如果将社会因素考虑在内,机器学习就会得到改善
机器学习可以准确地预测心血管疾病并指导治疗,但纳入健康社会决定因素的模型能更好地捕捉不同群体的风险和结果。
研究人员描述了他们开发的一种从人类细胞中培育微型“芯片大脑”的方法,这种方法使他们能够跟踪皱纹形成过程背后的物理和生物机制。
来自马萨诸塞州的renselaer理工学院和临床医生的工程师团队综合医院开发了一种深入的学习算法,可以帮助评估患者的心血管疾病风险,相同的低剂量计算机断层扫描(CT)扫描用于筛查肺癌。
弗劳恩霍夫研究所(Fraunhofer Institutes)的M³infokt项目旨在开发一种多模式、模块化和移动的传感器系统,用于监测传染病。
2019冠状病毒病让许多对2020年的预测出现了全新的转向:虽然一些被炒作的趋势最终只发挥了很小的作用,但其他一些趋势在新常态下成为了票房热门。
麻省理工学院(Massachusetts Institute of Technology)的工程师开发了一种生物机器人混合心脏,用于测试假体瓣膜和其他心脏设备。
2019年初,欧盟ELSAH项目的目标是在四年内设计出一种可穿戴设备,能够持续测定生物标志物浓度。
一种新利18官方3D打印技术允许制造多层血管,这些血管具有独特的生物分子,当它们被植入时,这些分子将转化为有功能的血管。
研究人员已经在将电子传感器与个性化的3D打印假肢整合在一起方面取得了进展,这一发展有一天可能会导致更便宜的电动假肢。
无线身体传感器可以取代目前在医院新生儿重症监护室(NICU)监控婴儿的电线传感器,这些传感器阻碍了父母和婴儿的拥抱和身体联系。
研究人员正在开发一款应用程序和可穿戴技术,让孕妇可以使用智能手机来检测自己是否患有可能给自己或未出生的孩子带来严重健康并发症的疾病。