Statistical pitfalls of personalized medicine | Nature

個性化醫療旨在使個體與最適合他們的治療及其狀況相匹配。誤導性的術語和任意分組阻礙了藥物試驗，並且可能對為個人定製藥物的潛力提供錯誤的希望。

原文連接

Clinical epigenetics: seizing opportunities for translation | Nature Reviews Genetics

生物標誌物的發現和驗證對於改善臨床結果和患者監測是必要的。表觀遺傳改變已被納入生物標誌物領域的有價值的候選者。此外，它們的可逆性提供了通過使用基於表觀遺傳的療法改善疾病癥狀的希望。因此，除了幫助理解疾病生物學之外，臨床表觀遺傳學正被納入腫瘤學中的患者治療，並且正在探索其他人類病理學的臨床適用性，例如神經病學和傳染病以及免疫系統病症。

論文連接

Introducing medical language processing with Amazon Comprehend Medical | AWS Machine Learning Blog

Amazon Comprehend Medical是一種符合HIPAA標準的新的機器學習服務，允許開發人員處理非結構化醫療文本並識別患者診斷、治療、劑量、癥狀和體征等信息。Amazon Comprehend Medical允許開發人員自動識別關鍵的常見醫療信息類型，具有高精度，無需大量自定義規則。Amazon Comprehend Medical可以識別醫療條件、解剖學術語、藥物、醫學檢查的細節、治療和手術。

原文連接

推薦閱讀：