人工智能
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。
华盛顿大学研究人员正在调查深度学习(DL)工具如何影响医学图像的临床实用性。 该研究小组评估了一个常用的DL工具,用于去噪心脏单光子发射计算机断层扫描(SPECT)图像时的表现。
数字健康平台mPulse Mobile的首席执行官Bob Farrell表示,医保计划要主动参与患者的健康和福祉,最好的方法是实现双向对话,这就需要采用AI技术。最新的研究表明,这种会话式AI技术可以提高肠癌筛查率40%以上。这种方法不仅可以提高患者的参与度,还可以改善结果,降低成本。
Hackensack Meridien Health与Canary Health合作,使用机器学习技术分析声音特征,检测人体健康生物标志物,加速精神健康的人工智能技术。
本文介绍了医疗器械领域的顶级影响者对人工智能应用的看法,包括智能检测、诊断、培训、营销等多个方面,旨在探讨如何运用人工智能技术提高产品品质、降低成本、提高效率。
Beth Israel Deaconess医疗中心的研究人员通过一项研究表明,ChatGPT等生成人工智能技术可能成为医生解决复杂诊断案例的有希望的辅助工具。
纽约大学朗格尼医疗中心的研究人员开发了一个大型语言模型,可以预测患者30天再入院的风险和其他临床结果。他们与NVIDIA合作,使用人工智能平台开发和运行LLM。这个模型的代码已经在GitHub上发布,其他医疗机构可以使用它来训练自己的LLM,提供给医生洞察力,帮助他们识别哪些患者可能需要干预以减少再入院率。
美国西奈山医学中心的研究人员开发了一种基于深度学习技术的心电图分析模型,可将心电图解读成语言,有望改善心脏疾病的诊断效果。该模型名为HeartBEiT,可用于诊断数据有限的心脏疾病,为医疗行业提供了新的解决方案。
谷歌云与梅奥诊所合作开发生成式人工智能,旨在为医疗机构提供更高效的自动化解决方案,提高生产力,减少重复性工作,提高行政流程的效率。
达特茅斯推出了人工智能和精准医疗中心,旨在通过人工智能和医疗数据的交叉研究,提高精准医疗和健康成果。该中心拥有初步资金支持,将借助人工智能和机器学习等技术,推动数字生物标志物、临床决策、预测分析和精准健康方面的创新。