现更加强大的互操作性，特别是在公共卫生和综合监测领域。
为提高手术后患者医疗安全，匹兹堡大学和UPMC的两名研究人员开发了一种基于机器学习的模型，该模型利用超过125万名手术患者的医疗数据进行训练，可以快速、准确地评估手术后患者的健康风险。该模型已在20家UPMC医院得到应用，效果优于其他方法。
医疗机构有义务为弱势群体提供更好的医疗保障，但如何实现这一目标呢？Kyruus公司的CEO Graham Gardner博士认为，数字医疗是实现这一目标的重要手段，可以帮助弱势群体获得更好的医疗保障，从而提高医疗保健的公平性。
HIMSS23欧洲健康会议和展览将分享应用人工智能改善人口健康的创新案例。通过分析土耳其公民2015年至今的电子健康记录数据，一项人工智能项目成功减少了不必要的剖腹产，提高了母婴的安全性。这一项目充分利用了Robson分类系统，该系统是评估、监测和比较剖腹产率的全球标准。
宾夕法尼亚大学医学中心使用AI聊天机器人"Penny"改善癌症治疗，提高药物依从性和管理口服化疗药物的毒性，以改善患者的治疗效果和医疗利用率。这是医疗器械认证领域的一项创新，将AI技术应用于医疗监测和管理中，为医疗行业带来了新的思路和方法。
本文介绍了如何利用人工智能和机器学习技术来管理和保护医疗数据，以及如何分类和应用最具成本效益的安全指南，从而提高医疗保健的质量和效率。
随着患者护理向分散化转移，提供更方便的诊断和治疗路径，数据孤岛的问题也随之出现。区域性诊断网络可以通过连接系统、人员和解决方案来解决这个问题，实现在正确的时间访问正确的信息。这篇文章将介绍区域性诊断网络的优势和应用。
医疗IT专家表示，高达95%的医院数据未被使用。本文介绍了IT专家们在HIMSS23峰会上的讨论，包括如何识别所需技术、如何将其应用于临床实践以及如何改进医疗质量。
