Pesquisa do Mount Sinai mostra que LLMs de IA acreditam em desinformação médica em 32–46% das vezes, especialmente quando apresentada como conselho de especialista.
Pesquisa da Universidade de Oxford conclui que chatbots de IA oferecem aconselhamento médico inconsistente, dificultando para os usuários identificar informações de saúde confiáveis.
Pesquisadores de Harvard publicam na Nature Neuroscience o modelo base BrainIAC, prevendo demência, AVC e câncer a partir de 48.900 exames de ressonância magnética.
Utah fez parceria com a startup de tecnologia de saúde Doctronic para lançar um sistema de IA que renovará autonomamente aproximadamente 200 medicamentos comuns após realizar avaliações clínicas. A iniciativa levanta questões críticas sobre a autoridade de supervisão da FDA, já que a Doctronic afirma que seu médico de IA não precisa de aprovação regulatória.
Esta ferramenta de aprendizado profundo fornece uma visualização 3D sem precedentes das células ciliadas da cóclea, avançando a pesquisa em tratamentos para a perda auditiva.
Pesquisadores do MIT mostram que os modelos de aprendizado de máquina com melhor desempenho podem tornar-se os piores quando aplicados a novos ambientes de dados, revelando riscos ocultos decorrentes de correlações espúrias na IA médica e em outras aplicações críticas.
