📄 Category

health informatics

184 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

Explainable Machine Learning Framework for Predicting Cardiometabolic Risk Using Meal Timing and Eating Habits

Diese Studie zeigt, dass ein erklärbares XGBoost-Maschinenlernmodell, das anthropometrische Daten mit Mahlzeitenzeitpunkten und Essgewohnheiten integriert, das kardiometabolische Risiko genau vorhersagt und spätere Abendessenzeiten, unregelmäßige Mahlzeitenpläne sowie eine geringe Mahlzeitenfrequenz als entscheidende modifizierbare Verhaltensrisikofaktoren identifiziert.

Datta, P. R., Roy, K.2026-02-07
📄 health informatics

Unseen Insights: An AI-Powered Exploration of Secure Patient Messages in Ophthalmology

Diese Querschnittsstudie nutzte natürliche Sprachverarbeitung, um über 30.000 sichere ophthalmologische Nachrichten zu analysieren, wobei festgestellt wurde, dass administrative Angelegenheiten die Kommunikation dominieren, während klinische Anliegen je nach Patientendemografie signifikant variieren, was Möglichkeiten zur Verbesserung der Triage-Sicherheit und der Gerechtigkeit in der Augenheilkunde aufzeigt.

Kim, J. Y., Fazal, Z. Z., Wang, S. Y., Chang, R. T., Linos, E., Sepah, Y.2026-02-05
📄 health informatics

AI-generated data contamination erodes pathological variability and diagnostic reliability

Diese Studie zeigt auf, dass unkuratierte, KI-generierte Daten in Krankenakten einen selbstreferenziellen Zyklus erzeugen, der die pathologische Variabilität und die diagnostische Zuverlässigkeit rapide erodiert, wodurch kritische Befunde verschwinden und die Raten falscher Beruhigung verdreifachen, was die KI-generierte Dokumentation ohne obligatorische menschliche Aufsicht klinisch unbrauchbar macht.

He, H., Xiang, S., Zhang, Y., Zhu, Y., Zhang, J., Deng, H., Alsentzer, E., Liu, Y., Chen, Q., Yu, K.-H., Marshall, A., C (…)2026-02-02
📄 health informatics

Kauro, a graph-based chatbot for high-fidelity information transmission conversations

Kauro ist ein quelloffener, graphbasierter Chatbot, der eine deterministische, auditierbare und reproduzierbare Informationsübermittlung in hochsensiblen biomedizinischen Kontexten wie der informierten Einwilligung gewährleistet, indem er die stochastische Natur generativer KI durch versionskontrollierte, skriptbasierte Gesprächspfade ersetzt.

King, C. H., Barrick, R., Almalvez, M., Blanco, K., De Dios, I., Fusaro, V. A., Delot, E., Donohue, C. R., Berger, S., X (…)2026-02-02
📄 health informatics

Generation of Synthetic Data in Health Surveys Using Large Language Models

Diese Studie zeigt, dass ein großes Sprachmodell unter der Bedingung von Nutzer-Personas psychometrisch plausible und demografisch konsistente synthetische Daten für peruanische Gesundheitsumfragen generieren kann, wenngleich das Vorhandensein spezifischer Abweichungen eine rigorose Validierung erforderlich macht, bevor solche Daten für die politische Entscheidungsfindung verwendet werden können.

Villarreal-Zegarra, D., Bellido-Boza, L.2026-01-30
📄 health informatics

Decoupling Accuracy and Explainability: Machine Learning Strategies for HbA1c Prediction and Biomarker Discovery in Blood FTIR Spectroscopy

Diese Studie zeigt, dass die Integration von partieller kleinster Quadrate-Regression, faltungsbasierten neuronalen Netzwerken und Curve-Fitting-Ansätzen auf FTIR-Blutspektren einen synergetischen Rahmen schafft, der gleichzeitig eine hohe Genauigkeit bei der Vorhersage von HbA1c-Werten erreicht und eine mechanistische Interpretierbarkeit glykationsbedingter Biomarker für eine skalierbare Diabetesüberwachung bietet.

Melnychenko, M., Makhnii, T., Midlovets, K., Dmyterchuk, B., Krasnienkov, D.2026-01-28
📄 health informatics

Multimodal Fusion of Pathology Free-Text and Clinical Data Enhances Complication-Risk Discrimination After Implant-Based Breast Reconstruction

Diese Studie zeigt auf, dass ein lokales, Open-Source-multimodales Framework, welches strukturierte klinische Daten mittels großer Sprachmodelle mit freitextlichen Pathologieberichten fusioniert, die Diskriminierung von Komplikationsrisiken nach einer implantatbasierten Brustrekonstruktion signifikant verbessert und somit ein datenschutzfreundliches sowie interpretierbares Werkzeug für die präzise chirurgische Entscheidungsfindung bietet.

He, Y., Almadani, H., Huang, S., Monzy, J., Li, D., Ray, E., Huang, X.2026-01-25
📄 health informatics

eHEALS-Br: An Automated Platform for Digital Health Literacy Assessment and Personalized Feedback

Dieses Paper präsentiert eHEALS-Br, eine sichere webbasierte Plattform, die die Durchführung und Auswertung der brasilianischen eHealth Literacy Scale automatisiert, um Echtzeit-Feedback sowie personalisierte Rückmeldungen zu liefern, wobei sie in einer Pilotstudie eine hohe Zuverlässigkeit demonstriert und ein skalierbares Werkzeug sowohl für die Populationsforschung als auch für die individuelle klinische Bewertung der Gesundheitskompetenz in Brasilien bietet.

Cotta Fontainha, T., Werneck, V. M., Cappelli, C.2026-01-24
📄 health informatics

Separation-like irregularity and sample size optimism in high-discrimination logistic prediction models

Diese Studie zeigt, dass geschlossene Stichprobenumfangskriterien für logistische Vorhersagemodelle, wie etwa das Riley-Framework, zunehmend optimistisch werden und den erforderlichen Stichprobenumfang unterschätzen, wenn die Ziel-Diskriminierung steigt, primär aufgrund eines Separation-ähnlichen Verhaltens, welches die Kalibrierung destabilisiert, wodurch der Einsatz von simulationsbasierten Stresstests für Szenarien mit hoher Diskriminierung notwendig wird.

Liu, Z., Liang, Y., Wang, L. S., Yu, J., Liu, J.2026-01-23