📄 Category

health informatics

193 Arbeiten

Experimental multi-center validation of a radiomics-based photonic quantum precision medicine architecture for lesion-level prediction of anti-PD-1 response in non-small cell lung cancer

Diese Studie validiert erstmals die externe Leistungsfähigkeit einer radiomiksbasierten photonen-quantenmedizinischen Architektur zur Vorhersage des Anti-PD-1-Therapieansprechens bei nicht-kleinzelligem Lungenkrebs und zeigt, dass diese auf einem stark reduzierten, klinisch fundierten Merkmalsraum basierenden Quantenmodelle in multizentrischen Tests die Leistung klassischer Baseline-Modelle übertreffen oder zumindest erreichen können.

Olgiati, S., Santona, F., Meloni, D. + 5 more2026-03-11📄 health informatics

The Risk Factors, Detection and Classification of Esophageal Cancer Using Ensemble Machine Learning Models

Diese Studie entwickelt ein robustes Ensemble-Machine-Learning-Framework, das unter Verwendung von soziodemografischen, Ernährungs- und Umweltrisikofaktoren aus Äthiopien eine hochpräzise Früherkennung und Klassifizierung von Speiseröhrenkrebs ermöglicht und dabei insbesondere den Histogramm-basierten Gradient-Boosting-Algorithmus mit einer Genauigkeit von 98,3 % und null falsch-negativen Vorhersagen als überlegen gegenüber anderen Modellen identifiziert.

Gaso, M. S., Mekuria, R. R., Cankurt, S. + 3 more2026-03-11📄 health informatics

Co-designing a virtual reality based mindfulness application to address diabetes distress using Artificial Intelligence-informed Experience-Based Co-Design (AI-EBCD): a feasibility study

Diese Machbarkeitsstudie beschreibt die Entwicklung eines virtuellen Realität-basierten Achtsamkeitsanwendungskonzepts zur Bewältigung von Diabetes-Notstand bei Erwachsenen mit Typ-2-Diabetes durch einen KI-gestützten, partizipativen Co-Design-Ansatz, der auf Interviews und Workshops mit Nutzern und Experten basiert.

Ghosal, S., Zhang, M., Stanmore, E. + 7 more2026-03-11📄 health informatics

Regression vs. Medical LLMs: A Comprehensive Study for CVD and Mortality Risk Prediction

Diese Studie vergleicht klassische Regressionsmodelle mit medizinischen Large Language Models (MedLLMs) zur Vorhersage von kardiovaskulären Risiken und Sterblichkeit auf Basis der LURIC-Daten und zeigt, dass sowohl optimierte Regressionsverfahren als auch feinabgestimmte MedLLMs eine hohe Vorhersagegenauigkeit (bis zu 85 % AUROC) erreichen, wobei Kalibrierungstechniken die systematische Überprognose der LLMs signifikant reduzieren können.

KOM SANDE, S. D., Skorski, M., Theobald, M. + 2 more2026-03-11📄 health informatics

Evaluating linkage approaches for address-level socioenvironmental exposure assessment

Die Studie zeigt, dass die fuzzy-Matching-Methode für Adressen eine deutlich höhere Genauigkeit bei der Verknüpfung mit Parzellendaten zur Bewertung sozioökonomischer Umwelteinflüsse erreicht als geocodierungsbasierte Ansätze, wobei letztere insbesondere in benachteiligten Gebieten zu erheblichen Fehlklassifizierungen führen können.

Hartlage, C. S., Manning, E. R., Brokamp, C.2026-03-10📄 health informatics

PrivateBoost: Privacy-Preserving Federated Gradient Boosting for Cross-Device Medical Data

Das Paper stellt PrivateBoost vor, ein privatsphäreschonendes System für federiertes Gradient Boosting im medizinischen Bereich, das durch Shamir-Geheimnisverteilung und anonyme Aggregation auch bei einzelnen Patientendatensätzen und hoher Geräteausfallrate präzise Modelle trainiert, ohne dass eine direkte Kommunikation zwischen den Clients erforderlich ist.

Specht, B., Garbaya, S., Ermis, O. + 4 more2026-03-10📄 health informatics

Variability in Automated Sepsis Case Detection: A Systematic Analysis of Implementation Methods in Clinical Data Repositories

Diese systematische Analyse zeigt, dass erhebliche methodische Heterogenität bei der automatisierten Sepsis-Fallerkennung in klinischen Datenbanken zu stark variierenden Erkennungsraten führt, weshalb standardisierte Berichterstattung und die Veröffentlichung von Quellcode für eine verbesserte Reproduzierbarkeit dringend empfohlen werden.

