Como os relatórios médicos tradicionais não fazem a distinção entre a agudez do quadro, os autores treinaram uma rede neural convolucional para identificar o estado a partir de anotações clínicas em texto livre, atingindo precisão elevada.
O modelo analisa múltiplas imagens de tomografia computadorizada do pulmão de pacientes potencialmente infectados pelo vírus, entregando um diagnóstico em 15 segundos, quando a análise tradicional leva 15 minutos. A ferramenta está sendo usada no diagnóstico e no acompanhamento do tratamento dos pacientes.
O modelo foi treinado para aprender a representar moléculas como vetores contendo os grupos químicos relevantes para a atividade antibacteriana; depois ele foi capaz de descobrir novos antibióticos potenciais a partir de um banco de moléculas. A halicina, molécula descoberta pelo método, teve sua ação potente confirmada por testes biológicos.
Os autores do estudo usaram leituras de atividade cerebral obtidas por eletroencefalografia (EEG) para treinar um algoritmo na tarefa de classificar a eficiência do tratamento da depressão com um medicamento clássico. O algoritmo atingiu alta precisão, podendo ser usado para prever quais pacientes responderão ao tratamento.
A molécula, que poderá user usada para tratar transtorno obsessivo-compulsivo, foi desenvolvida em 20% do tempo usual, graças ao uso de inteligência artificial, e já foi aprovada na fase pré-clínica e na fase clínica 0.
A Food and Drug Administration aprovou o uso de um algoritmo que foi treinado para avaliar a qualidade das imagens do coração obtidas por ultrassom, e dá orientações em tempo real ao técnico para garantir que as imagens tenham qualidade diagnóstica.
Um trabalho buscou na literatura já existente uma molécula capaz de impedir a entrada do novo vírus nas células humanas. O outro apresentou seis novas moléculas com potencial para impedir o processo de replicação do vírus dentro das células, e assim interromper a infecção.
Como eventos de baixa glicose sanguínea afetam a eletrofisiologia do coração, os autores do trabalho treinaram um algoritmo para detectar hipoglicemia a partir de sinais de ECG. O método atingiu desempenho similar ao do monitoramento tradicional (que envolve furar o dedo para coletar sangue), usando poucos batimentos cardíacos coletados por um dispositivo vestível.
Dois modelos foram testados: um apenas com medidas objetivas obtidas dos aparelhos, outro usando ainda uma escala de medida de consciência. Ambos performaram bem na previsão da morte de pacientes dentro de 30 dias. O modelo deve no futuro permitir o prognóstico dinâmico em tempo real dos pacientes.
Usando imagens de tomografia computadorizada dos tumores, um algoritmo aprendeu quais características estavam associadas com o sucesso do tratamento usando imunoterápicos, fornecendo um meio de predizer quais pacientes se beneficiaram do caro tratamento.
