Citazioni
SA Shah et al. Utilizzo del rilevamento basato sull’intelligenza artificiale della retinopatia diabetica negli Stati Uniti. JAMA Oftalmologia. vol. 142, dicembre 2024, pag. 1171. doi:10.1001/jamaophthalmol.2024.4493.
R.Amin et al. Progetto del gemello digitale immunitario: un modello meccanicistico completo del sistema immunitario umano. bioRxiv. 31 luglio 2024. doi:10.1101/2020.03.11.988238.
JW Kim et al. Trasformatore di robot chirurgico (SRT): apprendimento per imitazione per compiti chirurgici. arXiv: 2407.12998. 17 luglio 2024. doi:10.48550/arXiv.2407.12998.
L. Buturovic et al. Sviluppo di classificatori di machine learning per la diagnosi e la prognosi basate sul sangue di sospette infezioni acute e sepsi. arXiv:2407.02737. 3 luglio 2024. doi:10.48550/arXiv.2407.02737.
MA Merrill et al. Trasformare i dati indossabili in informazioni sulla salute utilizzando agenti di modelli linguistici di grandi dimensioni. arXiv: 2406.06464. 10 giugno 2024. doi:10.48550/arXiv.2406.06464.
J. Cosentino et al. Verso un modello linguistico ampio per la salute personale. arXiv: 2406.06474. 10 giugno 2024. doi:10.48550/arXiv.2406.06474.
F. Wong et al. Scoperta di una classe strutturale di antibiotici con deep learning spiegabile. Natura. vol. 626, 11 febbraio 2024, pag. 177. doi:10.1038/s41586-023-06887-8.
AL MacNeill, S. Doucet e A. Luke. Efficacia di un chatbot per la salute mentale per persone con malattie croniche: studio randomizzato e controllato. Ricerca formativa JMIR. vol. 8, 2024, e50025. doi:10.2196/50025.
G. Liu et al. Scoperta guidata dal deep learning di un targeting antibiotico Acinetobacter baumannii. Biologia chimica della natura. vol. 19, novembre 2023, pag. 1342. doi:10.1038/s41589-023-01349-8.
MDR Haque e S. Rubya. Una panoramica delle app mobili per la salute mentale basate su chatbot: approfondimenti dalla descrizione dell’app e dalle recensioni degli utenti. JMIR mHealth e uHealth. Vol 11, 2023 e44838. doi:10.2196/44838.
KE Henry et al. Fattori che guidano l’adozione da parte dei fornitori del sistema di allarme precoce basato sull’apprendimento automatico TREWS e i suoi effetti sui tempi di trattamento della sepsi. Medicina della natura. vol. 28, luglio 2022, pag. 1447. doi:10.1038/s41591-022-01895-z.
R. Adams et al. Studio prospettico multisito sugli esiti dei pazienti dopo l’implementazione del sistema di allarme precoce per la sepsi basato sull’apprendimento automatico TREWS. vol. 28, luglio 2022, pag. 1455. doi: 10.1038/s41591-022-01894-0.
H. Saeidi et al. Chirurgia laparoscopica robotica autonoma per anastomosi intestinale. Robotica scientifica. vol. 7, gennaio 2022. doi:10.1126/scirobotics.abj2908.
G. Coorey et al. Il gemello digitale della salute: il progresso della medicina cardiovascolare di precisione. La natura esamina la cardiologia. vol. 18, dicembre 2021, pag. 803. doi:10.1038/s41569-021-00630-4.
JM Stokes et al. Un approccio di deep learning alla scoperta degli antibiotici. Cella. vol. 180, 20 febbraio 2020, pag. 688. doi:10.1016/j.cell.2020.01.021.
