health informatics artículos

A case report on gendered biases in a Finnish healthcare AI assistant

Este estudio revela que un asistente de IA basado en RAG para servicios de bienestar en Finlandia presenta sesgos de género significativos y clínicamente relevantes, donde las variantes femeninas de las consultas provocan respuestas estereotipadas centradas en la crianza y la salud reproductiva, así como errores en la urgencia del tratamiento y el contexto clínico, debido a fallos tanto en la generación como en la recuperación de información.

Luisto, R., Snell, K., Vartiainen, V. + 2 more2026-04-14📄 health informatics

An End-to-End Synthetic Oncology Clinical Trial Framework Integrating Radiographic Response, Circulating Tumor DNA, Safety, and Survival for Decision-Oriented Clinical Data Science

Este estudio presenta un marco de ensayo clínico oncológico sintético que integra respuestas radiográficas, ADN tumoral circulante, seguridad y supervivencia para generar datos coherentes y biológicamente plausibles que apoyan la toma de decisiones en la ciencia de datos traslacional.

Petalcorin, M. I. R.2026-04-08📄 health informatics

Using Relative Risk Rankings to Understand Information Differences in Multimodal Prediction Models

Este estudio demuestra que sustituir las radiografías de tórax por sus informes escritos reduce la precisión predictiva de la mortalidad y altera la priorización de riesgos, lo que indica que los resúmenes clínicos no capturan exhaustivamente la información pronóstica presente en las imágenes crudas.

Kim, C., Yoon, W., Lee, H. + 4 more2026-04-07📄 health informatics

Who is leading medical AI? A systematic review and scientometric analysis of chest x-ray research

Este análisis sistemático y scientométrico revela que la investigación sobre inteligencia artificial para radiografías de tórax está dominada por países de altos ingresos, lo que genera disparidades significativas en la autoría y los datos de entrenamiento que podrían exacerbar las inequidades sanitarias globales.

Vasquez-Venegas, C., Chewcharat, A., Kimera, R. + 18 more2026-04-07📄 health informatics

Perception of Safety in Behavioral Health Crisis Units among Patients and Care Partners versus Artificial Intelligence (AI): A Multimethod Study

Este estudio multimétodo demuestra que, aunque existe una notable alineación entre las percepciones de seguridad de los pacientes y sus cuidadores y las evaluaciones de riesgos realizadas por inteligencia artificial en unidades de crisis de salud conductual, las diferencias detectadas subrayan la necesidad de integrar herramientas de IA para apoyar la toma de decisiones hacia entornos más seguros.

Jafarifiroozabadi, R.2026-04-07📄 health informatics

Attitudes and Perceptions Toward the Use of Artificial Intelligence Chatbots for Peer Review in Medical Journals: A Large-Scale, International Cross-Sectional Survey

Esta encuesta internacional a gran escala revela que, aunque la mayoría de los revisores de revistas médicas están familiarizados con los chatbots de IA, su uso en la revisión por pares sigue siendo limitado debido a preocupaciones éticas y de integridad, a pesar de existir un claro interés en recibir formación al respecto.

Ng, J. Y., Bhavsar, D., Dhanvanthry, N. + 9 more2026-04-07📄 health informatics

High-Throughput Observational Evidence Generation Using Linked Electronic Health Record and Claims Data

Este estudio demuestra que un flujo de trabajo de generación de evidencia de alto rendimiento, que utiliza datos vinculados de registros electrónicos de salud y reclamaciones con una arquitectura de medición estandarizada, permite producir paquetes de evidencia integrales y coherentes que facilitan la medicina de precisión al revelar la heterogeneidad de los efectos del tratamiento en subpoblaciones clínicamente significativas.

Gombar, S., Shah, N., Sanghavi, N. + 3 more2026-04-07📄 health informatics

Perioperative Mortality Prediction Using a Bayesian Ensemble with Prevalence-Adaptive Gating

Este estudio presenta un modelo de ensamble bayesiano adaptativo a la prevalencia que, mediante aumento de datos con autoencoders variacionales y cuantificación de incertidumbre, logra una predicción de mortalidad perioperatoria con cero falsos positivos en la validación y una sensibilidad clínicamente significativa en la auditoría global, superando las limitaciones de los sistemas actuales en entornos con recursos escasos.

Pandey, A. K.2026-04-06📄 health informatics

TELF: An End-to-End Temporal Encoder with Late Fusion for Interpretable Disease Risk Prediction from Longitudinal Real-World Data

El artículo presenta TELF, un modelo de aprendizaje profundo ligero y eficiente que utiliza un codificador temporal con fusión tardía para predecir el riesgo de enfermedades con mayor precisión que los métodos tradicionales y ofrecer interpretabilidad clínica mediante la minería de patrones temporales en datos longitudinales del mundo real.

Liu, Y., Zhang, Z.2026-04-06📄 health informatics

Sound of Aging: Large-Scale Evidence for a Voice-Based Biological Clock

Este estudio demuestra que las grabaciones de voz pueden utilizarse para estimar la edad biológica de manera precisa y no invasiva, revelando que un envejecimiento vocal acelerado se asocia con factores de riesgo metabólico y fisiológico.

