早期诊断
微软和澳大利亚技术委员会的一份报告指出,如果澳大利亚能够加速负责任的采用生成AI技术,那么医疗行业将有望从中解锁数十亿美元的价值。报告称,生成AI技术的主要驱动力在于其能够通过减少行政任务所需的时间,从而允许一对一的患者护理,以及嵌入可穿戴设备中以实现更个性化的护理,同时通过在更早期进行规模化的诊断来支持向更为积极主动的护理模式的转变。
美国德克萨斯大学研究人员开发了一种新型的柔性、可穿戴的“电子纹身”,用于心脏监测。这种超薄、轻便的“电子纹身”可在临床环境之外进行连续的移动心脏监测,旨在为临床医生提供更好的机会,及早发现心脏病的预警信号。
GRAIL Galleri是一种多癌种早期检测测试,可通过一次血液检测筛查50多种癌症类型。该技术能够在症状出现之前更早地发现癌症,从而提高治疗成功率,有望预防将来五年内39%的癌症死亡。
新泽西州的AtlantiCare正在部署术前人工智能评估工具和机器人支持的支气管镜技术,以支持早期肺癌诊断和治疗。
GRAIL开发出的Galleri多癌种早期检测技术可通过单次血液检测筛查50余种不同类型的癌症,帮助患者实现更早期的诊断和治疗。
一项发表在JAMA Network Open上的研究描述了一组基于电子病历数据的预测分析工具如何使用1岁之前收集的患者数据早期检测自闭症。这些工具的准确性得到了验证,可以帮助患者和家庭获得适当的行为支持和资源,从而提高治疗效果。
一项新研究表明,机器学习模型可以使用健康索赔数据准确预测18至30个月大儿童的自闭症谱系障碍风险。这种工具有助于早期发现和干预,提高儿童的发展和生活质量。
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人工智能模型,通过睡眠时的呼吸模式检测帕金森病的存在和严重程度。这种无创检测方法可以帮助早期诊断帕金森病,提高患者的生活质量。该模型使用神经网络分析呼吸模式,来判断是否存在帕金森病。