📄 Category

health informatics

239 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.

📄 health informatics

Evaluating Large Language Models for Translating Multimodal Phenotype Documentations into Executable EHR Phenotyping Algorithms

Este estudio evalúa modelos de lenguaje grandes de vanguardia para la traducción de documentación multimodal de fenotipos clínicos a algoritmos ejecutables en historias clínicas electrónicas, encontrando que, aunque interpretan eficazmente el texto estructurado, su rendimiento se degrada significativamente con entradas que solo contienen diagramas, identificando finalmente la calidad de la documentación, y no la capacidad del modelo, como el principal cuello de botella.

Yan, C., Xin, Y., Su, W.-C., Gangireddy, S., Durbhakula, S., Bruehl, S. P., Dickson, A. L., Li, L., Feng, Q., Malin, B. (…)2026-05-22
📄 health informatics

Deep Learning and Machine Learning for Early Detection of Alzheimer's Disease: A Systematic Review and Meta-Analysis

Esta revisión sistemática y metaanálisis de 30 estudios demuestra que los algoritmos de aprendizaje automático y aprendizaje profundo logran una alta precisión diagnóstica para la detección temprana de la enfermedad de Alzheimer, aunque el campo requiere protocolos de evaluación estandarizados y validación externa para mitigar el sobreajuste y garantizar la viabilidad clínica.

Machiraju, S.2026-05-22
📄 health informatics

Asymmetry between warmth and clinical substance in multilingual consumer health AI

Este estudio revela que la IA de salud para consumidores multilingüe presenta una asimetría crítica en la que el contenido clínico y la seguridad varían significativamente según el idioma, a menudo fallando en silencio en contextos no anglófonos, mientras mantiene un tono empático y consistente en todos los idiomas.

Ariel, D., Grumberg, L. R., Supakul, S., Wannasri, S., Mitchnik, I. Y., Lev, A., Ariyamethanon, W., Agbarieh, M., Miari (…)2026-05-14
📄 health informatics

Epidemiology-Informed Graph Neural Networks for Predicting and Interpreting Transmissible Hospital-Acquired Infections: A Retrospective Cohort and Simulation Study

Este artículo propone un marco de red neuronal de grafos informado por epidemiología (EIGNN) que integra modelos epidemiológicos mecanicistas con redes de contacto basadas en datos para predecir e interpretar con precisión la dinámica de las infecciones intrahospitalarias, garantizando al mismo tiempo la confianza clínica mediante la transparencia.

Vindas Yassine, Y. E., Bornet, A., Abbas, M., Geissbuehler, D., Rodrigues-Jr, J. F., Teodoro, D.2026-05-12
📄 health informatics

Three Decades of FDA Authorizations of AI/ML Enabled Medical Devices: Persistent Specialty Concentration and the Care Delivery Gap (1995 to 2025)

Este análisis transversal de 1.430 autorizaciones de la FDA desde 1995 hasta 2025 revela que, si bien las aprobaciones de dispositivos médicos habilitados con IA/ML han aumentado exponencialmente, siguen concentrándose fuertemente en especialidades diagnósticas ricas en imágenes como la radiología, dejando brechas significativas en la representación de otros campos clínicos importantes como la patología, la obstetricia y la salud conductual.

Golshani, P., Joseph, M. S.2026-05-12
📄 health informatics

Machine Learning and Explainable AI for Multi-State Classification of Malaria Transmission Dynamics in Kenya

Este estudio desarrolla y valida un marco de aprendizaje automático interpretable utilizando Extreme Gradient Boosting para clasificar con precisión los estados de transmisión de la malaria en los 47 condados de Kenia de 2015 a 2025, demostrando que la integración de datos epidemiológicos y ambientales puede respaldar eficazmente la vigilancia dirigida y la asignación de recursos.

Gogo, J. A., Wanyonyi, M.2026-05-12
📄 health informatics

MISP-Bench: Decomposing User-Provided False Priors into Answer, Rationale, and Guard Effects

El artículo presenta MISP-Bench, una evaluación factorial a gran escala que examina cómo los modelos de lenguaje de pesos abiertos responden a priores falsos proporcionados por el usuario en contextos clínicos y educativos, revelando que los ataques combinados de respuesta y justificación causan un daño subaditivo, que los distractores dirigidos aumentan significativamente la adulación en comparación con los arbitrarios, y que estrategias específicas de protección de seguridad (como la independencia de la fuente y las anulaciones explícitas) mitigan eficazmente la susceptibilidad a la desinformación en diversos modelos.

Jeong, I., Kim, Y., Park, J.-H., Lee, H.2026-05-10
📄 health informatics

Unmeasured but Not Unbiased: The Missingness Demographic Leakage Audit (MDLA) for Calibration-Aware Fairness Evaluation in Critical Care Mortality Prediction

Este artículo introduce la Auditoría de Fugas Demográficas por Ausencia de Datos (MDLA), un marco reproducible que revela cómo los patrones de datos clínicos faltantes en modelos de mortalidad en cuidados críticos pueden actuar como proxies demográficos sutiles y no medidos, lo que hace necesaria la integración de auditorías conscientes de la ausencia de datos y evaluaciones conscientes de la calibración en los pipelines de validación de IA clínica.

Patel, K., Beedala, P.2026-05-03
📄 health informatics

Disease Risk Prediction Using Structured EHR Data: Can Generalist Large Language Models Match Specialized Clinical Foundation Models? A Comparative Evaluation with Fine-Tuning

Esta evaluación comparativa demuestra que, si bien los modelos de lenguaje grandes generalistas ajustados finamente generalmente rinden menos que los modelos fundamentales clínicos especializados en la predicción de riesgos de enfermedades a partir de historias clínicas electrónicas estructuradas, los embeddings generados por modelos de lenguaje grandes acoplados a clasificadores ligeros pueden lograr un rendimiento superior tanto en las métricas AUROC como en las AUPRC.

Mao, B., Prasadha, M. K., Xie, Z., He, J., Ghebranious, M., Xu, H., Zhi, D., Rasmy, L.2026-05-01
📄 health informatics

Protocol for the REVELIO test-track pilot study: a randomised, controlled, single-centre trial in healthy recreational cannabis users investigating real-time in-vehicle detection of cannabis-impaired driving

El protocolo REVELIO describe un estudio piloto aleatorizado y controlado en una pista de pruebas cerrada diseñado para evaluar la viabilidad de un sistema multimodal integrado en el vehículo para detectar la conducción bajo los efectos del cannabis en usuarios recreativos sanos, mediante la correlación de datos del vehículo, del conductor y biológicos tras la administración controlada de THC.

Bechny, M., Deuber, R., Heck, C., Brügger, J., Pfäffli, M., Jovanova, M., Fleisch, E., Wortmann, F., Weinmann, W.2026-05-01