Zespół naukowców z Black Dog Institute i Center for Big Data Research in Health niedawno zbadali bazę dowodową modeli uczenia maszynowego i ich zdolność do przewidywania przyszłych zachowań i myśli samobójczych. Ocenili wydajność 54 algorytmów uczenia maszynowego opracowanych wcześniej przez naukowców w celu przewidywania związanych z samobójstwem skutków wyobrażeń, prób i śmierci.
Naukowcy z University of Michigan Rogel Cancer Center opracowali platformę obliczeniową, która może przewidywać nowe i specyficzne cele metaboliczne w raku jajnika, sugerując możliwości opracowania spersonalizowanych terapii dla pacjentów, którzy są poinformowani o składzie genetycznym ich guzów. Badanie ukazało się w Nature Metabolism.
Według naukowców z Penn State użytkownicy mediów społecznościowych mogą ufać sztucznej inteligencji (AI) tak samo, jak redaktorom ludzkim, jeśli chodzi o zgłaszanie mowy nienawiści i szkodliwych treści.
W badaniach prowadzonych przez University of Exeter i Kent and Medway NHS and Social Care Partnership Trust, opublikowanych w Age and Ageing, oceniono nowe narzędzie zaprojektowane do obliczania, które leki mają większe prawdopodobieństwo wystąpienia niekorzystnego działania antycholinergicznego na organizm i mózg.
Języki naturalne i białka mają w rzeczywistości podobną strukturę. Aminokwasy układają się w wiele kombinacji, tworząc struktury, które pełnią określone funkcje w żywym organizmie – podobnie jak słowa tworzą zdania w różnych kombinacjach, które wyrażają pewne fakty.
Badania opublikowane w Journal of Experimental Psychology: General wykazały, że urządzenia cyfrowe pomagają ludziom przechowywać i zapamiętywać bardzo ważne informacje. To z kolei uwalnia ich pamięć do przywoływania dodatkowych mniej ważnych rzeczy.
Lekarze często przeszukują elektroniczną dokumentację medyczną pacjenta w celu uzyskania informacji, które pomagają im w podejmowaniu decyzji dotyczących leczenia, ale kłopotliwa natura tych danych utrudnia ten proces. Badania wykazały, że nawet jeśli lekarz został przeszkolony w zakresie korzystania z elektronicznej karty zdrowia (EHR), znalezienie odpowiedzi na tylko jedno pytanie może zająć średnio ponad osiem minut.
Grupa badawcza z Uniwersytetu Nagoya w Japonii opracowała algorytm sztucznej inteligencji (AI) do analizy obrazów komórek, która wykorzystuje uczenie maszynowe do przewidywania terapeutycznego działania leków.
Zespół Downa, znany również jako trisomia 21, jest najczęstszą anomalią chromosomową powodującą opóźnienie rozwoju i niepełnosprawność intelektualną i można ją zidentyfikować w macicy. Wiele kobiet w ciąży stara się ustalić, czy ich płód ma tę nieprawidłowość.
Najnowocześniejszy system sztucznej inteligencji (AI), który może dokładnie przewidywać obszary obrazu, na które dana osoba najprawdopodobniej spojrzy, został stworzony przez naukowców z Cardiff University.
Uniwersytet w Madrycie (Universidad Carlos III de Madrid) prowadzi badania, które analizują wzorce oporności na antybiotyki w celu znalezienia tendencji, które mogą pomóc w podjęciu decyzji, jakie leczenie zastosować dla każdego typu pacjenta i zatrzymać rozprzestrzenianie się bakterii.
Według nowego badania opublikowanego w czasopiśmie Radiology narzędzie sztucznej inteligencji (AI) pomaga lekarzom przewidywać ryzyko raka w guzkach płuc obserwowanych w tomografii komputerowej.
Naukowcy odkryli, że istnieje możliwość wykorzystania sztucznej inteligencji do przewidywania, w jaki sposób rak może wpływać na prawdopodobieństwo złamań wzdłuż kręgosłupa.
Naukowcy z Uniwersytetu w Leeds opracowali nowy sposób wykorzystania sztucznej inteligencji do przewidywania raka na podstawie danych pacjentów bez narażania danych osobowych na ryzyko.
Nowe badanie przeprowadzone przez naukowców z College of Health and Human Services ma pomóc w określeniu, które objawy częściej wskazują na COVID w sezonie grypowym. To pierwsze badanie uwzględniające sezonowość.
© Wydawnictwo Wiedza i Praktyka
