预防医学

应用于电子病历的机器学习可用于创建个性化的实验室测试参考范围和量化疾病风险，这将为临床护理中的精准医疗铺平道路。

美国食品和药物管理局(fda)批准的医疗人工智能设备的全面概述，揭示了评估过程的局限性，这些局限性可以掩盖设备部署在患者身上时的漏洞。

风湿病学领域准备在可测量和可量化的分子特征的基础上对系统性自身免疫性疾病的表型进行分类。利用定量的、数据驱动的方法来识别各种疾病的相似性、预测临床结果和预测对治疗的反应，这些正在出现的努力可能会极大地改变治疗范式。

许多广泛使用的健康算法被证明编码并加强了种族健康不平等，优先考虑白人患者的需求，而不是有色人种患者的需求。由于自动化系统对获得健康变得如此重要，人工智能领域的研究人员必须积极反对种族主义。在这里，我们列出了一些具体步骤，以便在医学研究和实践中实施反种族主义做法。

研究人员开发了一种硅(计算机)平台，将组织适应与细胞和分子的相互作用结合起来，模拟骨骼对机械负荷的适应以及代谢性骨病的进展和治疗。这种硅工具的好处是什么，如何建立仿真结果的可信度?

在怀孕人群中测试药物安全性仍然是一个棘手的问题，但在向大数据和机器学习过渡的过程中，靶向试验可能是随机对照试验的可行替代方案。