مدل‌های RADAR و EAGLE نشان می‌دهند یک CT می‌تواند برای یافتن مجموعه‌ای از یافته‌ها دوباره تحلیل شود؛ اما نتایج پژوهشی هنوز با استفاده بالینی گسترده فاصله دارد.
هوش مصنوعی می‌تواند فهم اطلاعات پزشکی را آسان‌تر کند، اما خطای آن ممکن است پیامد واقعی داشته باشد. شناخت تفاوت چت‌بات عمومی، AI پژوهشی و Medical AI تأییدشده برای استفاده ایمن ضروری است.
پژوهشگران Google Research امکان استفاده از PhotoScan، یک روش یادگیری عمیق برای برآورد ترکیب بدن از عکس‌های گوشی هوشمند، جهت پیش‌بینی مقاومت به انسولین را بررسی کرده‌اند. نتایج نشان می‌دهد دقت این روش در یک محیط پژوهش بالینی به دقت اسکن‌های DXA نزدیک است.
مدل SleepFM با تحلیل داده‌های خواب شبانه می‌تواند سال‌ها پیش از بروز علائم، خطر ابتلا به ۱۳۰ بیماری از جمله سرطان را پیش‌بینی کند.
یک تحول بزرگ در فناوری پزشکی رخ داده است. پژوهشگران دانشگاه کالیفرنیا، سانتا کروز (UCSC) موفق به توسعه سیستمی شده‌اند که می‌تواند تنها با استفاده از سیگنال‌های Wi-Fi، ضربان قلب را با دقت بسیار بالا اندازه‌گیری کند، بدون اینکه نیازی به ساعت‌های هوشمند یا تجهیزات پزشکی گران‌قیمت باشد.
هر سال دست‌کم ۱.۲۷ میلیون نفر به‌طور مستقیم بر اثر مقاومت آنتی‌میکروبی جان خود را از دست می‌دهند و این مقاومت با نزدیک به ۵ میلیون مرگ مرتبط است. این معضل، درمان بسیاری از عفونت‌های رایج را دشوارتر کرده است.