德克薩斯心臟研究所（Texas Heart Institute），於2024年3月4日ScienceDirect期刊，透過機器學習技術來識別、理解並預測急性失代償性心衰竭（acute decompensated heart failure,ADHF）患者對利尿劑（Diuretic）的反應，同時開發出一種名為BAN-ADHF評分的預測工具，可以產生個人化治療策略，有效管理因 ADHF 住院的患者的醫療品質。

在2024年3月12日結束的HIMSS24大會上，Google Cloud宣布推出一系列新產品和服務，幫助醫療和生命科學機構實現互通性、打造更完善的數據基礎設施、生成式AI工具，改善患者的就醫品質和醫療服務。

一項牛津大學（University of Oxford）並由英國心臟基金會（British Heart Foundation）資助的研究，於2023年11月發表在費城舉行的美國心臟協會科學會議，研究表明，該團隊研發的人工智慧工具，可以預測10 年內致命心臟病發作風險的人，改變必須接受CT 掃描以調查胸痛的患者的治療方法。

波士頓大學（Boston University）開發的模型，使用個別患者的生物指標、人口統計資訊、生命體徵、過去的醫療歷史和臨床檢測記錄，產生客製化的降血壓處方，為醫生提供建議藥物清單及相應成功的機率。模型可以協助將患有高血壓的人配對至最可能對其有效的藥物，達到精準醫療的成效。

哈佛大學（Harvard University）的醫學院研究團隊與麻省理工學院（Massachusetts Institute of Technology），共同開發出一人工智慧工具—‘Sybil’，可以分析低劑量電腦斷層掃描（LDCT）結果，並且準確預測了有無吸煙史的個體未來一到六年罹患肺癌的風險。

斯坦福大學（Stanford University）的醫學院研究團隊，透過利用400多名膠質母細胞瘤患者的空間轉錄組圖像(Spatial Transcriptomics)和遺傳數據進行模型的訓練，成功開發一模型'GBM36'，可藉由評估膠質母細胞瘤組織的染色圖像，預測患者腫瘤的侵襲性，確定腫瘤細胞的基因組成，協助醫師評估治療。