O modelo foi treinado com dados de interação genética de milhões de células humanas, tornando-se capaz de aprender como os genes se relacionam e como a interrupção nessas redes pode causar doenças.
Um equipamento sem fio é usado para registrar o padrão respiratório enquanto a pessoa está dormindo, e uma rede neural é responsável por transformar este padrão em um diagnóstico.
Um modelo foi treinado para identificar e classificar em grupos de risco os pacientes com maior probabilidade de não responderem bem à terapia antiviral, abrindo a possibilidade para tratamentos mais personalizados.
Os pesquisadores utilizaram ferramentas de machine learning para desvendar quais são os fatores demográficos, profissionais e ambientais que estimulam enfermeiros a não reportar erros de medicação, o que atrapalha a elaboração de planos preventivos eficazes.
Os autores do trabalho utilizaram dados clínicos e de imagem para predizer a probabilidade de um paciente morrer nos próximos 10 anos, o que permite a um médico adotar medidas preventivas.
Um algoritmo foi treinado para identificar como um tipo específico de antígeno produzido pelo câncer é reconhecimento pelo sistema imunológico, assim abrindo novas possibilidades de terapia.
O algoritmo desenvolvido fez a clusterização de dados de ressonância magnética do cérebro dos pacientes, identificando três novos subtipos de esclerose múltipla que podem ser muito informativos na definição do tratamento.
O sistema de inteligência artificial leva em consideração todos os fatores que têm impacto financeiro no tratamento cirúrgico de um paciente, numa janela de 120 dias ao redor do procedimento. Assim, é possível reconhecer qual a estratégia de tratamento que ocasiona a recuperação mais rápida, o que costuma representar economia financeira.
Uma plataforma médica aplica inteligência artificial para produzir hologramas tridimensionais a partir de exames de imagem tradicionais, os quais podem ser projetados num ambiente de realidade aumentada para visualização e manipulação.
O algoritmo usa dados de eletroencefalografia para analisar o cérebro como uma rede interconectada, e a partir das características de conexão, é capaz de prever quando os eventos de convulsão vão ocorrer.
