📄 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.

A clinic-updated digital twin for Parkinson's disease progression: governed Bayesian forecasting with uncertainty-gated reporting

Die Studie stellt einen geregelten digitalen Zwilling für die Parkinson-Erkrankung vor, der mittels bayesscher Vorhersage und eines Unsicherheits-gesteuerten Berichtssystems patientenspezifische Fortschrittsprognosen mit expliziten Zuverlässigkeitsgarantien liefert und dabei sicherstellt, dass Vorhersagen nur bei ausreichender Evidenz und unter fairen Bedingungen für alle Patientengruppen ausgegeben werden.

Hemedan, A. A.2026-03-22📄 health informatics

Joint Longitudinal-Survival Modelling of Patient-Reported Gastrointestinal Symptom Trajectories and Treatment Discontinuation in Irritable Bowel Syndrome: A Prospective Cohort Study from the Canadian Gut Project

Diese prospektive Kohortenstudie aus dem Canadian Gut Project zeigt mittels eines gemeinsamen Längsschnitt-Überlebensmodells, dass bei Reizdarmsyndrom-Patienten höhere Basisschweregrade und langsamere Symptomverbesserungen das Risiko einer vorzeitigen Behandlungsabbruchs signifikant erhöhen, was personalisierte Überwachungsansätze unterstreicht.

Thornton, E., Kellerman, J.2026-03-19📄 health informatics

HybridNet-XR: Efficient Teacher-Free Self-Supervised Learning for Autonomous Medical Diagnostic Systems in Resource-Constrained Environments.

Die Studie stellt HybridNet-XR vor, einen speicher- und rechen-effizienten, selbstüberwachten hybriden CNN-Architekturansatz, der ohne teure Lehrer-Modelle auskommt und in ressourcenbeschränkten Umgebungen eine hohe diagnostische Genauigkeit bei der Klassifizierung medizinischer Röntgenbilder erreicht.

Mayala, S., Mzurikwao, D., Suluba, E.2026-03-19📄 health informatics

Clinician Experiences with Ambient AI Scribe Technology in Singapore: A Qualitative Study

Diese qualitative Studie untersucht die Erfahrungen von Klinikern am Alexandra Hospital in Singapur mit ambienter KI-Diktier-Technologie und zeigt, dass diese zwar die Patienteninteraktion verbessert und die kognitive Belastung verringert, jedoch durch Herausforderungen wie Genauigkeitsbedenken, mangelnde Mehrsprachigkeit und regulatorische Unsicherheiten im Rahmen des PDPA eingeschränkt wird.

Shankar, R., Goh, A., Xu, Q.2026-03-19📄 health informatics

OpenScientist: evaluating an open agentic AI co-scientist to accelerate biomedical discovery

Die Studie stellt OpenScientist vor, eine offene, agentic KI, die biomedizinische Entdeckungen beschleunigt, indem sie komplexe klinische Datenanalysen und Hypothesengenerierung in Minuten durchführt, was sonst Wochen oder Monate menschlicher Arbeit erfordern würde.

Roberts, K. F., Abrams, Z. B., Cappelletti, L., Moqri, M., Heugel, N., Caufield, J. H., Bourdenx, M., Li, Y., Banerjee, J., Foschini, L., Galeano, D., Harris, N. L., Li, M., Ying, K., Melendez, J. A. (…)2026-03-18📄 health informatics

Falsification Testing of Sepsis Prediction Models: Evaluating Independent Biological Signal After Controlling for Care-Process Intensity

Diese Studie zeigt, dass Sepsis-Vorhersagemodelle in einem akademischen Zentrum echte biologische Signale erkennen und nicht primär auf Behandlungsintensität basieren, wobei die wichtigste Erkenntnis eine systematische Diskrepanz zwischen klinischen und administrativen Sepsis-Definitionen ist, die die Validität von AI-Benchmarks und regulatorischen Berichten in Frage stellt.

Dickens, A. R.2026-03-18📄 health informatics

Persistent Proxy Discrimination in HIV Testing Prediction Models: A National Fairness Audit of 386,775 US Adults

Diese nationale Fairness-Audit-Studie an über 386.000 US-Erwachsenen zeigt, dass die Durchsetzung demografischer Parität bei HIV-Testvorhersagemodellen die Erkennungsraten für Hochrisikogruppen wie Schwarze Menschen drastisch senkt und daher als unangemessenes Fairness-Kriterium in klinischen Kontexten mit unterschiedlicher Krankheitslast abgelehnt werden sollte.

Farquhar, H.2026-03-16📄 health informatics