Meyer-Eschenbach, F., Schmiedler, R., Stoephasius, J. v. + 13 more2026-03-10📄 health informatics

Measurement strategy alters inferred age-dependent accumulation and mortality risk of mosaic Y loss

Die Studie zeigt, dass die Wahl der Messmethode (intensitäts- versus phasenbasiert) bei der Quantifizierung des mosaikalen Y-Chromosom-Verlusts (mLOY) die geschätzte altersabhängige Akkumulation, die klinischen Risikoschwellen und die Prävalenz erheblich verändert, wobei phasenbasierte Ansätze eine steilere Zunahme und ein erhöhtes Sterblichkeitsrisiko bereits bei niedrigeren Belastungen aufdecken.

Ware, A., Weyrich, M., Fatima, S. + 12 more2026-03-10📄 health informatics

More Signal vs. More Noise - Comparing Full Text and Abstract as Inputs for Large Language Model-based Classification of Oncology Trial Eligibility Criteria

Die Studie zeigt, dass die Verwendung von Volltexten anstelle von Abstracts die Klassifizierung von Onkologie-Studienkriterien durch GPT-5 signifikant verbessert, da der zusätzliche Informationsgewinn die potenziellen Nachteile durch irrelevante Textanteile überwiegt.

Weyrich, J., Dennstaedt, F., Foerster, R. + 4 more2026-03-10📄 health informatics

Accelerating Exploratory Clinical Research: An LLM-Powered Framework for Cross-Study Data Harmonization and Natural Language Querying

Diese Arbeit stellt ein Framework vor, das Large Language Models nutzt, um klinische SDTM-Daten verschiedener Studien automatisch zu harmonisieren und über eine Text-zu-SQL-Schnittstelle eine natürliche Sprachabfrage zu ermöglichen, wodurch manuelle Aufwände reduziert und die explorative Forschung beschleunigt wird.

Garg, A., Sett, A., Baumann, B. + 4 more2026-03-09📄 health informatics

AI-Driven Feature Selection Using Only Survey Variable Descriptions: Large Language Models Identify Adolescent Vaping Predictors

Die Studie zeigt, dass instruierte Large Language Models allein anhand von Textbeschreibungen von Umfragevariablen zuverlässige Prädiktoren für das Einsetzen des E-Zigarettenkonsums bei Jugendlichen identifizieren können, was einen skalierbaren und datenschutzkonformen Ansatz für die Verhaltensforschung bietet.

Zhang, K., Zhao, Z., Hu, Y. + 1 more2026-03-09📄 health informatics

Time-to-event modeling with multimodal clinical and genetic features improves risk stratification of liver complications in chronic hepatitis C

Die Studie zeigt, dass ein interpretierbares, multimodales Überlebensmodell, das klinische, genetische und sozioökonomische Daten integriert, die Risikostratifizierung für Leberzirrhose, Leberkrebs und Sterblichkeit bei chronischer Hepatitis C im Vergleich zu herkömmlichen Ansätzen signifikant verbessert.

Islam, H., Arian, A., Franses, J. W. + 1 more2026-03-09📄 health informatics

Predictors of COVID-19 hospital outcomes: a machine learning analysis of the National COVID Cohort Collaborative

Diese Studie zeigt, dass zwar strukturierte elektronische Gesundheitsdaten mittels maschinellen Lernens eine moderate Vorhersage der Sterblichkeit bei hospitalisierten COVID-19-Patienten ermöglichen, sie jedoch für die Prognose der Krankenhausaufenthaltsdauer unzureichend sind und die Anwendung von SMOTE einen Zielkonflikt zwischen Diskriminierung und Kalibrierung aufdeckt.

Vazquez, J., Taylor, L., Chen, Y.-Y. K. + 5 more2026-03-09📄 health informatics

Extracting patient reported cannabis use and reasons for use from electronic health records: a benchmarking study of large language models

Diese Benchmark-Studie zeigt, dass eine Kombination aus feinabgestimmten klinischen Sprachmodellen und LLM-basierten Klassifikatoren eine präzise und skalierbare Extraktion von patientenberichtetem Cannabisgebrauch sowie der entsprechenden Nutzungsgründe aus unstrukturierten elektronischen Patientenakten bei Patienten mit autoimmunen rheumatischen Erkrankungen ermöglicht.

Wang, Y., Bozkurt, S., Le, N. + 6 more2026-03-09📄 health informatics

A Novel Blended Hybrid Care Model for Maternal Mental Health: Cohort Study of Pregnant and Postpartum Patients

Diese Kohortenstudie zeigt, dass ein neuartiges hybrides Betreuungsmodell namens „Digital Clinic", das synchronen Telehealth-CBT mit der asynchronen Nutzung der mindLAMP-App kombiniert, bei schwangeren und postpartalen Frauen zu einer statistisch signifikanten Verringerung von Angst- und Depressionssymptomen führt.

Calvert, E. I., Chen, K., Moon, K. + 4 more2026-03-09📄 health informatics