
AI 驱动的床旁 EEG 癫痫发作负荷监测:可预测出院时临床结局
基于人工智能的床旁即时 EEG 监测可准确量化癫痫发作负荷,并显示其与出院时不良临床结局存在剂量依赖性关联,提示其在重症监护中的应用潜力。
Our website uses essential cookies and, with your consent, additional cookies to measure performance and improve our services. Cookie Policy.
You can change your choice at any time.

基于人工智能的床旁即时 EEG 监测可准确量化癫痫发作负荷,并显示其与出院时不良临床结局存在剂量依赖性关联,提示其在重症监护中的应用潜力。

一项比较“医师惊讶问题”、AI驱动的 GEST 模型及二者联合方案的研究显示,在预测老年急诊患者6个月死亡风险方面,联合方法可提高准确性并提升效率。

机器学习算法可基于颞骨MRI生成合成CT图像,从而在不增加辐射暴露的情况下同时显示骨与软组织,有助于耳科手术规划与解剖定位。

一项使用人工智能分析放射学报告的回顾性队列研究揭示了偶然甲状腺发现(ITFs)的高流行率,与诊断级联的强烈关联,以及低风险甲状腺癌潜在的过度诊断。

一个主动的数字心理健康平台改善了医护人员的心理健康结果,特别是对黑人和女性参与者的生产力提升和持续抑郁减少有显著益处。

对AI生成的临床记录进行横断面评估发现,其质量显著低于人类生成的记录,特别是在详尽性、组织性和实用性方面。

一项队列研究显示,开源AI病理模型在预测肺腺癌EGFR突变时在不同血统群体中的表现存在差异,亚洲患者(AUC 0.68)的准确性明显低于欧洲(AUC 0.84)和非洲(AUC 0.85)人群,这对公平的临床应用提出了重要考虑。

VITAL-AF试验分析显示,结合基于ECG的人工智能与临床风险评分显著提高了房颤筛查效率。研究证明,高危个体从筛查中受益最大,其中CH-AI风险最高十分位数的筛查人数需求仅为每年43人。

MYRIAD试验的二次分析显示,虽然机器学习模型可以识别可能从学校正念训练中受益的青少年,但这些预测的临床相关性仍然很小。因果森林和弹性网回归模型检测到了统计学上显著但实际影响微乎其微的结果差异。

研究人员开发了一种基于人工智能的框架,揭示了肝细胞癌中肿瘤间质比与死亡率之间的非线性关系,通过一种新颖的令牌引导多模态融合方法,提高了预后的准确性,超越了传统方法。

研究人员开发并验证了ADAPT-CEC,一种可以裁决不同试验定义下心血管事件的人工智能算法。结合AI与选择性人工审查的混合方法达到了95.6%的准确率,并复制了主要试验结果。

一项随机临床试验表明,可穿戴经皮穴位电刺激(TEAS)在高风险手术患者中对中重度术后恶心呕吐(PONV)的2小时缓解率更高,24小时复发率显著降低,优于静脉注射甲氧氯普胺。

一项多中心随机对照试验显示,将动作观察与虚拟现实相结合显著提高了中风患者瘫痪手的灵巧性,并且这种益处在干预后六个月仍然持续存在,为传统神经康复提供了一种优越的多模式方法。

一项大规模回顾性研究表明,通过远程护理进行个性化碳水化合物减少治疗,与常规护理相比,显著降低了2型糖尿病和肥胖患者发生代谢相关脂肪性肝炎(MASH)和晚期肝并发症的风险。

一项大规模多中心随机对照试验(RCT)研究了人工智能辅助胃肿瘤检测,发现病理确诊检测率无显著提高,但显著减少了操作盲点,并对经验较少的内镜医师有明显益处。

本综述评估了突破性的ECG2HF模型,这是一种公开可用的人工智能工具,使用12导联心电图波形在预测10年心力衰竭风险方面优于标准临床评分。

这篇综述评估了一项关键研究,该研究表明跨模态成像能够以超过96%的准确率识别皮肤组织学特征,为传统活检提供了一种安全有效的无创替代方案,用于临床决策。

《美国医学会杂志·眼科学》(JAMA Ophthalmology)的一项多中心研究介绍了一种使用域迁移技术的深度学习模型,该模型能够准确检测不同OCT硬件供应商的黄斑疾病,具有高阴性预测值,并建立了适用于各种临床环境的稳健分诊系统。

MASAI试验表明,AI辅助乳腺X线摄影筛查在保持特异性和显著减少放射科医生工作量的同时,实现了更高的敏感性和不劣于标准双读的间期癌发生率。

TRICORDER试验表明,尽管AI听诊器能够检测心力衰竭、心房颤动和瓣膜病,但在英国初级保健中的实际应用并未在12个月内显著增加新诊断的数量。
打开分语言的专科信息流和科室页面。