
移动应用引导的自我按压:卵巢癌相关疲劳的可扩展解决方案
一项3期随机临床试验表明,与常规护理相比,6周的移动应用引导的自我按压显著且持续地减轻了卵巢癌幸存者的疲劳,提供了一种安全、低成本的数字健康干预措施,用于长期症状管理。
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.

一项3期随机临床试验表明,与常规护理相比,6周的移动应用引导的自我按压显著且持续地减轻了卵巢癌幸存者的疲劳,提供了一种安全、低成本的数字健康干预措施,用于长期症状管理。

一项多中心随机对照试验表明,远程机器人手术在距离长达2800公里的情况下,对于泌尿外科手术的成功率、低延迟和等效安全剖面均不逊于本地手术。

一项涉及30名眼科医生和住院医师的交叉研究显示,虽然Claude-3.5-Sonnet协作在复杂病例中提高了诊断准确性,但也增加了对错误决策的信心,并且未能达到单独使用AI的性能水平。

本综述评估了AI病理模型在预测EGFR突变方面的通用性,强调了不同遗传背景和样本类型下的显著性能差异及其在临床分诊中的作用。

这项多机构研究验证了Neuropath-AI,这是一种通过从组织病理学切片推断分子特征来预测中枢神经系统(CNS)肿瘤类型的深度学习系统。该模型在高置信度样本中达到了80%的Top-1准确率,为神经肿瘤学诊断提供了可扩展的工具。

单中心研究表明,基于CT的淋巴结分割和影像学外侵(iENE)分类的人工智能管道在预测HPV阳性口咽癌患者的预后方面显著优于传统的放射学评估,能够更有效地识别高风险患者。

发表在《NEJM AI》上的一项纵向研究评估了七种生成式AI聊天机器人对酒精滥用的支持情况,发现尽管它们在同理心和非评判性语言方面表现出色,但经常提供低质量或不准确的医疗信息,突显了临床应用中的关键安全问题。

研究人员开发了EEGSurvNet,一种深度生存模型,用于分析常规EEG以预测两年内的癫痫发作风险。该模型在两个月时达到了0.80的AUROC值,并在没有可见癫痫样放电的患者中表现出高疗效。

这项独立验证研究表明,AI增强的ECG模型能够有效检测不同人群中的左心室收缩功能障碍,AUROC最高达到0.93。然而,在模型透明度和数据共享方面仍存在显著障碍,影响临床应用。

一项随机多方法研究揭示,尽管AI临床决策支持系统在抗生素转换中受到欢迎,但其主要影响是强化保守处方。研究表明,可用性和临床证据比AI解释在护理点的重要性更高。

一项随机对照试验表明,使用Better Pregnancy应用程序的移动健康管理模型显著降低了妊娠糖尿病(GDM)的发病率,改善了血糖控制,并提高了高危孕妇的自我效能,为现代产科护理提供了可扩展的解决方案。

经过验证的多模态AI模型利用数字病理学和临床数据显著改善了前列腺癌生化复发患者的危险分层,识别出最能从挽救性激素治疗中获益的患者。

对PanaMa试验的深度学习分析显示,在RAS野生型转移性结直肠癌(mCRC)患者中,高肌肉-骨骼比(MBR)患者的维持治疗中加入帕尼单抗的获益显著更高,这表明了一种新的AI驱动的个性化肿瘤学方法。

一种通过深度学习得出的肌肉减少症指标——肌肉-骨骼比(MBR),已被证明能够预测RAS野生型转移性结直肠癌患者对维持抗EGFR治疗的疗效,可能识别出真正从治疗强化中受益的患者。

PECTUS-AI研究表明,使用OCT通过AI识别薄帽纤维粥样瘤(TCFA)在预测心血管事件方面的预后价值优于手动分析,尤其是在评估整个成像冠状段时,为高危患者的识别提供了一种标准化方法。

新型PILOT机器学习架构整合了分阶段围手术期数据和再生相关生物标志物,能够在手术后六小时内预测肝切除术后肝功能衰竭,显著优于传统临床模型,并实现早期个性化风险分层。

一项多中心研究表明,使用术前MRI的深度迁移学习(DTL)算法可以以超过92%的准确率预测人工耳蜗植入儿童的口语发展,显著优于传统机器学习模型和临床变量。

使用机器学习对TEAM试验进行的二次分析表明,机械通气患者的强化早期活动具有高度个体化的效果,从降低34%的死亡率到增加39%的风险不等,具体取决于基线临床特征。

基于AI的常规胸部CT分析显示,冠状动脉钙化在IMID患者中高度普遍,并且强烈预测主要不良心血管事件(MACE)和全因死亡率,识别出这一高风险人群中的关键治疗缺口。

移动健康短信干预显著提高了结核病患者的戒烟率并降低了死亡率,支持其在结核病项目中的实施。
打开分语言的专科信息流和科室页面。