Thẻ
Kiến trúc học máy PILOT mới tích hợp dữ liệu tiền-mổ, trong-mổ và sau-mổ theo giai đoạn thời gian cùng với các chỉ số sinh học liên quan đến tái tạo gan để dự đoán suy gan sau cắt gan trong vòng sáu giờ sau phẫu thuật, vượt trội đáng kể so
Phân tích thứ cấp của thử nghiệm TEAM sử dụng học máy cho thấy rằng việc di động sớm tăng cường ở bệnh nhân thở máy có hiệu ứng cá nhân hóa cao, từ giảm 34% tỷ lệ tử vong đến tăng 39% nguy cơ, tùy thuộc vào đặc điểm lâm sàng ban đầu.
Bài đánh giá này tổng hợp các bằng chứng về một mô hình học máy lai mới sử dụng dữ liệu từ cơ sở dữ liệu ghép phổi Hoa Kỳ để dự đoán nguy cơ tử vong hoặc tái ghép sau 1, 5 và 10 năm, làm nổi bật tính hữu ích lâm sàng và khả năng giải thích
Mô hình học sâu đa trung tâm đã phân loại đáng tin cậy điểm tiêu điểm của sinh thiết (AUROC ≈0,88–0,89) và xác định một mô hình mới về sự tập trung tế bào T CD8+ xung quanh tế bào biểu mô tuyến (CD8+ T-cell peri-acinar pattern) liên quan đế
Phân tích proteogenomics toàn diện trong ung thư ống mật ngoại gan đã cắt bỏ tiết lộ các dấu sinh học dự đoán để tùy chỉnh hóa trị liệu bổ trợ, cung cấp cách tiếp cận y học chính xác để cải thiện kết quả của bệnh nhân.
Nghiên cứu này áp dụng học máy và trí tuệ nhân tạo giải thích được để xác định các yếu tố liên quan đến đau mãn tính, căng thẳng tâm lý và sự đồng phát sinh của chúng ở người trưởng thành trẻ Na Uy, nhấn mạnh tầm quan trọng của các phương p
Nghiên cứu này đã phát triển và xác nhận các mô hình học máy có độ chính xác cao để dự đoán sớm nhiễm trùng và sốc nhiễm trùng ở trẻ em trong vòng 48 giờ bằng cách sử dụng dữ liệu y tế điện tử từ nhiều địa điểm tại các phòng cấp cứu.
Các mô hình học máy tích hợp giữa hình ảnh học và lâm sàng vượt trội hơn so với các chỉ số sinh học lâm sàng truyền thống trong việc dự đoán sự sống còn và đáp ứng điều trị ở bệnh nhân ung thư tế bào gan không thể cắt bỏ đang điều trị bằng
Mô hình học máy phân loại chính xác bệnh nhân mắc ung thư tế bào gan để hướng dẫn lựa chọn cá nhân hóa giữa ghép gan và phẫu thuật cắt bỏ, cải thiện kết quả sống sót đồng thời giải quyết sự khan hiếm nguồn hiến tặng và sự đa dạng của bệnh n
Các mô hình học máy được huấn luyện trên dữ liệu lâm sàng cải thiện khả năng dự đoán bệnh động mạch vành trên các quét CT so với các điểm rủi ro truyền thống, có thể hướng dẫn sử dụng tài nguyên hiệu quả hơn trong chăm sóc tim mạch.
Một mô hình phân mảnh ADN tự do mới kết hợp với học máy đạt độ chính xác cao trong việc phát hiện sớm ung thư tuỵ, có tiềm năng cải thiện kết quả điều trị thông qua can thiệp kịp thời.
Một nghiên cứu tiền cứu cho thấy các mô hình học máy được đào tạo dựa trên đặc điểm ECG 12 dẫn vượt trội hơn điểm số HEART trong việc dự đoán tử vong ở bệnh nhân đau ngực, cải thiện độ chính xác của chăm sóc dựa trên rủi ro.
