📄 Category

health informatics

225 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.

📄 health informatics

A Reproducible Health Informatics Pipeline for Simulating and Integrating Early-Phase Oncology Clinical, Biomarker, and Pharmacokinetic Data for Exploratory Decision-Support Analytics

Diese Studie stellt einen reproduzierbaren Python-basierten Workflow vor, der synthetische klinische, Biomarker- und pharmakokinetische Daten aus frühen onkologischen Studien integriert, um analysierbare Datensätze, Visualisierungen und explorative Vorhersagemodelle für die Entscheidungsfindung zu generieren.

Petalcorin, M. I. R.2026-04-02
📄 health informatics

Self-Reported Symptoms Enable Four-Phase Menstrual Cycle Classification with Hormonally Validated Labels

Diese Studie zeigt, dass ein hybrides Modell aus Gradient-Boosting und Hidden Semi-Markov-Modellen allein auf Basis von selbstberichteten Symptomen eine hormonell validierte Klassifizierung der vier Menstruationsphasen mit einer Genauigkeit von 67,6 % ermöglicht und damit eine ressourcenschonende, tragbare-freie Überwachung der reproduktiven Gesundheit unterstreicht.

Specht, B., Tayeb, Z. Z., Garbaya, S., Khadraoui, D., EL-Khozondar, M., Schneider, R.2026-04-01
📄 health informatics

MedScope: A Lightweight Benchmark of Open-Source Large Language Models for Medical Question Answering

Die Studie stellt MedScope vor, ein leichtgewichtiges Benchmark-Framework, das sechs Open-Source-LLMs auf medizinische Multiple-Choice-Fragen hin bewertet und dabei zeigt, dass diese Modelle trotz ihrer Transparenz und Reproduzierbarkeit aufgrund von Leistungsunterschieden und Effizienzbeschränkungen derzeit noch nicht für den unüberwachten Einsatz in hochriskanten klinischen Szenarien geeignet sind.

Bian, R., Cheng, W.2026-04-01
📄 health informatics

Combining Token Classification With Large Language Model Revision for Age-Friendly 4M Entity Recognition From Nursing Home Text Messages: Development and Evaluation Study

Diese Studie entwickelt und evaluiert eine mehrstufige Pipeline, die einen feinabgestimmten Token-Klassifikator (Bio-ClinicalBERT) mit einer nachgelagerten Überarbeitung durch lokale Large Language Models kombiniert, um die präzise Extraktion der „4M"-Gesundheitsdaten (Was zählt, Medikamente, Mentation, Mobilität) aus unstrukturierten Pflegeheim-Nachrichten zu ermöglichen.

Amewudah, P., Popescu, M., Farmer, M. S., Powell, K. R.2026-04-01
📄 health informatics

MedResearchBench: A Multi-Domain Benchmark for Evaluating AI Research Agents on Clinical Medical Research

Das Paper stellt MedResearchBench vor, das erste Benchmark-System, das speziell entwickelt wurde, um KI-Forschungsagenten anhand von 16 klinischen Aufgaben aus sieben medizinischen Domänen zu bewerten und dabei einzigartige Herausforderungen wie komplexe Studiendesigns, Konfundierungskontrolle und die Einhaltung medizinischer Berichtsstandards zu adressieren.

Tan, S., Tian, Z.2026-03-31
📄 health informatics

VaaS is a Multi-Layer Hallucination Reduction Pipeline for AI-Assisted Science: Production Validation and Prospective Benchmarking

Die Studie stellt die VaaS-Pipeline vor, einen mehrstufigen Validierungsprozess, der durch Produktionstests und prospektive Benchmarks nachweist, dass sich Halluzinationen bei KI-gestützter wissenschaftlicher Synthese auf nahezu Null reduzieren lassen, während die Kosten pro Gene-Review unter einem Dollar bleiben.

Sabharwal, A., Patel, M. S., Carrano, A., Rotman, M., Wierson, W., Ekker, S. C.2026-03-30
📄 health informatics

Availability and Quality of Anthropometric Data in Swiss Childrens Hospitals: The SwissPedGrowth Project

Das SwissPedGrowth-Projekt belegt die Machbarkeit der Gewinnung hochwertiger anthropometrischer Daten aus heterogenen elektronischen Patientenakten schweizerischer Kinderkliniken für die Wachstumsforschung, weist jedoch weiterhin Herausforderungen hinsichtlich der Vollständigkeit und Harmonisierung dieser Daten auf.

Leuenberger, L. M., Shoman, Y., Romero, F., Deligianni, X., Hartung, A., Mozun, R., Goebel, N., Bielicki, J. A., Burckha (…)2026-03-30
📄 health informatics

MOE-ECG: Multi-Objective Ensemble Fusion for Robust Atrial Fibrillation Detection Using Electrocardiograms

Die Studie stellt MOE-ECG vor, ein robustes Multi-Objective-Ensemble-Framework, das durch die gleichzeitige Optimierung von Vorhersagegenauigkeit und Modellvielfalt sowie die Nutzung von Unsicherheitsfusion eine zuverlässige und generalisierbare Erkennung von Vorhofflimmern aus EKG-Daten ermöglicht.

Peimankar, A., Hossein Motlagh, N., K. Khare, S., Spicher, N., Dominguez, H., Abolghasemi, V., Fujiwara, K., Teichmann (…)2026-03-30