خلاصه: annalise.ai وارد هند می شود و خلاصه های بیشتر

annalise.ai به هند گسترش می یابد

شرکت رادیولوژی هوش مصنوعی annalise.ai با افتتاح اولین مکان خود در هند به گسترش جهانی خود ادامه می دهد.

ورود آن به یکی از بازارهای تجهیزات پزشکی که سریع‌ترین رشد را در جهان دارد، با مسیر رشد سریع آن همسو می‌شود و در عین حال دید و قابلیت‌های آن را در سایر بازارهای جدید مانند ایالات متحده، بریتانیا، اروپا و آسیا افزایش می‌دهد.

بر اساس یک انتشار رسانه ای، مرکز Annalize India در چنای بر توسعه و بازاریابی محصولات جدید تمرکز خواهد کرد.

Lakshmi Gudapakkam، مدیر عامل شرکت همچنین گفت فرصتی برای “استفاده از مجموعه استعدادهای متنوعی که هند را به یک مرکز فناوری تبدیل می کند و توسعه برنامه های کاربردی جدید هوش مصنوعی را تسریع می بخشد” وجود دارد. این شرکت به دنبال استخدام افراد با استعداد است توسعه محصول، از جمله مهندسان نرم افزار، مدیران محصول و نظارت، و همچنین گسترش تیم های خدمات تجاری و تجاری خود.

Alcidion، Coviu یکپارچه سازی را برای RPM بلادرنگ اعلام می کند

شرکت‌های فناوری سلامت Alcidion و Coviu با هم متحد شده‌اند تا راه‌حل جدیدی برای نظارت از راه دور بیمار ارائه دهند.

اپلیکیشن Miya Care Alcidion اکنون در پلتفرم Coviu ادغام شده است و به تیم های مراقبت اجازه می دهد تا وظایفی را برای بیماران در حین بهبودی در خانه تنظیم کنند. پس از آن، پزشکان سلامت می توانند بیماران خود را از طریق کنفرانس ویدیویی بررسی کنند، در طول زمان از شرایط آنها مراقبت کنند و از تشدید آن جلوگیری کنند.

این ادغام همچنین به Coviu این امکان را می‌دهد که هر زمان که ناهنجاری‌هایی در داده‌های علائم حیاتی جمع‌آوری‌شده از طریق برنامه Miya Care پیدا کرد، به پزشکان هشدار دهد.

Beamtree رئیس تحقیقات تجزیه و تحلیل داده های هوش مصنوعی را انتخاب کرد

Beamtree دکتر بن هاچی از دانشگاه سیدنی را به سمت دانشیار در انفورماتیک بالینی منصوب کرده است که پروژه های تحقیقاتی در زمینه هوش مصنوعی کاربردی برای داده های مراقبت های بهداشتی در دانشگاه سیدنی دانشکده پزشکی و بهداشت.

دکتر هاچی بیش از 20 سال تجربه آکادمیک و صنعتی در هوش مصنوعی و علم داده و بیش از 60 خروجی تحقیقاتی دارد که عمدتاً در زمینه هوش مصنوعی در سلامت هستند.

بر اساس یک بیانیه رسانه ای، او تلاش های تحقیقاتی را در چندین زمینه از جمله:

• روش های جدید برای در دسترس قرار دادن داده های بیمار برای پشتیبانی از ابزارهای پشتیبانی تصمیم گیری بالینی؛

• نقشه برداری بهتر داده های بیمار برای کمک به فعالیت های تحقیقاتی و نظارت بالینی؛ و

• استفاده از یادگیری ماشین و سایر مدل های علم داده در داده های بیمار.