AI Model Could Cut Thousands of Unnecessary Blood Tests in Complex Diagnostics

מאת אוריאל פיליפ

מה קרה

Researchers at Ichilov Medical Center developed an AI model that predicts negative lupus anticoagulant test results early, potentially reducing unnecessary blood tests by about 90%. The model was correct 98% of the time when identifying likely negative samples, which could save resources and speed up diagnostics if adopted widely.

• 01AI model predicts negative lupus anticoagulant tests early, reducing unnecessary blood tests.
• 02Study analyzed 7,454 tests, with nearly 90% negative results.
• 03Model used two routine coagulation tests and identified patterns with 98% accuracy.
• 04AI is not a replacement but a tool to avoid further testing in likely negative cases.
• 05Approach could shorten wait times and save lab resources if validated elsewhere.
• 06Research led by Dr. Bentzi Katz at Ichilov and published in Digital Medicine.

התקציר תורגם וסוכם מהמקורות למטה על ידי baba. לקריאה המלאה פתחו כל מקור.

סיקור מלא · 2 מקורות

אותו אירוע, כפי שכל חדר חדשות דיווח עליו בנפרד. פתחו כמה כדי להשוות במה כל אחד מדגיש ומה הוא משמיט.

Behadrei HaredimRight · עבריתאוג׳ 20, 2026

AI Model Could Cut Thousands of Unnecessary Blood Tests in Complex Diagnostics

YnetCenter · עבריתאוג׳ 20, 2026

AI Model Could Cut Unnecessary Lupus Anticoagulant Blood Tests by Predicting Negatives Early

סיפורים קשורים

העתיד כבר כאן: ה-AI שעשוי לזהות זיהום עמיד בשלב האבחוןספט׳ 3, 2026בינה מלאכותית שפותחה בשיבא מזהה מחלות לב בצילום ממוגרפיהלפני 4 שעותIsraeli Health Ministry Tests AI Systems for Autonomous Medical Decisionsיולי 9, 2026AI System Helps Doctors Identify 18 Rare Childhood Diseasesיוני 21, 2026Israeli Researchers Develop Affordable Blood Test to Detect Lung Cancer Earlyאוג׳ 4, 2026Rambam Hospital Deploys AI System to Enhance Emergency Diagnoses and Save Livesיולי 23, 2026