美国肯塔基大学脑血管及血管外科主任Justin Fraser博士牵头的“人工智能算法作为动脉瘤的诊断工具”研究评估了Viz Aneurysm（动脉瘤）算法的性能表现。研究发现，在回顾性收集的963份CT扫描中，Viz Aneurysm算法的特异性为96.8%，阴性预测值为97.2%，表明Viz Aneurysm是一种高度特异的工具，有助于识别动脉瘤。

美国UTHealth神经学副教授Sunil Sheth博士牵头的“用户参与度与自动LVO检测软件的临床影响有关”是一项多中心、回顾性、随机临床试验的事后分析。该分析发现，使用Viz LVO（大血管闭塞）后，所有参研中心的入院至腹股沟穿刺（DTG）时间缩短了11分钟。该研究是第一项基于用户参与度来评估AI对急性卒中工作流程影响的研究，其结果证实了在基于机器学习的AIS-LVO检测中，终端用户的参与和交互具有重要意义。

美国德州大学加尔维斯顿医学分校NEURAL实验室主任Roberto Garcia博士牵头的“使用卷积神经网络算法对外部数据集进行脑室和颅内出血、出血量及中线移位估计”研究评估了卷积神经网络Viz ICH+在自动量化颅内出血（ICH）、侧脑室出血量和中线移位等方面的性能表现（vs人工读数）。结果显示，该网络性能表现出色，在独立验证成像集趋势分析中的一致性令人满意。

美国匹兹堡大学医学院卒中研究所所长Raul G Nogueira博士牵头的“人工智能对大型学术医疗系统急性缺血性卒中治疗的影响”研究评估了使用卒中分诊AI软件（Viz.ai）对大型学术性医疗系统的影响。结果显示，在为期2年的研究中，除了治疗时间的减少外，不必要转院次数（60次）也得到大幅减少。

美国库伯大学健康医疗综合卒中项目主任James E Siegler博士牵头的“大血管闭塞患者使用自动成像解析和共享平台前/后的入院至血管造影情况：单中心研究”显示，使用Viz LVO软件与转院患者首次到院至神经干预的时长缩短有关。

美国加州大学圣地亚哥分校神经科学副教授Royya F Modir博士牵头的“隐源性卒中的长期心脏监测：圣地亚哥经验”在两家大型学术综合卒中中心评估了可植入式心脏监测仪在真实世界中的可靠性和使用体验。该研究显示，长期心脏监测可检测显著的心房颤动率，尤其是对隐源性卒中患者。