AI驱动的术后监测系统利用机器学习算法分析患者数据并检测并发症，提高医疗资源分配效率。一种简化流程的解决方案是使用医生协助训练的大型语言模型（LLM）来理解患者历史和具体手术情况。LLM构建问题以检索情感数据，并将其发送到情感跟踪服务。患者评分指示其风险水平，并为患者和医生提供洞察，实现个性化护理和工作流优化。

该研究探讨了使用步态分析作为评估下肢骨折患者并发症的工具的潜力，特别是使用机器学习模型预测并发症。研究认为，机器学习在骨科护理中的步态分析中有潜力，可以提高患者的疗效。