📄 Category

health informatics

155 Arbeiten

Die Gesundheitsinformatik verbindet Medizin mit Datenwissenschaft, um Patientendaten intelligent zu nutzen und Behandlungen zu verbessern. Auf Gist.Science machen wir die neuesten Forschungsergebnisse aus diesem dynamischen Feld für jeden verständlich. Wir erfassen jede neue Vorabveröffentlichung, die direkt von medRxiv in diese Kategorie eingeht, und bieten dazu sowohl klare Zusammenfassungen für ein breites Publikum als auch detaillierte technische Analysen für Fachleute an.

Dieser Ansatz sorgt dafür, dass komplexe Fortschritte in der digitalen Gesundheit schnell und ohne unnötiges Fachchinesisch zugänglich werden. Ob es um KI-gestützte Diagnosen oder die Verwaltung großer medizinischer Datensätze geht, hier finden Sie die aktuellen Entwicklungen aus der Praxis.

Nachfolgend finden Sie die neuesten Beiträge in diesem Bereich, die wir für Sie vorbereitet haben.

Fully Automated Systematic Review Generation via Large Language Models: Quality Assessment and Implications for Scientific Publishing

Diese Studie demonstriert die technische Machbarkeit eines vollständig automatisierten Systems zur Generierung von systematischen Übersichten mittels großer Sprachmodelle, das in einer blinden Bewertung von Experten sogar eine höhere Qualität als eine menschlich verfasste Übersicht erreichte, gleichzeitig aber fundamentale Einschränkungen hinsichtlich Informationsbreite und die Notwendigkeit neuer Transparenzstandards in der wissenschaftlichen Publikation aufzeigt.

McLaughlin, L., Walz, M. S., Arries, C.2026-02-23📄 health informatics

Machine Learning Analysis of User Sentiments in Tinnitus Management Apps

Diese Studie analysiert mithilfe eines Graph-Neural-Network-Modells über 340.000 App-Bewertungen, um herauszufinden, dass therapeutische Funktionen wie Soundtherapie und Schlafunterstützung positiv bewertet werden, während Preisgestaltung, Werbung und technische Stabilität häufiger Kritik hervorrufen, und liefert damit datengestützte Erkenntnisse zur Verbesserung von Tinnitus-Management-Apps.

Yousaf, M. N., Anwar, M. N., Naveed, N., Haider, U.2026-02-22📄 health informatics

Clinicians' Rationale for Editing Ambient AI-Drafted Clinical Notes: Persistent Challenges and Implications for Improvement

Diese Studie analysiert auf Basis von Interviews mit 30 Klinikern die Gründe für das Nachbearbeiten von KI-generierten klinischen Notizen – hauptsächlich zur Sicherstellung der Genauigkeit, Risikominimierung und Einhaltung von Abrechnungsstandards – und leitet daraus konkrete Verbesserungsmaßnahmen für die KI-Technologie sowie die institutionelle Unterstützung ab.

Guo, Y., Hu, D., Yang, Z., Chow, E., Tam, S., Perret, D., Pandita, D., Zheng, K.2026-02-22📄 health informatics

Automation of Systematic Reviews with Large Language Models

Die Studie validiert den auf Large Language Models basierenden Workflow „otto-SR", der die zeitaufwändigen Phasen des Screenings, der Datenaextraktion und der Bias-Bewertung bei systematischen Übersichten automatisiert und dabei eine höhere Genauigkeit als menschliche Forscher aufweist, was eine schnelle und skalierbare Aktualisierung von Evidenzsynthesen ermöglicht.

Cao, C., Arora, R., Cento, P., Budak, A., Manta, K., Farahani, E., Cecere, M., Selemon, A., Sang, J., Gong, L. X., Kloosterman, R., Jiang, S., Saleh, R., Margalik, D., Lin, J., Jomy, J., Xie, J., Chen (…)2026-02-18📄 health informatics

Understanding Comorbidities in Hypermobile Ehlers-Danlos Syndrome: Could a Viral Infection Unmask the Disorder?

Basierend auf einer Analyse von über 19 Millionen US-Patienten zeigt die Studie, dass Menschen mit hypermobilem Ehlers-Danlos-Syndrom ein deutlich erhöhtes Risiko für Long-COVID haben und dass virale Infektionen oft als Auslöser dienen, um zuvor unerkannte Symptome dieses häufigeren Bindegewebserkrankung aufzudecken.

Pearson, M. L., Laraway, B. J., Elias, E. R., Bilousova, G., Haendel, M. A.2026-02-17📄 health informatics

Comparing AI and Human Coding of NIH Grant Abstracts to Identify Innovations in Opioid Addiction Treatment

Diese Studie zeigt, dass ChatGPT-4.0 bei der Analyse von NIH-Abstracts zu Opioid-Abhängigkeit in Bezug auf Tiefe und Relevanz der identifizierten Innovationen menschliche Kodierer übertrifft und somit die Effizienz und Qualität qualitativer Forschung steigern kann.

Alkhatib, S. A., Jiwa, N., Judd, D., Luningham, J. M., Sawyer-Morris, G., Ulukaya, M., Molfenter, T., Taxman, F. S., Walters, S. T.2026-02-17📄 health informatics

Sino-US-DrugQA: A Benchmark for Evaluating Large Language Models in Cross-Jurisdictional Pharmaceutical Regulation

Die Studie stellt Sino-US-DrugQA vor, ein bilingualer Benchmark-Datensatz mit über 11.000 Fragen, der zeigt, dass aktuelle Large Language Models zwar bei monolingualen regulatorischen Abfragen nutzbar sind, jedoch bei vergleichenden Analysen zwischen US-amerikanischen und chinesischen Arzneimittelvorschriften signifikante Leistungseinbußen aufweisen, was eine vorsichtige, von Experten überwachte Anwendung erfordert.

Chen, Z., Fu, X., Lu, W.2026-02-17📄 health informatics

Outcome Risk Modeling for Disability-Free Longevity: Comparison of Random Forest and Random Survival Forest Methods

Die Studie vergleicht Random Forest und Random Survival Forest-Modelle zur Vorhersage des altersbedingten Verlusts der Selbstständigkeit und stellt fest, dass beide Methoden vergleichbare Diskriminierungs- und Kalibrierungsergebnisse liefern, was darauf hindeutet, dass die Berücksichtigung von Zeitereignissen nicht zwangsläufig zu genaueren Vorhersagen führt.

Vanghelof, J. C., Tzimas, G., Du, L., Tchoua, R., Shah, R. C.2026-02-17📄 health informatics