191 artículos
La informática de la salud une la tecnología de la información con la práctica médica para mejorar cómo gestionamos y analizamos los datos de pacientes. En este campo, los expertos diseñan sistemas que facilitan el acceso a historiales clínicos, optimizan la toma de decisiones y aceleran la investigación, todo con el objetivo final de brindar una atención más segura y personalizada.
En Gist.Science, nos enfocamos en el contenido fresco que llega desde medRxiv, la principal plataforma de prepublicaciones para ciencias médicas. Procesamos cada nuevo preprint en esta categoría para ofrecerte resúmenes técnicos detallados junto con explicaciones en lenguaje sencillo, asegurando que los hallazgos más recientes sean comprensibles para todos. A continuación, encontrarás los últimos artículos publicados en este ámbito.
El artículo presenta MedScope, un marco de referencia ligero que evalúa sistemáticamente el rendimiento, la eficiencia y la robustez de modelos de lenguaje abiertos en preguntas médicas de opción múltiple, revelando que, aunque útiles como bases transparentes, sus capacidades actuales aún son insuficientes para su despliegue autónomo en escenarios clínicos de alto riesgo.
Este estudio presenta y evalúa un pipeline de reconocimiento de entidades 4M que combina un clasificador de tokens fine-tuned (Bio-ClinicalBERT) con la revisión de modelos de lenguaje grandes (LLM) desplegados localmente para extraer con precisión información clínica de mensajes de texto en residencias de ancianos, superando a enfoques anteriores en rendimiento y eficiencia.
MedResearchBench es el primer benchmark diseñado específicamente para evaluar la capacidad de los agentes de IA para realizar investigación clínica médica de calidad publicable, abordando desafíos únicos como el diseño de encuestas, el control de variables de confusión y el cumplimiento de estándares de reporte mediante 16 tareas en siete dominios clínicos basadas en datos públicos y artículos de referencia.
El artículo presenta la validación y el despliegue de la pipeline VaaS (Validación como Sistema), un enfoque multi-capa que reduce drásticamente las alucinaciones de citas en la síntesis biomédica asistida por IA, logrando tasas de error cercanas a cero y costos de producción inferiores a 1 dólar por revisión de gen.
El proyecto SwissPedGrowth demuestra la viabilidad de extraer datos antropométricos de alta calidad de los registros electrónicos de salud en hospitales pediátricos suizos para la investigación, aunque persisten desafíos relacionados con la completitud y la armonización de estos datos entre diferentes centros.
El estudio presenta MOE-ECG, un marco de fusión de conjuntos multiobjetivo que optimiza simultáneamente el rendimiento predictivo y la diversidad de modelos para lograr una detección robusta y precisa de la fibrilación auricular en registros de electrocardiograma.
El artículo presenta HealthFormer, un modelo Transformer de doble nivel que aprende representaciones de pacientes a partir de registros electrónicos de salud longitudinales e irregulares mediante el uso de codificaciones temporales y preentrenamiento auto-supervisado, logrando un alto rendimiento en la predicción de incidentes de cáncer mediante ajuste fino estándar.
Este estudio demuestra que el aprendizaje federado permite desarrollar modelos predictivos de VIH con un rendimiento casi centralizado y superior a los modelos locales en seis sitios de CCASAnet, ofreciendo una infraestructura escalable y que preserva la privacidad para la investigación internacional.
Este estudio demuestra que el monitoreo pasivo con dispositivos wearables, específicamente la reducción de pasos y el aumento de la frecuencia cardíaca en reposo, puede identificar eficazmente a pacientes con insuficiencia cardíaca en riesgo de visitas hospitalarias.
Este estudio presenta el desarrollo y validación de una aplicación de procesamiento de lenguaje natural basada en BERT que extrae y categoriza eficazmente diversos tipos de violencia y sus características de los registros de salud mental en texto libre, mejorando significativamente las capacidades previas de vigilancia e investigación.