Badacze opracowali system uczenia maszynowego do przewidywania przewlekłego zapalenia zatok (CRS) na skalę krajową, wykorzystując dane z elektronicznych rejestrów medycznych (EHR) i modele dostrojone dla różnych grup demograficznych. Model analizuje cechy pacjentów w celu wcześniejszego identyfikacji osób zagrożonych tym schorzeniem. Podejście warstwowane demograficznie poprawia dokładność predykcji, umożliwiając bardziej spersonalizowaną opiekę zdrowotną i alokację zasobów.