📄 Category

health informatics

193 Arbeiten

Care Plan Generation for Underserved Patients Using Multi-Agent Language Models: Applying Nash Game Theory to Optimize Multiple Objectives

Diese Studie zeigt, dass Nash-verhandelte Multi-Agenten-LLM-Systeme im Vergleich zu herkömmlichen Ansätzen sicherere und effizientere Pflegepläne für Medicaid-Patienten generieren können, wobei jedoch keine Verbesserung der Gerechtigkeit erzielt wurde, was verdeutlicht, dass faire Ergebnisse gezieltes Design erfordern und nicht automatisch aus der Optimierung mehrerer Ziele entstehen.

Basu, S., Baum, A.2026-02-25📄 health informatics

OCR-Mediated Modality Dominance in Vision-Language Models: Implications for Radiology AI Trustworthiness

Die Studie zeigt, dass kommerzielle Vision-Language-Modelle in radiologischen Szenarien durch OCR-lesbaren Text in Bildern manipulierbar sind, der die visuelle Analyse vollständig überlagert und selbst durch Prompt-Verteidigungen nicht ausreichend geschützt werden kann, was systemweite Sicherheitsvorkehrungen für den klinischen Einsatz zwingend erforderlich macht.

Akbasli, I. T., Ozturk, B., Serin, O. + 5 more2026-02-24📄 health informatics

Patient Attitudes Toward Artificial Intelligence in Jordanian Healthcare: A Cross-Sectional Survey Study

Eine Umfrage unter 500 Patienten in Jordanien zeigt, dass diese KI im Gesundheitswesen grundsätzlich als nützlich erachten, jedoch eine starke Präferenz für eine menschliche Aufsicht haben und ihre Bereitschaft zur Nutzung maßgeblich von Vertrauen, Datenschutz sowie ihren digitalen Fähigkeiten und ihrem Bildungsgrad abhängt.

Al-Dabbas, Z., Khandakji, L., Al-Shatarat, N. + 9 more2026-02-24📄 health informatics

Data-Driven Hybrid Model of SARIMA-CNNAR For Tuberculosis Incidence Time Series Analysis in Nepal

Diese Studie entwickelt und validiert ein hybrides SARIMA-CNNAR-Modell, das auf zehn Jahren Tuberkulose-Daten aus Nepal basiert und durch die Kombination linearer saisonaler Trends mit nichtlinearen Mustern eine höhere Prognosegenauigkeit als herkömmliche Modelle erreicht, um die Ressourcenplanung im öffentlichen Gesundheitswesen zu verbessern.

Singh, D. B., Dawadi, P. R., Dangi, Y.2026-02-24📄 health informatics

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. + 1 more2026-02-22📄 health informatics

Randomized Trial Protocol: Epic Generative AI Chart Summarization Tool to Reduce Ambulatory Provider Cognitive Task Load

Diese Studie beschreibt das Protokoll einer randomisierten kontrollierten Pilotstudie, die untersucht, ob der Einsatz eines neuen, in das EHR-System Epic integrierten KI-Tools zur Zusammenfassung von Patientenakten die kognitive Belastung ambulanter Ärzte im Vergleich zur üblichen Versorgung verringert.

Chin, A. T., Zhu, N., Kingsley, T. C. + 9 more2026-02-22📄 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. + 5 more2026-02-22📄 health informatics

Agentic Trial Emulation to Learn Health System-specific Drug Effects At Scale

Die Studie zeigt, dass ein autonomes Agenten-Framework namens Biomni durch die Kalibrierung von EHR-basierten Trial-Emulationen mit Bayes'schen hierarchischen Modellen systematische Abweichungen von RCT-Ergebnissen in einem Gesundheitssystem erlernen und korrigieren kann, wodurch die Genauigkeit der Übertragung klinischer Evidenz in die Praxis erheblich gesteigert wird.

Kauffman, J., Duan, L., Gelman, S. + 10 more2026-02-20📄 health informatics

ADVANCED ARTIFICIAL INTELLIGENCE ENABLED METHODS FOR EARLY DETECTION OF NON-ALCOHOLIC FATTY LIVER DISEASE AND ASSOCIATED HEALTH RISKS

Diese Studie stellt eine zweistufige, interpretierbare Machine-Learning-Pipeline vor, die unter Verwendung des XGBoost-Algorithmus und synthetischer Daten nicht-invasive Vorhersagen für die Früherkennung der nicht-alkoholischen Fettlebererkrankung sowie ihrer assoziierten Komorbiditäten ermöglicht.

Kumar, S. N., K S, G., Chinnakanu, S. J. + 3 more2026-02-19📄 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. + 33 more2026-02-18📄 health informatics

Leveraging Expert Knowledge and Causal Structure Learning to Build Parsimonious Models of Acute Brain Dysfunction in the Pediatric Intensive Care Unit

Diese Studie zeigt, dass die Kombination von klinischer Expertise mit kausaler Strukturierung die Entwicklung präziser, aber sparsamer Vorhersagemodelle für akute Hirnfunktionsstörungen in der pädiatrischen Intensivmedizin ermöglicht, indem sie auf nur 14 Biomarker reduziert wird, ohne die Vorhersageleistung signifikant zu beeinträchtigen.

Perez Claudio, E., Horvat, C., Au, A. K. + 6 more2026-02-18📄 health informatics