Fejlett gépi tanulási modell megjósolja az epilepszia és a depresszió kialakulását.

A kardiovaszkuláris kockázat jelenlegi becslése elsősorban a klasszikus rizikótényezőkön alapuló klinikai pontszámokra támaszkodik, ezek azon­ban csak mérsékelt pontossággal képesek megkülönböztetni a magas és alacsony kockázatú egyéneket. Az utóbbi években egyre nagyobb figyel­met kapott a koszorúér-meszesedés mértékét jelző koronáriakalcium-pontszám (CACS) és a koszorúér-CT-angiográfia (CCTA). Jelen közlemény célja, hogy összefoglalja a CACS alkalmazását a lipidszintcsökkentő és a trombocitaaggregáció-gátló terápiák során, továbbá megvizsgálja an­nak lehetőségét, hogy a CCTA a plakkterhelés és a plakkfenotípus részletes jellemzésével miként járulhat hozzá az ateroszklerózis elleni kezelések hatékonyságának monitorozásához.

Egy mesterséges intelligencia által vezérelt gyógyszerszimulációs elemzés adott meglepően jó eredményt, amelyet kísérletesen sikerült igazolni.

A csontsűrűség és a halálozási arány közötti összefüggés arra utal, hogy a csontásványianyag-sűrűség fontos prognosztikai biomarker lehet a szervezet általános egészségi állapotának megítélésében.

Az AI a rutinszerűen gyűjtött elektronikus egészségügyi adatokból évekkel a szokásos diagnózis előtt képes megbecsülni a gyermekek ADHD‑kockázatát.

A bélmikrobiom összetétele nagy pontossággal képes megjósolni a bőrdaganat kiújulásának valószínűségét.

A WHtR a BMI-hez képest sokkal pontosabb prediktornak bizonyult az emelkedett vérnyomás és a hipertónia kockázatának megállapításában.

Egy metaanalízis a demencia kockázata és az ülő életmód, az alvási és testmozgási szokások közötti összefüggéseket számszerűsítette.

Alzheimer-kórban, depresszióban, szorongásos zavarokban és poszttraumás stressz szindrómában is alkalmazható lehet a pontosan célzott eljárás.

A PathogenFinder2 modell a genom vizsgálata alapján képes a kórokozó baktériumok azonosítására.