Krongauz, D., Marmor, Y., Zulti, A. + 3 more2026-04-06📄 health informatics

Digital Registrar: A Schema-First Framework for Multi-Cancer Privacy-Preserving Pathology Abstraction via Local LLMs

Este estudio presenta "Digital Registrar", un marco de trabajo centrado en esquemas que utiliza modelos de lenguaje local para transformar informes de patología quirúrgica en texto libre en datos estructurados de alta precisión y privacidad para el registro de cáncer, logrando una alta generalización y viabilidad en hardware limitado.

Chow, N.-H., Chang, H., Chen, H.-K. + 7 more2026-04-05📄 health informatics

CD276 in Meningioma Transcriptomic Classification: Internal Development, External Validation, and Stability-Informed Interpretation

Este estudio demuestra que, aunque el gen CD276 se asocia con el grado del meningioma, su valor predictivo es limitado como marcador único y debe interpretarse como un objetivo biológico dentro de una estructura transcriptómica multigénica más amplia que requiere calibración conservadora.

Lee, H., Kim, H.2026-04-05📄 health informatics

Reproducibility and Robustness of Large Language Models for Mobility Functional Status Extraction

Este estudio evalúa la reproducibilidad y robustez de tres modelos de lenguaje grandes en la extracción del estado funcional de movilidad de textos clínicos, demostrando que la autoconsistencia mediante votación mayoritaria mitiga eficazmente la inestabilidad causada por variaciones en la temperatura y el parafraseo de las instrucciones.

Liu, X., Garg, M., Jeon, E. + 4 more2026-04-05📄 health informatics

Electronic Health Record-Based Estimation of Kansas City Cardiomyopathy Questionnaire Scores in Heart Failure

Este estudio demuestra que los modelos de aprendizaje automático pueden estimar con precisión clínica los puntajes del Cuestionario de Cardiomiopatía de Kansas City (KCCQ) a partir de datos rutinarios de registros electrónicos de salud, superando las limitaciones de la recolección incompleta de datos reportados por los pacientes para mejorar la estratificación de riesgos en la insuficiencia cardíaca.

Kim, Y. W., Lau, W., Patel, N. + 5 more2026-04-05📄 health informatics

Extracting Social Determinants of Health from Electronic Health Records: Development and Comparison of Rule-Based and Large Language Model Methods

Este estudio demuestra que los modelos de lenguaje grande (LLM), especialmente las versiones "mini" recientes, superan a los sistemas basados en reglas para extraer determinantes sociales de la salud de notas clínicas no estructuradas, y que un enfoque de fusión tardía combina lo mejor de ambos métodos para lograr un rendimiento óptimo.

Wang, B., Kabir, D., Clark, C. R. + 2 more2026-04-04📄 health informatics

Enhancing Medical Knowledge in Large Language Models via Supervised Continued Pretraining on Clinical Notes

Este estudio demuestra que el ajuste fino supervisado de un modelo de lenguaje instructivo en 500.000 notas clínicas anónimas mejora significativamente su capacidad para tareas médicas específicas, superando a modelos más grandes no entrenados clínicamente, sin comprometer sus habilidades generales y resolviendo problemas de colapso de etiquetas mediante un ajuste adicional.

Weissenbacher, D., Shabbir, M., Campbell, I. M. + 2 more2026-04-04📄 health informatics

Med-ICE: Enhancing Factual Accuracy in Medical AI through Autonomous Multi-Agent Consensus

El artículo presenta Med-ICE, un marco autónomo de agentes múltiples que mejora la precisión factual y la fiabilidad de los modelos de lenguaje en aplicaciones médicas mediante un mecanismo de consenso semántico iterativo que supera a los métodos de generación directa y de auto-refinamiento.

Chen, Z., Wu, R., Liu, Y. + 2 more2026-04-04📄 health informatics

Citation Hallucination Determines Success: An Empirical Comparison of Six Medical AI Research Systems

Este estudio presenta MedResearchBench, una evaluación empírica que demuestra que la integridad de las citas es el factor determinante para el éxito de los sistemas de IA médica y que la verificación programática combinada con agentes múltiples es esencial para superar las limitaciones de las evaluaciones subjetivas y garantizar la fiabilidad académica.

Shi, X., Tian, Z., Tan, S. + 1 more2026-04-04📄 health informatics

Multi-Task Learning and Soft-Label Supervision for Psychosocial Burden Profiling in Cancer Peer-Support Text

El estudio concluye que, para perfilar la carga psicosocial en textos de apoyo entre pacientes con cáncer, el aprendizaje multitarea centrado exclusivamente en la carga compuesta es más efectivo que incluir tareas auxiliares, y que la supervisión con etiquetas duras supera a la basada en distribuciones de modelos de lenguaje grandes no calibrados.

Wang, Z., Cao, Y., Shen, X. + 3 more2026-04-04📄 health informatics

Automated detection of adult autism from vowel acoustics using machine learning

Este estudio demuestra que los modelos de aprendizaje automático pueden distinguir con un 89% de precisión a adultos autistas de neurotípicos analizando características acústicas de las vocales, identificando la frecuencia fundamental como el predictor más influyente.

Georgiou, G. P., Paphiti, M.2026-04-04📄 health informatics