数据集
Dandelion Health利用其涵盖1000万患者的数据集，从不同的种族、地域和民族子群体出发，对医疗保健领域中使用的心电图算法进行测试，以评估人工智能的表现和潜在的偏差。文章详细介绍了Dandelion Health开展此项试点所需的技术和数据等方面。
美国国立卫生研究院的“全民参与”研究计划宣布，现在有250,000个全基因组序列可供美国研究人员用于精准医学研究。
MIT和飞利浦宣布扩大他们的临床数据集，为研究人员提供来自20万名患者的临床数据，以帮助推进医疗人工智能和机器学习的发展。
研究人员开发了一种名为PoxApp的人工智能应用程序，可以通过拍摄皮肤病变的照片并提供相关信息，判断是否由mpox引起。该应用程序使用了包含13万张不同皮肤病变的数据集进行训练，可以在5分钟内提供风险评分和检测或接种疫苗的建议。
佛罗里达大学研究人员获得了国家卫生研究院的大额资助，旨在利用人工智能帮助重症监护患者康复。他们将建立一个数据集，包括来自多个医疗系统的10万名重症患者的数据，同时还将提供人工智能工作人员培训、伦理标准、公开可用的人工智能教程和协作指南。
斯坦福大学人类中心人工智能（Stanford HAI）开发了一种名为POPDx的机器学习框架，旨在通过预测全面的诊断代码来增强罕见病检测过程。该模型使用人类疾病本体论进行自然语言处理和概率决策，可预测训练数据中不存在的疾病。
本文介绍了2022年医疗行业中人工智能和机器学习的十大故事，包括偏见消除、可靠性提高、深度学习、数据障碍等方面的内容。
基础模型是一种在大型未标记数据集上训练的人工智能模型，具有高度适应新应用的能力。专家认为，基础模型可以帮助解决当前医疗人工智能模型存在的问题，提高医疗保健的质量和效率。
美国国立卫生研究院（NIH）将通过NIH共同基金的Bridge2AI计划投资1.3亿美元，以推进生物医学和行为研究领域的人工智能应用。该计划旨在生成数据、资源和工具，以响应人工智能方法，并加强多样性研究团队的形成，以支持公平目标。
