📄 Category

health informatics

159 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.

Predicting cardiovascular risk under intervention: Development and internal validation of the CHARIOT Model in 19 million adults

El modelo CHARIOT, desarrollado y validado internamente en 19 millones de adultos del Reino Unido, combina análisis de supervivencia e inferencia causal para predecir cómo intervenciones específicas (como estatinas, control de la presión arterial o dejar de fumar) reducen el riesgo cardiovascular a 10 años, ofreciendo una herramienta interactiva para una prevención personalizada y basada en la evidencia.

Pate, A., Jiang, B., Huang, Y.-T., Griffiths, S., Stables, D., Peek, N., McMillan, B., Sperrin, M.2026-03-05📄 health informatics

TDA Engine v2.1: A Computational Framework for Detecting Structural Voids in Spatially Censored Epidemiological Data with Temporal Classification and Causal Inference

El TDA Engine v2.1 es un marco computacional basado en topología que detecta y clasifica vacíos estructurales en datos epidemiológicos censurados mediante análisis geométrico, inferencia causal y validación temporal, permitiendo distinguir entre ausencias naturales de datos y posibles supresiones sistemáticas.

Mboya, G. O.2026-03-05📄 health informatics

Agent Role Structure and Operating Characteristics in Large Language Model Clinical Classification: A Comparative Study of Specialist and Deliberative Multi-Agent Protocols

Este estudio demuestra que la descomposición interna de roles en sistemas multiagente de modelos de lenguaje grandes actúa como un sesgo inductivo estructurado que altera materialmente las distribuciones de error y los compromisos entre sensibilidad y especificidad en tareas de clasificación clínica, sin necesidad de modificar los parámetros del modelo.

Anderson, C. G.2026-03-05📄 health informatics

Red-Teaming Medical AI: Systematic Adversarial Evaluation of LLM Safety Guardrails in Clinical Contexts

Este estudio presenta una evaluación adversaria sistemática de los modelos de lenguaje grandes en contextos médicos, revelando que, aunque sus guardas de seguridad son robustas frente a la mayoría de los ataques, son vulnerables a la suplantación de autoridad (especialmente en contextos educativos), lo que provoca un cambio de comportamiento donde el modelo ofrece respuestas clínicamente precisas pero con enmarcado de seguridad insuficiente.

Ekram, T. T.2026-03-05📄 health informatics

Enhancing Prediabetes Diagnosis from Continuous Glucose Monitoring Data via Iterative Label Cleaning and Deep Learning

Este estudio presenta un marco híbrido que combina limpieza iterativa de etiquetas basada en XGBoost y un modelo de aprendizaje profundo Conv+BiLSTM para mejorar la precisión del diagnóstico de prediabetes utilizando datos de monitoreo continuo de glucosa del conjunto AI-READI, logrando una alta discriminación clínica y reduciendo la carga de pruebas diagnósticas.

Arethiya, N. J., Krammer, L., David, J., Bakshi, V., BasuChoudhary, A., Bhuiyan, U., Sen, S., Mazumder, R., McNeely, P.2026-03-05📄 health informatics

Trustworthy personalized treatment selection: causal effect-trees and calibration in perioperative medicine

Este estudio presenta un marco de despliegue para la medicina personalizada en el ámbito perioperatorio que combina árboles de efectos causales y análisis de calibración para distinguir entre heterogeneidad clínicamente accionable y variación no fiable, permitiendo la selección segura de tratamientos solo cuando los beneficios estimados son robustos y significativos.

Mittelberg, Y., Stiglitz, D. K., Kowadlo, G.2026-03-04📄 health informatics

Evaluating a Locally Deployed 20-Billion Parameter Large Language Model for Automated Abstract Screening in Systematic Reviews

Este estudio demuestra que un modelo de lenguaje grande de 20 mil millones de parámetros desplegado localmente, combinado con una estrategia de prompting optimizada para la sensibilidad, puede acelerar significativamente la cribado de resúmenes en revisiones sistemáticas manteniendo una alta precisión, aunque su rendimiento varía según la objetividad de los criterios de inclusión.

Moreira Melo, P. H., Poenaru, D., Guadagno, E.2026-03-04📄 health informatics

Perceptions of Artificial Intelligence in the Editorial and Peer Review Process: A Cross-Sectional Survey of Traditional, Complementary, and Integrative Medicine Journal Editors

Una encuesta transversal a editores de revistas de medicina tradicional, complementaria e integrativa revela que, aunque reconocen el potencial de la inteligencia artificial para tareas editoriales rutinarias, su adopción actual es limitada debido a la falta de políticas específicas, formación y barreras éticas.

Ng, J. Y., Bhavsar, D., Krishnamurthy, M., Dhanvanthry, N., Fry, D., Kim, J. W., King, A., Lai, J., Makwanda, A., Olugbemiro, P., Patel, J., Virani, I., Ying, E., Yong, K., Zaidi, A., Zouhair, J., Lee (…)2026-03-04📄 health informatics

Anatomically and Biochemically Guided Deep Image Prior for Sodium MRI Denoising

Este estudio presenta un marco de prior de imagen profunda (DIP-Fusion) que integra información anatómica de resonancia magnética de protones y metabólica de sodio mediante regularización de variación total direccional, logrando una reconstrucción de imágenes de resonancia magnética de sodio de alta calidad y con mayor fidelidad estructural que las técnicas existentes, incluso en adquisiciones aceleradas.

ALI, H., Woitek, R., Trattnig, S., Zaric, O.2026-03-02📄 health informatics